ニューラルネットワークを用いた点字翻訳システムの構築

使用神经网络构建盲文翻译系统

基本信息

批准号：
13750380
负责人：
渡部徹
金额：
$ 1.41万
依托单位：
Matsue National College of Technology
依托单位国家：
日本
项目类别：
Grant-in-Aid for Young Scientists (B)
财政年份：
2001
资助国家：
日本
起止时间：
2001 至 2002
项目状态：
已结题

项目摘要

日本語文書を点字に翻訳する方法として、点訳者が点訳を進める方法や自動点訳ソフトによって点訳を行う方法がある。前者の場合、点訳者の人数自体が少ないうえに、1人の点訳者が翻訳できる数は限られている。このため日々出版される図書の点字化への対応が遅れてしまう問題点がある。また後者の場合は、点訳ソフトが正しく点訳できない場合が多くあり、点訳者による点訳支援システムという形態をとっているのが現状である。本研究は、人間の脳機能をモデルとしたニューラルネットワークを点字翻訳に適応し、その精度を評価・検討するものである。まず点字翻訳のプロセスの中で最も複雑で時間が掛かる「分かち書き」をニューラルネットワークに適用した。ニューラルネットワークは入力と出力の与え方やネットワークの構成によってその性能が大きく異なる。昨年度の研究では、入力に与えるデータとして、(1)点訳前の文書の文字コードをそのまま入力する、(2)文書を漢字とひらがなとカタカナ記号に分類したものを入力する、(3)文書を品詞別に分類したものを入力する、以上3種類の入力方法について計算機シミュレーションを行い、(3)品詞入力の手法が最も正答率が高い結果を得た。そこで今年度は上述した(3)品詞入力の手法を用い、(4)階層型ニューラルネットワークの入力層と中間層の結合を入力の品詞ごとにまとめた構成、(5)通常の全結合のネットワーク構成、以上2種について比較検討した。学習データ数を100パターンとして、計算機シミュレーションを行った結果、(4)品詞ごとに分けたネットワークの分かち書き正答率は92%、(5)全結合ネットワークの正答率は89%となり、(4)のネットワークの方は優れていることが分かった。このネットワーク構成は(5)の場合に比べてネットワークのリンク数も少なくなり、学習に掛かる時間も少なくて済むという結果が得られた。

有多种方法可以将日本文档转换为盲文：一种方法，其中一个点转换器会推进点翻译或自动点翻译软件。在前一种情况下，点翻译器本身的数量很少，并且可以翻译的点转换器的数量受到限制。这导致了一个问题，即每天出版的书籍盲文过程的响应被推迟了。在后一种情况下，点翻译软件通常无法准确翻译，目前的情况是转换支持系统由Point Translation作者采用。这项研究应用了以人脑功能为盲文翻译的神经网络，并评估和检查神经网络的准确性。首先，我们将“分离”应用于神经网络，这是盲文翻译的最复杂和耗时的过程。神经网络的性能在很大程度上取决于提供的输入和输出以及网络配置。 In last year's research, we performed computer simulations on the three types of input methods: (1) input the character code of the document before the point translation is the same as the data given to the input, (2) input the document classified into kanji, hiragana, and katakana symbols, and (3) input the document classified into parts of speech, and (3) input the result with the highest correct answer rate was obtained by (3) inputting the语音输入方法的一部分。因此，今年，我们比较并检查了上述两种类型：（3）言论一部分输入方法，（4）在输入语音的每个部分编制了输入层和层次神经网络的中间层的结构，以及（5）构造正常完全耦合网络的结构。在使用100个学习数据进行计算机模拟后，将培训数据的数量设置为100个模式，并且分为语音部分的网络的正确答案率为92％，并且（5）完全连接的网络的正确答案率为89％，表明（4）中的网络优越。该网络配置在网络中的链接少于（5）中的链接，并且需要学习时间更少。