Study on Machine Translation Focusing on Compositionality of Natural Language

点击翻译按钮获取中文摘要

2022年度も研究項目1について集中して取り組んだ。1) 分割統治型翻訳のための多言語事前学習モデルmBARTに基づくアプローチについて基礎検討を行い、節の等位接続の前後で分割して下訳を作成し、下訳を接続詞で連結した混合文を再度機械翻訳の入力とする二段階の手法の検証を行った。本手法は過剰訳の抑制への効果が認められたが、自動評価における目立った向上には至らなかった。2) 音声翻訳において入力音声を翻訳に適した単位に分割するために、オンライン実行可能な前向きアルゴリズムpTHRによる手法を考案し、人手での発話分割より短い単位での分割が可能な箇所を適応的に発見し音声翻訳の効率向上に寄与できることを示した。3) 同時翻訳でも活用できる順送り訳を機械翻訳で実現するための学習手法として通常の翻訳モデルから順送り訳を生成可能なPrefix Alignment法を考案し、同時翻訳タスクで順送り制約の強い低遅延時の翻訳精度が向上できることを示した。4) ボトムアップな構成性の活用検討のため、バイト単位の事前学習モデルである ByT5 を利用した自然言語処理タスクにおいてバイト単位トークンを明示的に結合するネットワーク構造を持つモデルの利用について検討し、処理効率が向上できることを示した。