ウェブからの日仏対訳語彙、異形、句抽出システムの研究開発とその多言語への拡張

网络日法双语词汇、变体、短语提取系统的研发及其多语言扩展

• 批准号: 04F04038
• 负责人: 影浦 峡
• 金额: $ 0.77万
• 依托单位: National Institute of Informatics
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2004
• 资助国家: 日本
• 起止时间: 2004 至 无数据
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-04F04038/
• 关键词: 用語抽出; 対訳抽出; コンパラブル・コーパス; 複合語

次の3点について研究を行なった。1 非対訳・類似テーマコーパスからの語彙抽出手法として、日本語の単語とフランス語の単語とで対訳となりうる候補を、それらの単語が出現する文脈の近さを測定することにより抽出する手法をインプリメントした。標準的な文脈ベクタを用いた手法では、日本語とフランス語の注目語に対して、その出現文脈から単語(文脈語)を取り出し、辞書を用いて日仏の文脈語の同一性を認定した上で、その文脈ベクタを用いた注目語の近さを測定する。本研究では、この際の重み付けを改善したことに加え、言語的な知識を用いたフィルタリングを行い、抽出の精度を高めることに成功した。しかしながら、相変わらず、低頻度要素に対する訳語対抽出については、課題が残る。これについては、日英では文字列類似度により、低頻度要素に多いカタカナ語をカバーできるが、フランス語との対応でこれらが利用可能かどうかについては、今後の課題としたい。2 日本語とフランス語のそれぞれにつき、専門語を構成する複合語のパターンを、品詞および日本語では語種を用いて定義し、各言語についての抽出精度を評価した。TMREC用語抽出テストベッドでは、統計的重み付けを用いないパターン抽出で、既存のシステムよりよいパフォーマンスを出すことがわかった。これは、日本語では一見したところ複合語の単位は簡単に定義できそうであるが、実際にはきめ細かい定義が極めて重要であることを示すものである。3 日仏の対訳専門用語抽出パターンを定義・評価するために、日仏科学技術用語のデータを作成した。

The next 3 points に に に て て て study the を line なった. 1 the polices 訳, similar テ ー マ コ ー パ ス か ら の vocabulary extraction technique と し て, Japanese の 単 language と フ ラ ン ス language の 単 language と で 訳 seaborne と な り う る backup を and そ れ ら の 単 language appear が す る context の nearly さ を determination す る こ と に よ り spare す る gimmick を イ ン プ リ メ ン ト し た. Standard な context ベ ク タ を with い た gimmick で は, Japanese と フ ラ ン ス language の attention language に し seaborne て, そ の appear context か ら 単 language (context) を り し, dictionaries を with い て day 仏 の context language の identity を cognizance し た で, そ の context ベ ク タ を with い た attention language の nearly さ を determination す る. This study で は, こ の interstate の heavy み pay け を improve し た こ と に え, speech な knowledge を with い た フ ィ ル タ リ ン グ を い, take high precision の を め る こ と に successful し た. <s:1> する訳 ながら, phase change わらず, low-frequency element に to する訳 language pair extract に が て て て, subject が residual る. こ れ に つ い て は, day Britain で は text columns similar degrees に よ り, low frequency elements に い カ タ カ ナ language を カ バ ー で き る が, フ ラ ン ス language と の 応 seaborne で こ れ ら が may use か ど う か に つ い て は, future の subject と し た い. 2 Japanese と フ ラ ン ス language の そ れ ぞ れ に つ き, 専 door を constitute す る composite language の パ タ ー ン を, quality word お よ び Japanese で を は languages use い て definition し, each words に つ い て の extraction accuracy を review 価 し た. TMREC term extraction テ ス ト ベ ッ ド で は, statistics of heavy み pay け を with い な い パ タ ー ン spare で, existing の シ ス テ ム よ り よ い パ フ ォ ー マ ン ス を out す こ と が わ か っ た. こ れ は, Japanese で は saw し た と こ ろ composite language の 単 a は Jane 単 に definition で き そ う で あ る が, be interstate に は き め fine か い definition が め extremely important で て あ る こ と を shown す も の で あ る. 3 仏 の 訳 seaborne 専 door term extraction パ タ ー ン を definition, evaluation of 価 す る た め に, day 仏 science and technology term の デ ー タ を made し た.

项目成果

Comparable Corpora for Terminology Practice

用于术语实践的可比语料库

• 发表时间: 2004
• 期刊: 言語処理学会WS「固有名と専門用語」
• 作者: Sadat;F.;Kageura;K.;Aizawa.A
• 通讯作者: Aizawa.A