Pûana BLEU ji bo nirxandina performansa modelên wergera makîneyê metrîkek pir tête bikar anîn. Ew wekheviya di navbera wergerek ku ji hêla makîneyê ve hatî çêkirin û yek an çend wergerên referansê de dipîve. Di çarçoweya modelek wergera xwerû ya ku bi Wergera AutoML ve hatî perwerde kirin de, xala BLEU dikare li ser kalîte û bandorkeriya hilberîna modelê nihêrînên hêja peyda bike.
Ji bo ku fêm bikin ka xala BLEU çawa tê bikar anîn, girîng e ku meriv pêşî têgehên bingehîn fam bike. BLEU ji bo Lêkolîna Nirxandina Duzimanî ye, û ew wekî rêgezek ku bixweber qalîteya wergerên makîneyê binirxîne bi berhevkirina wan bi wergerên referansê yên ku ji hêla mirovan ve hatî çêkirin ve hatî pêşve xistin. Pûan ji 0 heta 1-ê diguhere, bi xalek bilindtir wergerek çêtir nîşan dide.
Wergera AutoML amûrek hêzdar e ku ji hêla Google Cloud AI Platform ve hatî pêşkêş kirin ku dihêle bikarhêneran modelên wergera xwerû bi karanîna daneyên xwe perwerde bikin. Dema ku model were perwerde kirin, ew dikare were bikar anîn da ku ji bo nivîsa têketina nû werger çêbike. Dûv re xala BLEU dikare were bikar anîn da ku kalîteya van wergeran binirxîne.
Ji bo hesabkirina xala BLEU, wergerên model-çêkirî bi yek an çend wergerên referansê re têne berhev kirin. Berawirdkirin li ser bingeha n-graman e, ku rêzikên hevgirtî yên n peyvan in. Pûana BLEU ne tenê rastbûna n-graman di wergera model-çêkirî de lê di heman demê de hebûna wan di wergerên referansê de jî digire ber çavan. Ev dibe alîkar ku hem têrbûn û hem jî rewanbûna wergeran were girtin.
Werin em vê yekê bi mînakekê diyar bikin. Bifikirin ku wergerek me ya referansê heye: "Pîsik li ser doşekê rûniştiye." Û model wergera jêrîn çêdike: "Pîsik li ser doşekê rûniştiye." Em dikarin van hevokan bikin n-gram:
Çavkanî: ["pisîk", "ew", "rûniştin", "li ser", "pê", "mat"] Model: ["pisîk", "rûniştî", "li ser", "the", "mat"]
Di vê rewşê de, model pirraniya n-graman rast werdigerîne, lê dema lêkerê winda dike ("e" beramberî "rûniştin"). Pûana BLEU dê vê yekê bi destnîşankirina xalek kêmtir ji werger re nîşan bide.
Pûana BLEU dikare bi karanîna awayên cûrbecûr, wekî rastbûna guhezbar û cezayê kurtbûnê were hesibandin. Rastiya guhêrbar vê rastiyê vedibêje ku wergerek dikare gelek bûyerên n-gramê hebin, dema ku cezayê kurtbûnê wergerên ku ji wergerên referansê pir kurttir in ceza dike.
Bi nirxandina xala BLEU ya modelek wergera xwerû ya ku bi Wergera AutoML ve hatî perwerde kirin, bikarhêner dikarin di derheqê performansa modelê de têgihiştinê bistînin û deverên ji bo çêtirkirinê nas bikin. Ew dikarin hejmarên BLEU yên model an dubareyên cihêreng bidin ber hev da ku pêşkeftinê bişopînin û biryarên agahdar di derbarê bijartina modelê an baş-sazkirinê de bidin.
Pûana BLEU ji bo nirxandina performansa modelên wergera xwerû yên ku bi Wergera AutoML re hatine perwerde kirin metrisek hêja ye. Ew bi berhevkirina wan bi wergerên referansê re pîvanek mîqdar a qalîteya wergerên ku bi makîneyê têne çêkirin peyda dike. Bi analîzkirina xala BLEU, bikarhêner dikarin bandorkeriya modelên xwe binirxînin û biryarên dane-rêvebirinê bidin ku kalîteya wergerê zêde bikin.
Pirs û bersivên din ên vê dawiyê di derbarê Wergera AutoML:
- Pêngavên ku di afirandina modelek wergera xwerû ya bi Wergera AutoML re têkildar in çi ne?
- Wergera AutoML çawa valahiya di navbera peywirên wergera giştî û peyvsaziyên cihê de pir dike?
- Rola Wergera AutoML di afirandina modelên wergera xwerû ya ji bo domên taybetî de çi ye?
- Çawa modelên wergera xwerû dikarin ji bo termînolojî û têgehên pispor ên di fêrbûna makîneyê û AI-ê de sûdmend bin?