同時音声翻訳技術の精度向上

提高同声翻译技术的准确性

• 批准号: 15J10649
• 负责人: 小田 悠介
• 金额: $ 1.22万
• 依托单位: Nara Institute of Science and Technology
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2015
• 资助国家: 日本
• 起止时间: 2015-04-24 至 2018-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-15J10649/
• 关键词: 自然言語処理; 統計的機械翻訳; 深層学習; ニューラルネットワーク; 同時翻訳; 音声翻訳; 機械翻訳; 機械学習; アルゴリズム; 音声言語処理; ソフトウェア工学

自然言語処理、特に機械翻訳においても深層学習を用いる手法が従来手法を上回る性能を達成することが示されつつある。本研究課題の当初の考えでは、従来の機械翻訳手法に同時音声翻訳用のアルゴリズムを搭載することを目指していたが、機械翻訳の根幹に大きな転換が発生したため、従来の考えをそのまま適用することは困難となった。このため本年度は、新たに出現した深層学習に基づく機械翻訳手法について考察を行い、それらの利点および問題点の調査を行った。この結果、新たな手法は従来よりも多大な計算資源を要するため、同時音声翻訳のような即時性・システムの軽量性が必要な分野では応用が困難であることが分かった。この問題を解決するため、単語を特定のビット列に変換し、その符号表現を代わりに推定することで単語推定の計算量を圧縮する新手法を提案した。この手法では各符号の確率の積で単語の確率を表現でき、計算量は理論的に従来手法の対数程度まで圧縮可能である。また、この手法の翻訳精度を向上するための２種類の改善手法を共に提案した。実験の結果、提案手法は従来手法と比較して使用メモリの面で数十分の１、実行速度の面で１０倍程度の性能であることが示され、さらにその翻訳精度は従来手法に匹敵するかそれ以上となることも示された。これらの研究を複数の国内会議にて発表を行い、特にNLP若手の会シンポジウムでは奨励賞を獲得した。また自然言語処理分野のトップカンファレンスであるACLへ論文を投稿し、採択されている。また同時音声翻訳システムを作成する際の根幹となる同時通訳コーパスの収集作業についても昨年度より継続して行った。さらに、深層学習に基づく機械翻訳手法をまとめたツールキットを開発し、オープンソースソフトウェアとして公開を行った。公開後にNTTや情報通信研究機構等において一定の利用実績が得られ、機械翻訳分野への大きな貢献となると考えている。

Natural speech processing, special mechanical translation, deep learning, techniques, techniques, performance, etc. This research topic is based on the mechanical translation method, and the application of the mechanical translation method. This year, new research has emerged. Deep learning, basic research, mechanical research, investigation of problems, etc. As a result, new methods are needed to determine how much computing resources are needed, and simultaneous voice translation is needed to determine how much effort is needed. This problem is solved by a new method of calculating the number of words in a specific column. The accuracy of each symbol is represented by the accuracy of each word, and the calculation is reduced by the accuracy of the corresponding number of symbols. There are two kinds of improvement methods for improving the accuracy of translation. The result of the experiment is that the proposed method is comparable to the method used in the experiment, and the surface of the experiment is 10 times faster than the surface of the experiment. This study was conducted at a number of national conferences, and NLP was awarded the title of "National Conference of the People's Republic of China." Natural Speech Processing (NSP) is an important part of speech processing. At the same time, the voice translation system is created, and the root of the voice translation system is created. In addition, deep learning is based on mechanical translation methods, such as open, open and open. After the disclosure, NTT and information communication research institutions have made certain use of achievements, and mechanical transformation has made great contributions.

项目成果

NMTKit - GitHub

NMTKit - GitHub

二値符号予測によるニューラルネット翻訳

使用二进制代码预测的神经网络翻译

• 发表时间: 2016
• 作者: 小田 悠介;Philip Arthur;Graham Neubig;and 中村 哲
• 通讯作者: and 中村 哲

Ckylark - An Latent Annotated PCFG Parser

Ckylark - 一个潜在的带注释的 PCFG 解析器

統計的機械翻訳による自然言語からソースコードへの変換の検討

考虑使用统计机器翻译从自然语言到源代码的转换

• 发表时间: 2015
• 作者: 札場 寛之;小田 悠介;Graham Neubig;吉野 幸一郎;and 中村 哲
• 通讯作者: and 中村 哲

機械翻訳を用いた擬似コード生成による学習者支援

通过使用机器翻译生成伪代码来支持学习者

• 发表时间: 2015
• 作者: 札場 寛之;小田 悠介;Graham Neubig;畑 秀明;Sakriani Sakti;戸田 智基;and 中村 哲
• 通讯作者: and 中村 哲