应急管理大学 / 自然语言处理课程设计

跨越语言,
抵达现场。

面向应急管理场景的中英机器翻译系统。三种架构同台,译文全程可视。

示例译文 mT5-small

中文 / ZH

请立即疏散建筑物内所有人员。

English / EN

Evacuate all personnel from the building immediately.

beam search 5 界面演示

翻译台

选择模型,输入一句话,比较三种架构的译文差异。当前为界面演示,译文来自示例数据。

源语言 / SOURCE 中文 → English
试试
0 / 300
译文 / TARGET
Ctrl / ⌘ + Enter 快速翻译 当前为界面演示,推理接口待接入

模型对比

在同一批测试句对上,比较三种架构的译文质量与推理成本。

左右滑动查看完整指标

模型 BLEU-4刻度 0-40 ROUGE-L满分 100 BERTScore0 至 1 参数量 参考延迟

表中指标为界面演示数据,最终以评估组实测结果为准。BLEU-4 与 ROUGE-L 越高越好,BERTScore 衡量语义相似度。

接入真实模型

网页与推理服务解耦。接口就绪后,替换页面底部的 mock 函数即可,其他部分不用改。

网页界面

Cloudflare Pages 页面已就绪

翻译接口

POST /api/translate 待接入

推理服务

FastAPI / PyTorch 待接入

模型权重

RNN / Transformer / mT5 RNN 已就绪
接口约定 / API CONTRACT
POST /api/translate
Content-Type: application/json

{
  "text": "请立即疏散建筑物内所有人员。",
  "model": "mt5",
  "direction": "zh-en"
}

200 OK
{
  "translation": "Evacuate all personnel from the building immediately.",
  "latency_ms": 412
}

训练数据

中英语料按来源渠道归档,清洗后统一为句对格式,再划分训练集与测试集。

60,000+中英句对(目标)
3模型架构
2翻译方向
数据格式 中文 \t English 去重清洗 训练 / 测试

评估组实测指标出炉后,替换页面里的演示数值即可。