[論文レビュー] Building a reordering system using tree-to-string hierarchical model

Jacob Dlougach, Irina Galinskaya|arXiv (Cornell University)|Feb 13, 2013

Natural Language Processing Techniques参考文献 24被引用数 5

ひとこと要約

本論文は、統計的機械翻訳における文再順序付けのためのツリー・ツー・ストリング階層モデルを提示する。このモデルはMosesツールキットとチャートデコーダーを用いて実装されており、英語＝ペルシャ語、英語＝イタリア語、英語＝ウルドゥー語翻訳タスクにおいて、ベースラインシステムに比べてBLEU、ケンダール・トウ、ハミングスコアの向上を著しく達成した。これは、多様な言語対において本手法の有効性を示している。

ABSTRACT

This paper describes our submission to the First Workshop on Reordering for Statistical Machine Translation. We have decided to build a reordering system based on tree-to-string model, using only publicly available tools to accomplish this task. With the provided training data we have built a translation model using Moses toolkit, and then we applied a chart decoder, implemented in Moses, to reorder the sentences. Even though our submission only covered English-Farsi language pair, we believe that the approach itself should work regardless of the choice of the languages, so we have also carried out the experiments for English-Italian and English-Urdu. For these language pairs we have noticed a significant improvement over the baseline in BLEU, Kendall-Tau and Hamming metrics. A detailed description is given, so that everyone can reproduce our results. Also, some possible directions for further improvements are discussed.

研究の動機と目的

• 統計的機械翻訳の再順序付けシステムを、ツリー・ツー・ストリング階層モデルを用いて開発すること。
• 英語＝ペルシャ語、英語＝イタリア語、英語＝ウルドゥー語を含む複数の言語対において、そのアプローチを評価すること。
• BLEU、ケンダール・トウ、ハミング距離といった標準指標を用いて、翻訳品質の測定可能な向上を達成すること。
• Mosesのような公開利用可能なツールを用いて、完全に再現可能な実装を提供すること。
• 構文的構造の異なる言語対にわたる本手法の汎用性を検討すること。

提案手法

• 本システムは、公開利用可能な並列文ペアを用いて学習されたツリー・ツー・ストリング階層モデルを採用する。
• 翻訳モデルは、フレーズベースおよび階層的フレーズベースのデコーディングをサポートするMosesツールキットを用いて構築される。
• Mosesに統合されたチャートデコーダーが、構文的ツリー構造に基づいて元の文の構成要素の再順序付けに用いられる。
• モデルは、元言語の構文的ツリーとターゲットの文字列出力を対応付けることで、再順序付けのパターンを学習する。
• 本アプローチは、再現可能性と研究者へのアクセス性を確保するため、公開利用可能なツールのみを活用する。
• 一般化能力の評価のため、英語＝ペルシャ語、英語＝イタリア語、英語＝ウルドゥー語の言語対で実験が実施された。

実験結果

リサーチクエスチョン

• RQ1 ツリー・ツー・ストリング階層モデルは、統計的機械翻訳における再順序付けを効果的に改善できるか？
• RQ2 提案手法は、構文的構造が異なる多様な言語対において一貫した改善をもたらすか？
• RQ3 BLEU、ケンダール・トウ、ハミング距離といった標準評価指標において、モデルの性能はいかがなっているか？
• RQ4 Mosesのような公開利用可能なツールのみを用いて、システムの再現性はどの程度達成できるか？
• RQ5 再順序付け性能のさらなる向上のための可能性のある今後の方向性は何か？

主な発見

• 提案されたシステムは、英語＝ペルシャ語、英語＝イタリア語、英語＝ウルドゥー語を含むすべてのテスト言語対において、ベースラインに比べてBLEUスコアの著しい向上を達成した。
• ケンダール・トウおよびハミング指標においても顕著な向上が見られ、語順の整合性と構造的一致性の向上を示している。
• 本手法は言語対間での一般化性を示しており、構文的変動に対しても強靭であることが示唆された。
• Mosesのような公開利用可能なツールのみを用いた実装により、結果の完全な再現性が可能となった。
• 著者らは、強化されたツリー対応付けおよびデコーディング戦略の導入といった、今後の改善のための有望な方向性を同定した。