潜在的情報の推定モデルに基づく多言語処理の研究

本年度は、前年度に提案した翻訳先言語における構文情報を活用したニューラル機械翻訳モデルの分析を行なった。これまでの評価方法では、提案モデルを用いて翻訳文の生成を行ない、自動評価指標を用いて翻訳性能を評価してきた。これに加えて、翻訳文の構文木構造の同時推定を行い、提案モデルが推定した構文木構造情報についても分析を行なった。構文木構造情報としては係り受け構文構造に着目し、実際に単語間の係り受け関係がやや誤りは含むものの、提案モデルにより推定が可能であることを確認した。得られた研究成果は論文にまとめ、国際会議にて発表を行なった。また、前前年度の翻訳元言語側の構文木構造を他の翻訳言語対タスクに適用し、更なる分析を実施した。得られた研究成果は論文にまとめ、現在投稿中である。以下にそれぞれの研究実績の概要を挙げる。(1) 翻訳先言語における構文情報の導入: 前年度に提案した、翻訳先言語側の構文木情報を学習するモデルについて追加の実験を行なった。また、得られた翻訳結果の有する構文木について提案モデルで推定を行ない、翻訳文生成ならびに生成結果の構文解析が達成できていることを確認した。得られた研究成果は、言語処理分野の最高峰国際会議 ACLにて受理され、2017年8月に口頭発表を行った (採択率22%)。本研究は、アメリカ合衆国ニューヨーク大学との共同研究成果である。(2) 前前年度に提案した、翻訳元言語側で得られた構文木構造を利用するニューラル機械翻訳モデルに関する更なる分析を行なった。翻訳対象言語として新たに中日翻訳タスクへ適用し、翻訳元言語側で利用した構文木には句構造情報を用いた。ここでは日中翻訳において、中国語の句の情報あるいは単語の情報のどちらが日本語への翻訳の際に有用であるかなど分析を行った。

本年度は、前年度に提案した翻訳先言語における構文情報を活用したニューラル機械翻訳モデルの分析を行なった。これまでの評価方法では、提案モデルを用いて翻訳文の生成を行ない、自動評価指標を用いて翻訳性能を評価してきた。これに加えて、翻訳文の構文木構造の同時推定を行い、提案モデルが推定した構文木構造情報についても分析を行なった。構文木構造情報としては係り受け構文構造に着目し、実際に単語間の係り受け関係がやや誤りは含むものの、提案モデルにより推定が可能であることを確認した。得られた研究成果は論文にまとめ、国際会議にて発表を行なった。また、前前年度の翻訳元言語側の構文木構造を他の翻訳言語対タスクに適用し、更なる分析を実施した。得られた研究成果は論文にまとめ、現在投稿中である。以下にそれぞれの研究実績の概要を挙げる。(1) 翻訳先言語における構文情報の導入: 前年度に提案した、翻訳先言語側の構文木情報を学習するモデルについて追加の実験を行なった。また、得られた翻訳結果の有する構文木について提案モデルで推定を行ない、翻訳文生成ならびに生成結果の構文解析が達成できていることを確認した。得られた研究成果は、言語処理分野の最高峰国際会議 ACLにて受理され、2017年8月に口頭発表を行った (採択率22%)。本研究は、アメリカ合衆国ニューヨーク大学との共同研究成果である。(2) 前前年度に提案した、翻訳元言語側で得られた構文木構造を利用するニューラル機械翻訳モデルに関する更なる分析を行なった。翻訳対象言語として新たに中日翻訳タスクへ適用し、翻訳元言語側で利用した構文木には句構造情報を用いた。ここでは日中翻訳において、中国語の句の情報あるいは単語の情報のどちらが日本語への翻訳の際に有用であるかなど分析を行った。