MsrZhenTranslationParity ist ein von Microsoft im Jahr 2018 veröffentlichter chinesisch-englischer Übersetzungsdatensatz, der menschliche Bewertungsergebnisse maschineller Übersetzungen sowie Übersetzungsausgaben enthält. Er soll es ermöglichen, die Behauptung, menschliches Übersetzungsniveau erreicht zu haben, extern zu verifizieren und zukünftige Forschung zu fördern.

Der Datensatz enthält 6 zusätzliche englische Übersetzungsversionen des chinesisch-englischen Sprachpaars WMT17, darunter Reference-HT basierend auf vollständig manueller Übersetzung, Reference-PE basierend auf menschlicher Nachbearbeitung sowie Übersetzungsausgaben der Forschungssysteme Combo-4, Combo-5, Combo-6 und des Online-Übersetzungsdienstes Online-A-1710. Der Trainingssatz des Datensatzes enthält 2.001 Stichproben mit einer Gesamtgröße von etwa 1,79 MB, wobei alle Felder verschiedene Übersetzungsversionen desselben chinesischen Quellsatzes darstellen.

Zusammensetzung des Datensatzes

Der Datensatz enthält hauptsächlich die folgenden Felder und Strukturen:

• Reference-HT: Vollständig manuelle Übersetzung.
• Reference-PE: Menschlich nachbearbeitete Übersetzung.
• Combo-4, Combo-5, Combo-6: Drei Übersetzungsversionen von Forschungssystemen.
• Online-A-1710: Übersetzungsversion eines anonymen Online-Übersetzungsdienstes.
• train: Trainingssatz mit 2.001 Stichproben und einer Größe von 1.797.033 Bytes.

Citation

Die Zitationsinformationen sind unter diesem Link verfügbar Achieving Human Parity on Automatic Chinese to English News Translation