如何解释fairseq生成的P数？

Question

使用fairseq-generate.py和transformer体系结构，每次转换都会生成如下部分：

Why is it rare to discover new marine mammal species?
S-0     Why is it rare to discover new marine mam@@ mal species ?
H-0     -0.0643349438905716     Pourquoi est-il rare de découvrir de nouvelles espèces de mammifères marins?
P-0     -0.0763 -0.1849 -0.0956 -0.0946 -0.0735 -0.1150 -0.1301 -0.0042 -0.0321 -0.0171 -0.0052 -0.0062 -0.0015

与this explanation一起：

H is the hypothesis along with an average log-likelihood; and P is the positional score per token position, including the end-of-sentence marker

我想知道，如果说p行中的一个低（绝对）数字意味着对这个特定单词的信心更高，这是否合理？例如，“Pourquoi”的-0.07是否意味着它比“est il”的-0.1849更快乐？最后的低-0.0015意味着它确信判决应该在这里结束

背景：我想弄清楚的是，我是否可以使用H数，或者以某种方式使用单个的p数，来获得其翻译的置信度。我一直在根据H数分析一些翻译，并没有注意到它和我对翻译质量的主观看法之间有多少对应关系。但我有一对夫妇，我认为它特别差-它错过了一些关键信息-最终的P数是一个相对较高的-0.6099和-0.3091（最终的P数是-0.11左右，大多数都是如此。）

Answer 1

Q: I'm wondering if it is reasonable to say a low (absolute) number in the P row means higher confidence in that particular word?

• 对。正如文档所说，“P是每个标记位置的位置分数”。分数实际上是对数概率，因此越高（即绝对数越低）越“自信”。源代码可能不那么容易理解，但是分数是由^{}生成的，在那里您可以看到分数是标准化的（如果您使用single model或ensemble，它包括一个log）。此外，在打印分数时，他们convert them from base e to 2：

  print('P-{}\t{}'.format(
      sample_id,
      ' '.join(map(
          lambda x: '{:.4f}'.format(x),
          # convert from base e to base 2
          hypo['positional_scores'].div_(math.log(2)).tolist(),
  ))
  

Q: What I'm trying to work out is if I can use either the H number, or somehow to use the individual P numbers, to get a confidence measure in its translation.

• 结果表明，H值只是p值的平均值，如您所见here：

  score_i = avg_probs_i.sum() / tgt_len
  

  还有converted to base 2。您可以在示例中检查：

  import numpy as np
  print(np.mean([-0.0763,-0.1849 ,-0.0956 ,-0.0946 ,-0.0735 ,-0.1150 ,-0.1301 ,-0.0042 ,-0.0321 ,-0.0171 ,-0.0052 ,-0.0062 ,-0.0015]))
  # >>> -0.06433076923076922
  

  另一个常用于评估语言模型性能的度量是Perplexity。一件好事是，可以根据P值轻松计算复杂度，如fairseq存储库的Language Model example所示：

  # Compute perplexity for a sequence
  en_lm.score('Barack Obama is coming to Sydney and New Zealand')['positional_scores'].mean().neg().exp()
  # tensor(15.1474)
  

  我不是NLP方面的专家，所以我真的不能告诉你在你的案例中应该使用哪一个