翻訳文の難易度を多段階で指定可能なニューラル機械翻訳

本研究は、一般的な言語対において、翻訳文の難易度を多段階で指定可能なニューラルネットワークに基づく機械翻訳（多段階難易度制御NMT）の実現を目指すものである。既存の多段階難易度制御NMTは、翻訳元言語の文、翻訳先言語の文、翻訳先言語の文の難易度の三つ組が教師データとして揃っている、英語とスペイン語の言語対のみが対象になっている。そこで本研究では、多段階難易度制御NMT用の教師データが存在しない一般的な言語対において、種々の難易度を持つ翻訳先言語の単言語データを用いる教師なし学習と、少量の教師データを人手で作成して用いる半教師あり学習の二種類の方法で多段階難易度制御NMTの実現を目指す。2022年度では、種々の難易度を持つ翻訳先言語の単言語データを利用する教師なし学習による多段階難易度制御NMTモデルを具体化し、実装した。具体的には、まず、翻訳先言語の文を翻訳元言語の文に翻訳する逆翻訳モデルを対訳データから学習する。次に、学習した逆翻訳モデルで種々の難易度を持つ翻訳先言語の単言語データを翻訳元言語の文に翻訳することで、多段階難易度制御NMT用の疑似三つ組データを自動作成する。そして、自動作成した疑似三つ組データを用いた教師あり学習により多段階難易度制御NMTを実現した。さらに、この創出した枠組みにおいて、疑似三つ組データ作成時の逆翻訳モデルを複数用いて疑似三つ組データの量を増やすことで性能改善を図った。日本語から英語への多段階難易度制御翻訳実験を行い、複数の逆翻訳モデルを用いることで、翻訳性能の評価指標であるBLEUが2.48ポイント、平易化の評価指標であるSARIが1.12ポイント改善できることを確認した。

本研究は、一般的な言語対において、翻訳文の難易度を多段階で指定可能なニューラルネットワークに基づく機械翻訳（多段階難易度制御NMT）の実現を目指すものである。既存の多段階難易度制御NMTは、翻訳元言語の文、翻訳先言語の文、翻訳先言語の文の難易度の三つ組が教師データとして揃っている、英語とスペイン語の言語対のみが対象になっている。そこで本研究では、多段階難易度制御NMT用の教師データが存在しない一般的な言語対において、種々の難易度を持つ翻訳先言語の単言語データを用いる教師なし学習と、少量の教師データを人手で作成して用いる半教師あり学習の二種類の方法で多段階難易度制御NMTの実現を目指す。2022年度では、種々の難易度を持つ翻訳先言語の単言語データを利用する教師なし学習による多段階難易度制御NMTモデルを具体化し、実装した。具体的には、まず、翻訳先言語の文を翻訳元言語の文に翻訳する逆翻訳モデルを対訳データから学習する。次に、学習した逆翻訳モデルで種々の難易度を持つ翻訳先言語の単言語データを翻訳元言語の文に翻訳することで、多段階難易度制御NMT用の疑似三つ組データを自動作成する。そして、自動作成した疑似三つ組データを用いた教師あり学習により多段階難易度制御NMTを実現した。さらに、この創出した枠組みにおいて、疑似三つ組データ作成時の逆翻訳モデルを複数用いて疑似三つ組データの量を増やすことで性能改善を図った。日本語から英語への多段階難易度制御翻訳実験を行い、複数の逆翻訳モデルを用いることで、翻訳性能の評価指標であるBLEUが2.48ポイント、平易化の評価指標であるSARIが1.12ポイント改善できることを確認した。