Spaces:

davidkim205
/

ko-translation-leaderbaord

Running

App Files Files Community

ko-translation-leaderbaord / README.md

davidkim205

Upload folder using huggingface_hub

577164e verified 3 months ago

preview code

raw history blame contribute delete

No virus

19.5 kB

	---
	title: ko-translation-leaderbaord
	app_file: leaderboard.py
	sdk: gradio
	sdk_version: 3.50.2
	---
	# Iris Translation
	![iris-icon.jpeg](assets%2Firis-icon.jpeg)

	Welcome to Iris Translation, a project designed to evaluate Korean-to-English translation models. Our project provides a comprehensive framework for evaluating the Iris model that we have developed.



	## Models

	번역 품질을 비교하기 위해 사용한 모델입니다. 모두 실행 가능하며 결과를 확인할 수 있습니다.

	- [davidkim205/iris-7b](https://huggingface.co/davidkim205/iris-7b)
	- [squarelike/Gugugo-koen-7B-V1.1](https://huggingface.co/squarelike/Gugugo-koen-7B-V1.1)
	- [maywell/Synatra-7B-v0.3-Translation](https://huggingface.co/maywell/Synatra-7B-v0.3-Translation)
	- [Unbabel/TowerInstruct-7B-v0.1](https://huggingface.co/Unbabel/TowerInstruct-7B-v0.1)
	- [jbochi/madlad400-10b-mt](https://huggingface.co/jbochi/madlad400-10b-mt)
	- [facebook/mbart-large-50-many-to-many-mmt](https://huggingface.co/facebook/mbart-large-50-many-to-many-mmt)
	- [facebook/nllb-200-distilled-1.3B](https://huggingface.co/facebook/nllb-200-distilled-1.3B)



	## Installation

	```
	conda create -n translation python=3.10
	conda activate translation

	pip install -r requirements.txt
	```


	## Usage

	입력으로 주어지는 기본 파일은 `./data/komt-1810k-test.jsonl`입니다. 다음은 데이터의 JSON 스키마 예시입니다.

	```json
	{
	"conversations":[
	{
	"from":"human",
	"value":"다음 문장을 한글로 번역하세요.\nLet's make a graph here showing different levels of interest in activities."
	},
	{
	"from":"gpt",
	"value":"활동에 대한 다양한 수준의 관심을 보여주는 그래프를 만들어 보겠습니다."
	}
	],
	"src":"aihub-MTPE"
	}
	```

	### translate(Bleu)

	모델을 사용한 번역 결과와 실제 번역 결과를 비교하여 bleu score를 구합니다.

	```
	python translation.py --model davidkim205/iris-7b
	```

	결과 파일의 경로는 `results_bleu/iris-7b-result.jsonl`입니다.

	JSON 스키마 예시

	- reference: 실제 정답 번역문
	- generation: 모델이 생성한 번역문

	```json
	{
	"index":0,
	"reference":"활동에 대한 다양한 수준의 관심을 보여주는 그래프를 만들어 보겠습니다.",
	"generation":"여기서 활동에 대한 다양한 수준의 관심을 보여주는 그래프를 만들어 보겠습니다.",
	"bleu":0.917,
	"lang":"en",
	"model":"davidkim205/iris-7b",
	"src":"aihub-MTPE",
	"conversations":[
	{
	"from":"human",
	"value":"다음 문장을 한글로 번역하세요.\nLet's make a graph here showing different levels of interest in activities."
	},
	{
	"from":"gpt",
	"value":"활동에 대한 다양한 수준의 관심을 보여주는 그래프를 만들어 보겠습니다."
	}
	]
	}
	```

	### translate_self(SBleu)

	모델 번역 결과를 다시 번역하여 원문과의 bleu score를 비교합니다.

	```
	python translation_self.py --model davidkim205/iris-7b
	```

	결과 파일의 경로는 `results_self/iris-7b-result.jsonl`입니다.

	JSON 스키마 예시

	- reference: 원문
	- generation: 모델 재번역 결과
	- generation1: 모델 번역문

	```json
	{
	"index":0,
	"reference":"Let's make a graph here showing different levels of interest in activities.",
	"generation":"let's create a graph that shows different levels of interest in activities here",
	"generation1":"여기서 활동에 대한 다양한 수준의 관심을 보여주는 그래프를 만들어 보겠습니다.",
	"bleu":0.49,
	"lang":"en",
	"model":"davidkim205/iris-7b",
	"src":"aihub-MTPE",
	"conversations":[
	{
	"from":"human",
	"value":"다음 문장을 한글로 번역하세요.\nLet's make a graph here showing different levels of interest in activities."
	},
	{
	"from":"gpt",
	"value":"활동에 대한 다양한 수준의 관심을 보여주는 그래프를 만들어 보겠습니다."
	}
	]
	}
	```

	### translate2(Bleu and SBleu)
	translate와 translate_self를 모두 수행하여 bleu 및 sbleu를 모두 비교할 수 있습니다.

	```
	python translation2.py --model davidkim205/iris-7b
	```

	- translate를 수행하여 `results_bleu/iris-7b-result.jsonl`에 저장
	- translate_self를 수행하여 `results_self/iris-7b-result.jsonl`에 저장

	각 파일은 위에서 생성한 두 파일과 동일한 결과를 갖습니다.



	## Evaluation

	두 가지 방식으로 번역 결과를 검증합니다.

	1. 실제 번역과 모델 번역을 비교하여 평가

	```
	python evaluate.py results_bleu/
	```

	output

	```
	bleu scores
	result_bleu-nllb200.jsonl: 0.26, out_of_range_count=3, duplicate=1
	result_bleu-madlad400.jsonl: 0.29, out_of_range_count=6, duplicate=3
	result_bleu-TowerInstruct.jsonl: 0.32, out_of_range_count=9, duplicate=1
	result_bleu-gugugo.jsonl: 0.32, out_of_range_count=3, duplicate=1
	result_bleu-Synatra-7B-v0.3-Translation.jsonl: 0.35, out_of_range_count=2, duplicate=1
	result_bleu-deepl.jsonl: 0.39, out_of_range_count=1, duplicate=0
	result_bleu-azure.jsonl: 0.40, out_of_range_count=2, duplicate=0
	result_bleu-google.jsonl: 0.40, out_of_range_count=3, duplicate=0
	result_bleu-papago.jsonl: 0.43, out_of_range_count=3, duplicate=0
	result_bleu-iris_7b.jsonl: 0.40, out_of_range_count=3, duplicate=0
	```

	2. 원문을 2번 번역(영->한->영)한 결과와 비교하여 평가

	```
	python evaluate.py results_self/
	```

	output

	```
	bleu scores
	result_self-nllb200.jsonl: 0.30, out_of_range_count=1, duplicate=1
	result_self-gugugo.jsonl: 0.36, out_of_range_count=1, duplicate=1
	result_self-madlad400.jsonl: 0.38, out_of_range_count=3, duplicate=2
	result_self-TowerInstruct.jsonl: 0.39, out_of_range_count=3, duplicate=0
	result_self-Synatra-7B-v0.3-Translation.jsonl: 0.41, out_of_range_count=2, duplicate=1
	result_self-deepl.jsonl: 0.45, out_of_range_count=0, duplicate=0
	result_self-papago.jsonl: 0.49, out_of_range_count=0, duplicate=0
	result_self-azure.jsonl: 0.49, out_of_range_count=0, duplicate=1
	result_self-google.jsonl: 0.49, out_of_range_count=0, duplicate=0
	result_self-papago.jsonl: 0.51, out_of_range_count=0, duplicate=0
	result_self-iris_7b.jsonl: 0.43, out_of_range_count=1, duplicate=0
	```

	평가 요소

	- BLEU: 실제 번역과 모델 번역의 bleu score 평균
	- SBLEU: 원문과 재번역의 bleu score 평균
	- Duplicate: 번역 시 중복된 텍스트를 생성하는 경우
	- Length Exceeds: 모델 번역과 실제 번역 길이의 불일치(0.2 < length < 2 기준)

	### BLEU

	각 모델별로 평가한 결과입니다. iris-7b 모델의 평가는 아래와 같습니다.

	- 모든 평가에서 기존 모델들보다 높은 번역 성능
	- 평균적으로 클라우드 번역과 동일한 번역 성능
	- 중복 문장 생성 및 길이 초과 문제는 클라우드 번역과 동일한 수준

	![plot-bleu.png](assets%2Fplot-bleu.png)

	Duplicate(중복 문장 생성)와 Length Exceeds(길이 초과)는 translation(bleu)의 지표입니다.

	\| TYPE \| Model \| BLEU \| SBLEU \| Duplicate \| Length Exceeds \|
	\| ----------- \| :---------------------------------- \| ---- \| ----- \| --------- \| -------------- \|
	\| HuggingFace \| facebook/nllb-200-distilled-1.3B \| 0.26 \| 0.30 \| 1 \| 3 \|
	\| HuggingFace \| jbochi/madlad400-10b-mt \| 0.29 \| 0.38 \| 3 \| 6 \|
	\| HuggingFace \| Unbabel/TowerInstruct-7B-v0.1 \| 0.32 \| 0.39 \| 1 \| 9 \|
	\| HuggingFace \| squarelike/Gugugo-koen-7B-V1.1 \| 0.32 \| 0.36 \| 1 \| 3 \|
	\| HuggingFace \| maywell/Synatra-7B-v0.3-Translation \| 0.35 \| 0.41 \| 1 \| 2 \|
	\| Cloud \| deepl \| 0.39 \| 0.45 \| 0 \| 1 \|
	\| Cloud \| azure \| 0.40 \| 0.49 \| 0 \| 3 \|
	\| Cloud \| google \| 0.40 \| 0.49 \| 0 \| 2 \|
	\| Cloud \| papago \| 0.43 \| 0.51 \| 0 \| 3 \|
	\| HuggingFace \| davidkim205/iris-7b (ours) \| 0.40 \| 0.43 \| 0 \| 3 \|

	* SBLEU: Self-evaluation BLEU

	### BLEU by source

	분야별로 테스트 데이터셋 번역 품질을 평가한 결과입니다. iris-7b 모델의 평가는 아래와 같습니다.

	- 모든 분야에서 기존 번역모델을 압도하는 성능
	- 많은 분야에서 클라우드 번역과 비슷하거나, 더 나은 성능
	- 과학 분야, 신조어 분야의 번역 품질이 매우 우수

	![plot-bleu-by-src.png](assets%2Fplot-bleu-by-src.png)

	\| Type \| Model \| Average \| MTPE \| techsci2 \| expertise \| humanities \| sharegpt-deepl-ko-translation \| MT-new-corpus \| socialsci \| korean-parallel-corpora \| parallel-translation \| food \| techsci \| para_pat \| speechtype-based-machine-translation \| koopus100 \| basicsci \| broadcast-content \| patent \| colloquial \|
	\| ----------- \| :---------------------------------- \| ------- \| ---: \| -------: \| --------: \| ---------: \| ----------------------------: \| ------------: \| --------: \| ----------------------: \| -------------------: \| ---: \| ------: \| -------: \| -----------------------------------: \| --------: \| -------: \| ----------------: \| -----: \| ---------: \|
	\| HuggingFace \| facebook/nllb-200-distilled-1.3B \| 0.26 \| 0.44 \| 0.28 \| 0.16 \| 0.23 \| 0.44 \| 0.34 \| 0.27 \| 0.10 \| 0.23 \| 0.37 \| 0.28 \| 0.19 \| 0.29 \| 0.23 \| 0.15 \| 0.33 \| 0.09 \| 0.29 \|
	\| HuggingFace \| jbochi/madlad400-10b-mt \| 0.29 \| 0.45 \| 0.29 \| 0.20 \| 0.29 \| 0.40 \| 0.36 \| 0.39 \| 0.12 \| 0.22 \| 0.46 \| 0.30 \| 0.23 \| 0.48 \| 0.23 \| 0.19 \| 0.36 \| 0.01 \| 0.33 \|
	\| HuggingFace \| Unbabel/TowerInstruct-7B-v0.1 \| 0.32 \| 0.46 \| 0.33 \| 0.28 \| 0.27 \| 0.30 \| 0.39 \| 0.37 \| 0.14 \| 0.35 \| 0.47 \| 0.39 \| 0.29 \| 0.41 \| 0.21 \| 0.22 \| 0.36 \| 0.15 \| 0.33 \|
	\| HuggingFace \| squarelike/Gugugo-koen-7B-V1.1 \| 0.32 \| 0.46 \| 0.27 \| 0.28 \| 0.22 \| 0.66 \| 0.33 \| 0.36 \| 0.10 \| 0.29 \| 0.45 \| 0.34 \| 0.24 \| 0.42 \| 0.22 \| 0.23 \| 0.42 \| 0.20 \| 0.26 \|
	\| HuggingFace \| maywell/Synatra-7B-v0.3-Translation \| 0.35 \| 0.43 \| 0.36 \| 0.27 \| 0.23 \| 0.70 \| 0.37 \| 0.31 \| 0.13 \| 0.34 \| 0.52 \| 0.35 \| 0.29 \| 0.44 \| 0.21 \| 0.24 \| 0.46 \| 0.28 \| 0.37 \|
	\| Cloud \| deepl \| 0.39 \| 0.59 \| 0.33 \| 0.31 \| 0.32 \| 0.70 \| 0.48 \| 0.38 \| 0.14 \| 0.38 \| 0.55 \| 0.41 \| 0.33 \| 0.48 \| 0.24 \| 0.28 \| 0.42 \| 0.37 \| 0.36 \|
	\| Cloud \| azure \| 0.40 \| 0.57 \| 0.36 \| 0.35 \| 0.29 \| 0.63 \| 0.46 \| 0.39 \| 0.16 \| 0.38 \| 0.56 \| 0.39 \| 0.33 \| 0.54 \| 0.22 \| 0.29 \| 0.52 \| 0.35 \| 0.41 \|
	\| Cloud \| google \| 0.40 \| 0.62 \| 0.39 \| 0.32 \| 0.32 \| 0.60 \| 0.45 \| 0.45 \| 0.14 \| 0.38 \| 0.59 \| 0.43 \| 0.34 \| 0.45 \| 0.22 \| 0.28 \| 0.47 \| 0.39 \| 0.36 \|
	\| Cloud \| papago \| 0.43 \| 0.56 \| 0.43 \| 0.41 \| 0.30 \| 0.55 \| 0.58 \| 0.56 \| 0.16 \| 0.37 \| 0.67 \| 0.52 \| 0.35 \| 0.53 \| 0.21 \| 0.35 \| 0.45 \| 0.37 \| 0.46 \|
	\| HuggingFace \| davidkim205/iris-7b (ours) \| 0.40 \| 0.49 \| 0.37 \| 0.34 \| 0.31 \| 0.72 \| 0.48 \| 0.43 \| 0.11 \| 0.33 \| 0.56 \| 0.46 \| 0.34 \| 0.43 \| 0.20 \| 0.30 \| 0.47 \| 0.41 \| 0.40 \|

	### BLEU by sentence length

	텍스트의 길이에 따라 4구간으로 데이터를 50개씩 샘플링하여 번역한 평균 점수입니다. 평가에 사용된 데이터셋은 다음과 같습니다.

	- `data/komt-dataset-100.jsonl`
	- `data/komt-dataset-500.jsonl`
	- `data/komt-dataset-1000.jsonl`
	- `data/komt-dataset-1500.jsonl`

	번역 및 bleu score 결과는 `results_length/`아래에 저장되어 있습니다.

	놀랍게도, iris-7b 모델은 모든 구간에서 대부분의 클라우드 번역보다 높은 성능을 보입니다.

	- ~100: (0, 100]
	- ~500: (100, 500]
	- ~1000: (500, 1000]
	- ~1500: (1000, 1500]

	![plot-bleu-by-sentence-length.png](assets%2Fplot-bleu-by-sentence-length.png)

	\| Type \| Model \| Average \| ~100(50) \| ~500(50) \| ~1000(50) \| ~1500(50) \|
	\| ----------- \| :---------------------------------- \| ------- \| -------: \| -------: \| --------: \| --------: \|
	\| HuggingFace \| facebook/nllb-200-distilled-1.3B \| 0.24 \| 0.31 \| 0.31 \| 0.22 \| 0.13 \|
	\| HuggingFace \| jbochi/madlad400-10b-mt \| 0.22 \| 0.35 \| 0.37 \| 0.08 \| 0.10 \|
	\| HuggingFace \| Unbabel/TowerInstruct-7B-v0.1 \| 0.32 \| 0.41 \| 0.31 \| 0.24 \| 0.32 \|
	\| HuggingFace \| squarelike/Gugugo-koen-7B-V1.1 \| 0.45 \| 0.37 \| 0.48 \| 0.52 \| 0.43 \|
	\| HuggingFace \| maywell/Synatra-7B-v0.3-Translation \| 0.50 \| 0.41 \| 0.57 \| 0.57 \| 0.51 \|
	\| Cloud \| deepl \| 0.53 \| 0.44 \| 0.56 \| 0.64 \| 0.50 \|
	\| Cloud \| azure \| 0.47 \| 0.46 \| 0.47 \| 0.52 \| 0.44 \|
	\| Cloud \| google \| 0.51 \| 0.50 \| 0.49 \| 0.54 \| 0.51 \|
	\| Cloud \| papago \| 0.46 \| 0.50 \| 0.46 \| 0.43 \| 0.45 \|
	\| HuggingFace \| davidkim205/iris-7b (ours) \| 0.56 \| 0.51 \| 0.58 \| 0.62 \| 0.54 \|



	## test dataset info

	테스트 데이터셋은 18가지 분야의 데이터 10개로, 총 180개로 이루어져 있습니다.

	`koopus100` 데이터셋은 길이가 짧고 원문과 번역문이 일치하지 않는 데이터가 존재하여 품질이 낮습니다.

	```
	text: All right
	translation: 별로 그럴 기분 아니야 - I'm not in the mood.

	text: Do you have a fever?
	translation: 뭐라고 했어?
	```

	`korean-parallel-corpora` 데이터셋은 번역문에 한영이 혼용되거나, 잘못 번역되어 품질이 낮습니다.

	```
	text: S. Korea mulls missile defense system 한국, 자체적 미사일 방어체계 수립 검토 2007.03
	translation: South Korea maintains a mandatory draft system under which all able-bodied men over 20 must serve in the military for 24 to 27 months.

	text: A United States intelligence agency has been collecting data on the phone calls of tens of millions of Americans, a report in USA Today has alleged.
	translation: NSA collects Americans’phone clall data미 국가안보국, 미국민 통화 내용 수집2006.07

	text: I see the guy as more like John Wayne, which is to say I don't like his politics but he's endearing in a strange, goofy, awkward way, and he did capture the imagination of the country,\" he said.
	translation: 베트남전에 참전했던 스톤 감독은 비판적으로 호평을 받고 정치적인 성향이 많은 영화를 제작한 것으로 유명하다.

	text: The Sahara is advancing into Ghana and Nigeria at the rate of 3,510 square kilometers per year.
	translation: 카자흐스탄 또한 사막화로 인해 1980년 이후 농경지의 50%가 사라졌으며 사하라 사막은 매년 3510㎢씩 커져가며 가나와 나이지리아를 위협하고 있다.
	```

	아래 표에는 각 src의 비율과 개수, 설명이 정리되어 있습니다.

	\| src \| ratio \| description \|
	\| ------------------------------------------ \| ----- \| ------------------------------------------------------------ \|
	\| aihub-MTPE \| 5.56% \| 기계번역 품질 사후검증 데이터셋 \|
	\| aihub-techsci2 \| 5.56% \| ICT, 전기/전자 등 기술과학 분야 한영 번역 데이터셋 \|
	\| aihub-expertise \| 5.56% \| 의료, 금융, 스포츠 등 전문분야 한영 번역 데이터셋 \|
	\| aihub-humanities \| 5.56% \| 인문학 분야 한영 번역 데이터셋 \|
	\| sharegpt-deepl-ko-translation \| 5.56% \| shareGPT 데이터셋을 질답 형식에서 한영 번역 형식으로 변환한 데이터셋 \|
	\| aihub-MT-new-corpus \| 5.56% \| 기계 번역 앱 구축용 한영 번역 데이터셋 \|
	\| aihub-socialsci \| 5.56% \| 법률, 교육, 경제 등 사회과학 분야 한영 번역 데이터셋 \|
	\| korean-parallel-corpora \| 5.56% \| 한영 번역 병렬 데이터셋 \|
	\| aihub-parallel-translation \| 5.56% \| 발화 유형 및 분야별 한영 번역 데이터셋 \|
	\| aihub-food \| 5.56% \| 식품 분야 영한 번역 데이터셋 \|
	\| aihub-techsci \| 5.56% \| ICT, 전기/전자 등 기술과학 분야 한영 번역 데이터셋 \|
	\| para_pat \| 5.56% \| ParaPat 데이터셋의 영어-한국어 subset \|
	\| aihub-speechtype-based-machine-translation \| 5.56% \| 발화 유형별 영한 번역 데이터셋 \|
	\| koopus100 \| 5.56% \| OPUS-100 데이터셋의 영어-한국어 subset \|
	\| aihub-basicsci \| 5.56% \| 수학, 물리학 등 기초과학 분야 한영 번역 데이터셋 \|
	\| aihub-broadcast-content \| 5.56% \| 방송 콘텐츠 분야 한영 번역 데이터셋 \|
	\| aihub-patent \| 5.56% \| 특허명세서 영한 번역 데이터셋 \|
	\| aihub-colloquial \| 5.56% \| 신조어, 약어 등을 포함하는 구어체 한영 번역 데이터셋 \|