主辞駆動句構造文法に基づくニューラル機械翻訳の高度化

点击翻译按钮获取中文摘要

本研究は，近年翻訳性能が大幅に向上しているニューラル機械翻訳に対して，文構造を組み込むことで，これまで成し得なかった文の示す意味まで捉えた翻訳を実現する．また，翻訳時の計算コストが抑えられるような手法を提案することにより，翻訳速度を低下させることなく高精度な翻訳器を実現する．初年度でははじめに提案モデルに必要なニューラル句構造解析器の作成に取り組んだ．また，研究を進める過程で研究方針を見直した．本研究は機械翻訳の高精度化を主な研究目的としていたが，提案法による入力文の解析結果の提示が高精度化だけでなく翻訳結果の説明性向上に対して有用であることから，今後は当初の目的に加えて機械翻訳モデルの説明性の向上も同時に目指す．提案法で用いる主辞予測においては，正解の解析例を検索する説明性の高い事例ベースモデルが提案されている．これを踏まえ，本年度は汎用的に近傍事例を探索する事例検索機構を作成した．事例検索が汎用的にニューラルモデルの予測精度に寄与するかどうか翻訳用例を用いた機械翻訳モデルで実験し，検索を用いた推論が有用であることを確認した．さらに当初の目標である「推論速度が低下しない機械翻訳の高精度化」を実現するため，検索機構の高速化法を提案した．これにより，幅広い文生成タスクに利用できる事例検索機構を，精度を低下させることなく100倍以上高速化した．この事例検索に関する研究は国内会議NLP2023で発表し，国際会議ACL2023に採択予定である．