自動学習された 機能語の翻訳パターンを用いた 用例ベース機械翻訳

1. 自動学習された機能語の翻訳パターンを用いた用例ベース機械翻訳自動学習された機能語の翻訳パターンを用いた用例ベース機械翻訳 中澤敏明　黒橋禎夫 京都大学 NLP2008 3月18日(火)

2. 高精度な機械翻訳を実現するには？ 訳語選択 語順 機能表現を正確に扱う X 始める。　　begin to X 電界強度が２１．４ｋＶ／ｍｍを越えると分極反転電流が流れる。 when the electric field strength and the polarization reversal current flows over 21.4 kv / mm . 電界強度が２１．４ｋＶ／ｍｍを越えると分極反転電流が流れ始める。 electric field intensity was 21.4 kv / mm and the polarization reversal current flows over . the domain inversion current begins to flow , when the field intensity exceeds 21.4kv / mm .

3. Hierarchical Phrase-Based SMT (Chiang 2005, Watanabe et al. 2006) • Phrase-based SMTの手法から翻訳のruleを抽出 • synchronous CFGのようにruleを再帰的に適用することにより、目的の翻訳を得る • ruleの数が爆発するため、ruleの枝狩りや効率的なdecodingが必要 構文情報を考慮し、 機能表現にのみ注目したパターンを抽出

4. 目次 • 背景 • 用例ベース翻訳システム概要 • 機能表現パターンの学習 • 実験と考察 • まとめ

5. 目次 • 背景 • 用例ベース翻訳システム概要 • 機能表現パターンの学習 • 実験と考察 • まとめ

6. [0] at the headquarters [0] 本部の [1] パソコンの [3] different 日本語 英語 [3] kinds [2] リストには 本部のパソコンのリストにはさまざまな訴えが並ぶ。 At the headquarters, different kinds of complaints are stored on a computer list. [4] of complaints [3] さまざまな [5] are stored [4] 訴えが 一九九七年七月の中国返還に向けてカウントダウンに入った香港。 Hong Kong has begun the countdown to its reversion to China in July, 1997. [5] 並ぶ。 [1] computer [2] on a list 今春の都知事選をめぐる候補者選びの動きは混迷の様相のまま、越年した。 The New Year has come while the selection of candidates for the gubernatorial election of Tokyo slated for this spring remains confused. [3] different 我々の生活が知らず知らずにどれだけ規制でしばられているか、規制緩和によって豊かさが変わっていくのかを考えてみた。 Not realizing just how much our lives are restricted by rules and regulations, I have thought of a number of ways our lives could be enriched by deregulation. [3] kinds *[2] リストには *[1] パソコンの *[5] are stored [4] of complaints [3] さまざまな [1] パソコンの *[5] are stored [2] リストには *[1] computer [5] are stored [4] 訴えが [2] リストには [1] computer *[5] 並ぶ。 [2] on a list [5] 並ぶ。 [5] are stored *[2] on a list 韓さんは最後まで買収運動を拒否した。 Han continued to refuse money politics to the end. *[2] リストには *[5] 並ぶ。 [2] on a list [5] 並ぶ。 *[2] on a list チャゲが威勢よく言った。 Chage energetically declared. [0] at the headquarters [0] 本部の ロシア・チェチェン共和国情勢も話し合われるとみられる。 The Russia's Chechen issue will certainly be on the agenda. 用例データベースの構築

7. 入力文：だが、構造改革の効果が表れるには時間がかかる。入力文：だが、構造改革の効果が表れるには時間がかかる。 用例のスコア付け基準 ・用例のサイズ ・付属語の一致、不一致 ・用例内外の係り受け 出力文：Still it will take time for structural reforms to take effect.

8. 方法 として as 機能表現の翻訳（１/２） 方法 として was studied 入力 出力 検討 した。 as a method として （目的） was studied was studied 親 １．親の用例に のりしろがある 検討 した。 as （a purpose） as a method 子 方法 （から） （from） a method was studied 親 検討 した。 was studied ２．子の用例に のりしろがある （used） as a method 子 （利用 する。） as a method 親 検討 した。 was studied ３．のりしろ情報が ない was studied 子 方法 （から） as a method （from） a method 機能表現パターン として （X） （X）

9. 機能表現の翻訳（２/２） 入力 調査 し なくて は なら ない 。 用例 調査 （する こと に なる 。） examine パターン （X） し なくて は なら ない 。 have to （X）

10. 目次 • 背景 • 用例ベース翻訳システム概要 • 機能表現パターンの学習 • 実験と考察 • まとめ

11. [0] the politicians [0] 政治　に [2] must regain [1] リーダーシップ　を [1] their [2] 回復　しなくてはならない。 [1] leadership 機能表現パターンの学習 X | root  must regain なくてはならない。 X:動詞 回復 し | pre X:名詞　に  X | post X:名詞　を  X

13. 翻訳実験 • JST日英抄録コーパス（100万文対）を利用 • 96.6万文対でトレーニング 　　用例データベース、翻訳パターンの学習 • 500文を翻訳 • 1リファレンスのBLEUで評価 • 機能表現パターンを適用することにより翻訳精度が向上するかを検証

14. 翻訳実験結果 +0.52 +0.72 +0.81 参考： Mosesを用いた翻訳 チューニングなし 18.87 チューニングあり 21.85 スコアが向上した文数：162文 スコアが低下した文数：68文

15. 改善例 入力： 電界強度が２１．４ｋＶ／ｍｍを越えると分極反転電流が流れ始める。 出力1： 40.83 Then the inverse current flows when field intensity exceeds 21.4 kV / mm . 出力2： 48.18 Then the inverse current begins to flow when field intensity exceeds 21.4 kV / mm . 正解： The domain inversion current begins to flow when the field intensity exceeds 21.4 kV / mm . 入力： 高齢者に対するセメントレスＴＨＡの適応については，長期経過を十分に配慮し，適応性を判断する必要があると考えた。 出力1： 19.60 It was considered deeply consider the long term progress that had to judge the adaptability on the adaptation of the cementless THA the elderly . 出力2： 25.94 On the adaptation of the cementless THA for the elderly it was considered deeply consider the long term progress that had to judge the adaptability . 正解： On the adaptation of cementless THA for the old people , the attention should be paid on the long term progress , and it is regarded that judging the adaptability is necessary .

16. 失敗例 入力： ダイオキシンに汚染された環境をいかにして治療するかは，環境科学の最も大切な問題の一つである。 出力1： 27.23 How treatment for polluted dioxin environment is one of the most important problems of environmental science . 出力2： 26.07 How treatment for polluted to dioxin environment is one of themost important problems of environmental science . 正解： How to remedy dioxin polluted environments is one of the most challenging problems in environmental technology .

17. まとめ • 高精度な翻訳を実現するためには、機能表現を正しく扱うことが重要 • 機能表現パターンを利用した翻訳 • 今後の課題 • 機能表現パターンとして保持すべき情報の再考 　　汎化のレベルは品詞でよいか？ 　　係り先の情報は必要か？ • 日英以外の言語対（英日、日中、中日）での実験