Transcript 用例ベース翻訳における用言句の 簡潔な翻訳の実現

用例ベース翻訳における用言句の
簡潔な翻訳の実現
荒牧英治* ** ，黒橋禎夫* ** ，柏岡秀紀** ，田中英輝***
* 東京大学 情報理工学系研究科
** ATR 音声言語コミュニーケーション研究所
*** NHK放送技術研究所
入力文
│ ┌カナダで
│┌開かれる
├通商会議に
入力文の各句に対して
はじめに
構造的な翻訳用例を用いた
日英用例ベース翻訳システム
翻訳用例
┌五月初めに
├■カナダで
┌■開かれる
of four trade ministers
└■to be held
├■in Canada
■ 通商会議
■ trade conference
用例を検索する
出力文
trade conference
└held
└in Canada
用例の英語表現を組み合わせて
翻訳文を生成
研究目的
入力文：
カナダで開かれる通商会議で～
invite held in Canada
翻訳結果: a trade conference
正解例:
入力文:
welcome
a trade conference
have in Canada
φ
:
観光シーズンを迎えた北海道では
翻訳結果: in Hokkaido greeted tourism season～
正解例:
in Hokkaido as the tourism season～
訳出する必要がない表現を学習
用言
発表内容
• 用言対応コーパス
– コーパスの作成方法
– コーパスの分析
• 提案手法
• 実験
• まとめ
用言対応コーパス
• 用言対応コーパスの目的
– 用言の翻訳は困難（訳出されない用言）
– 対訳文中の用言に対して人手で対応をアノテートし，
用言の翻訳のされ方を分析・学習
• アノテート対象
– 直訳でないコーパスが望ましい
⇒ＮＨＫニュースコーパス
ＮＨＫニュースコーパス
• 日本語記事を翻訳して英語記事を作成
• 両言語の報道スタイルに沿って作成（省略あり）
田植えフェスティバル石川県輪島市で外国の大使や一般の参加者など千
人あまりが急な斜面の棚田で田植えを体験する催しが行われました。
輪島市白米町には（しろよねまち）千枚田と呼ばれる（せんまいだ）大小二
千百枚の棚田が急な斜面から海に向かって拡がっています。
田植え体験は農作業を通して米作りの意義などを考えていこうという地球
環境平和財団の呼び掛けで開かれたもので、海外三十四ヵ国の大使や書
記官、それに一般の参加者ら合わせておよそ千人が集まりました。
田植えに使われた苗は去年の秋、天皇陛下が皇居で収穫された稲籾から
育てたものです。
参加者たちは裸足になって水田に足を踏み入れ地元に伝わる田植え歌に
合わせて慣れない手つきで苗を植えていました。
きょうの輪島市は雲が広がったもののまずまずの天気となり、出席された
高円宮さまも海からの風に吹かれながら田植えに加わっていました。
地球環境平和財団では今年の夏休みに全国の子どもたちを対象に草刈り
や生きものの観察会を開く他、秋には稲刈体験を行なう予定にしています。
Ambassadors and diplomats from 37 countries took part
in a rice planting festival on Sunday in small paddies on
steep hillsides in Wajima, central Japan.
About one-thousand people gathered at the hill, where
some two-thousand 100 miniature paddies, called
Senmaida, stretch toward the Sea of Japan.
The event was organized by the private Foundation for
Global Peace and Environment.
The rice seedlings are grown from grain harvested by the
Emperor at the Imperial Palace in Tokyo last autumn.
Barefoot participants waded into the paddies to plant the
seedlings by hand while singing a local folk song about
the practice of rice planting.
対訳文の抽出
• 翻訳辞書を用いたDPマッチングによる文対応推定
• １文：１文対応だけを抽出[Aramaki et al., 2003]
田植えフェスティバル石川県輪島市で外国の大使や一般の参加者など千
人あまりが急な斜面の棚田で田植えを体験する催しが行われました。
輪島市白米町には（しろよねまち）千枚田と呼ばれる（せんまいだ）大小二
千百枚の棚田が急な斜面から海に向かって拡がっています。
田植え体験は農作業を通して米作りの意義などを考えていこうという地球
環境平和財団の呼び掛けで開かれたもので、海外三十四ヵ国の大使や書
記官、それに一般の参加者ら合わせておよそ千人が集まりました。
田植えに使われた苗は去年の秋、天皇陛下が皇居で収穫された稲籾から
育てたものです。
参加者たちは裸足になって水田に足を踏み入れ地元に伝わる田植え歌に
合わせて慣れない手つきで苗を植えていました。
きょうの輪島市は雲が広がったもののまずまずの天気となり、出席された
高円宮さまも海からの風に吹かれながら田植えに加わっていました。
地球環境平和財団では今年の夏休みに全国の子どもたちを対象に草刈り
や生きものの観察会を開く他、秋には稲刈体験を行なう予定にしています。
Ambassadors and diplomats from 37 countries took part
in a rice planting festival on Sunday in small paddies on
steep hillsides in Wajima, central Japan.
About one-thousand people gathered at the hill, where
some two-thousand 100 miniature paddies, called
Senmaida, stretch toward the Sea of Japan.
The event was organized by the private Foundation for
Global Peace and Environment.
The rice seedlings are grown from grain harvested by the
Emperor at the Imperial Palace in Tokyo last autumn.
Barefoot participants waded into the paddies to plant the
seedlings by hand while singing a local folk song about
the practice of rice planting.
用言対応コーパス
（５，５００対訳文）
• アノテート内容
– 用言(相当)句 ・・・（
）
• (1)動詞を含む句
• (2)格要素を持つ形容詞を含む句
– 用言句の対応先 ・・・（
）
用言対応コーパスの分析
• 日本語用言の英語対応先を集計
日本語 ：英語
用言句：用言句
用言句：φ
（対応先なし）
用言句：名詞句，前置詞句
用言句：その他
（副詞など）
対応数
9779
6831
716
319
用言句：φ の例
カナダで
開かれた
通商会議で
at a trade conference
in Canada
用言対応コーパスの分析
•• 日本語用言の英語対応先を集計
用言句-φ は，下のアライメントパターン
(Condensed Alignment Pattern, CAP)で出現
日本語 ：英語
用言句：用言句
C
用言句：φ 用言句 （対応先なし）
用言句：名詞句，前置詞句
P
用言句：その他
（副詞など）
C’
P’
対応数
9779
6831
716
319
用言句：φ の例
⇒ ＣＡＰに含まれる用言句は必ず省略可能であるか？
カナダで
at a trade conference
（推測可能）
開かれた
通商会議で
in Canada
用言対応コーパスの分析
CAPを無作為抽出（８０個）して，用言句が推測可能かどうか調査
C’
C
用言句
P
推論可能
P’
56
3
推論不可能
カナダで
C統語解析のエラー
at a tradeP’
conference
開かれた
11
用言句アライメントのエラー
in Canada
C’ 1
通商会議で
P
句のチャンキングエラー
9
その他 用言句：φ の例
用言対応コーパスの分析
CAPを自動抽出して，用言句が推測可能かどうか調査
C’
C
用言句
P’
P
推論可能
P-依存
C-依存
21
16
19
PC-依存
カナダで
3
推論不可能 C統語解析のエラー
at
a
trade
conference
P’
開かれた
用言句アライメントのエラー
11
in
Canada
C’
通商会議で
P
1
句のチャンキングエラー
9
その他 用言句：φ の例
P-依存
• カナダで開かれた通商会議で ～
• at a trade conference in Canada～
C カナダで
開かれた
P 通商会議で
P’ at a trade conference
C’ in Canada
• P 会議 によって 開かれた が推論可能
C-依存
• 肺の病気にかかった男性の～
• the patient man with a lung disease ～
肺の
C 病気に
かかった
P 男性の
P’ the man
C’ with a lung disease
• C 病気 によって かかった が 推論可能
PC-依存
• 各国から派遣された救助チームの～
• rescue teams from countries ～
C 各国から
派遣された
P 救助チームの
P’ rescue teams
C’ from countries
• C 各国から と P 救助チーム の両方によって
派遣された が 推論可能
目次
• 用言対応コーパス
• 提案手法
• 実験
• まとめ
CAPを用例とした翻訳
入力文
カナダで
開かれた
通商会議で
翻訳用例（＝ＣＡＰ）
カナダで
開かれた
通商会議で
出力文
at a trade conference
in Canada
at a trade conference
in Canada
CAPを用いた翻訳
入力文
東京で
開かれた
会議で
翻訳用例（＝ＣＡＰ）
カナダで
開かれた
通商会議で
at a trade conference
in Canada
入力文とＣＡＰが一致しない場合でも利用したい
ＣＡＰの例 （P-依存）
• カナダで開かれた通商会議で ～
• at a trade conference in Canada～
C カナダで
開かれた
*
P 通商会議で
P’ at a trade conference
*
C’ in Canada
*
*
• P 会議 によって 開かれた が推論可能
Cを汎化 ＋ Ｐを主辞に汎化
CAPの自動分類
ＣＡＰを二分割して頻度を数える
C
C カナダで
C’ in Canada
会議で
C’ in Canada
開かれた
freq(C) =4
開かれた
P
カナダで
P’ at a conference
開かれた
P 会議で P’ at a conference
freq(P) =17
freq(C) > freq(P) x Ｃ
freq(P) > freq(C) x Ｃ
→ C依存
→ P依存
その他
→ PC依存
主辞への汎化
頻度の集計には主辞の語の基本型を用いる
C カナダで
動詞句の主辞：主動詞
名詞句の主辞：末尾の名詞
C’ in Canada
開かれた
P
通商会議で
P’ at a conference
C’ Canada
C カナダ
開く
P
会議
P’
conference
CAPを用いた翻訳
入力文
東京で
開かれた
会議で
翻訳用例
東京
＊で
開かれた
＊ 会議で
出力文
at a conference
in Tokyo
Tokyo
at a ＊ conference
in ＊
目次
• 用言対応コーパス
• 提案手法
• 実験
• まとめ
実験環境
• ＮＨＫニュースコーパス（4万記事）から１文：１文対
応（約3万対訳文）を自動抽出
• １文：１文対応をアライメントし，ＣＡＰ（4,219個）を自
動抽出-分類
数
Ｐ依存
1120
Ｃ依存
297
ＰＣ依存
2802
* ＰＣ依存のうち2,272個の出現頻度は1回であった
自動分類されたCAPの例
P依存
＊ 導入 はじまる
＊ start
はじめ…
＊ 話し合う 横浜で～を導入することを
会議
＊ conference
Yokohama starts ….
C依存
協定 結ぶ ＊
agreement ＊
疑い 強まる ＊
suspicion ＊
ＰＣ依存
emperor open
陛下 お迎え 開く
天皇陛下をお迎えして開会式が開かれる
members committee
人 構成 委員会
The extraordinary session will be officially opened by the Emperor
実験
ＣＡＰの分類結果の判定は主観的なタスク
⇒CAPの妥当性をＣＡＰを用いた翻訳の精度
で調査
• 実験条件
– 翻訳方向： 日英翻訳方向
– 入力文： NHKニュース記事の先頭文（240文）
– 評価： 正解翻訳例(240×4文)を用いたBLEU
実験結果
• 比較手法
– ベースライン： CAPを用いない場合
– CAP
： 汎化しないでCAPを用いた場合
– CAP+
： （自動分類し）汎化したCAPを用いた場合
（提案手法）
システム
BLEUスコア
ベースライン
24.6
ＣＡＰ
24.8
ＣＡＰ＋（提案手法）
25.0
結果例 (1/2)
入力文
... アフガニスタン北東部で起きた地震の
被災地では ...
正解例
... quake struck areas along
northeastern Afghanistan ...
ベース
ライン
... disaster area of the earthquake
occurred in Afghanistan northeast ...
CAP+
... disaster area of the earthquake in
Afghanistan northeast ...
結果例 (2/2)
入力文
... 二十五日に行われる日韓首脳会談に..
正解例
... summit due to be held on the 25th
ベース
ライン
... summit meeting conducted on 25th
CAP+
... summit meeting on 25th
目次
• 用言対応コーパス
• 提案手法
• 実験
• まとめ
まとめ
• 用言対応コーパスの構築法と分析結果につ
いて報告した
• 用言の省略を行う手法を提案した
• 今後の課題
– 人間はかならずしも用言を省略するとは限らない
⇒用言が省略されないパターンの収集も必要