基于深度学习的机器翻译质量评估与改进流程

该思维导图描述了一个机器翻译后处理流程。流程起始于将参考译文输入系统，随后进行评分步骤，包括使用sacrebleu库计算BLEU分数和使用bert_score库计算BERTScore，并根据两者权重加权计算总分。接下来进入修订过程，调用Deepseek大语言模型API进行译文修改，最终输出包含原文句子、修改后句子及修改理由的Markdown格式结果。整个流程旨在提升机器翻译的质量和准确性。

源码

# 基于深度学习的机器翻译质量评估与改进流程
## 流程起点
- 输入参考译文
  - 提供需翻译文本
  - 定义评价标准
## 评分步骤
- 计算BLEU分数
  - 使用sacrebleu库
    - 参数选择
      - n-gram 范围
      - 权重配置
    - 结果分析
      - 分数解释
      - 影响因素
- 计算BERTScore
  - 使用bert_score库
    - 选择预训练模型
      - BERT-base
      - RoBERTa
    - 评估句子相似性
      - 语义匹配
      - 词义处理
- 加权计算总分
  - 权重配置
    - BLEU 权重
    - BERTScore 权重
  - 总得分计算
    - 统计分析
    - 结果可视化
## 修订过程
- 调用Deepseek大语言模型
  - 通过API调用
    - 发送请求
    - 获取响应
- 进行译文修改
  - 上下文理解
  - 语言风格调整
- 输出修订结果
  - 格式：Markdown
    - 支持的Markdown元素
      - 标题
      - 列表
      - 引用
  - 内容：
    - 原文句子
    - 修改后的句子
    - 修改理由
      - 理由分类
        - 语法错误
        - 语义不清
        - 风格不当

图片