[論文レビュー] Comparison of SMT and RBMT; The Requirement of Hybridization for Marathi-Hindi MT

S Sreelekha, Pushpak Bhattacharyya|arXiv (Cornell University)|Mar 10, 2017

Natural Language Processing Techniques参考文献 10被引用数 3

ひとこと要約

この論文は、マラーティー語からヒンディー語への翻訳における統計的機械翻訳（SMT）とルールベース機械翻訳（RBMT）を比較し、RBMTの堅牢性にもかかわらず、SMTが開発作業の負荷が少なくても優れた性能を発揮することを示している。小さな学習コーパスを用いても、SMTシステムは品質と効率性においてRBMTを上回り、著者たちは、マラーティー語-ヒンディー語のような低リソースで屈曲が豊富な言語対において、両者の長所を活かしたハイブリッド化を提唱する。

ABSTRACT

We present in this paper our work on comparison between Statistical Machine Translation (SMT) and Rule-based machine translation for translation from Marathi to Hindi. Rule Based systems although robust take lots of time to build. On the other hand statistical machine translation systems are easier to create, maintain and improve upon. We describe the development of a basic Marathi-Hindi SMT system and evaluate its performance. Through a detailed error analysis, we, point out the relative strengths and weaknesses of both systems. Effectively, we shall see that even with a small amount of training corpus a statistical machine translation system has many advantages for high quality domain specific machine translation over that of a rule-based counterpart.

研究の動機と目的

• マラーティー語からヒンディー語への翻訳における統計的機械翻訳（SMT）とルールベース機械翻訳（RBMT）の性能を評価・比較すること。
• 限定的な並列コーパスを用いた低リソース環境におけるSMTの実現可能性と有効性を評価すること。
• 詳細な誤字分析を通じて、SMTとRBMTの長所と短所を特定すること。
• 高品質でドメイン特化されたマラーティー語-ヒンディー語機械翻訳を達成するために、SMTとRBMTのハイブリダイゼーションが必要かどうかを同定すること。

提案手法

• マラーティー語-ヒンディー語文のペアからなる小さな並列コーパスを用いたベースラインSMTシステムの開発。
• マラーティー語およびヒンディー語の語彙的・構文的・意味的特徴に基づく言語ルールに依拠したルールベース翻訳システムの実装。
• BLEUなどの標準的なMTメトリクスを用いた性能評価に加え、翻訳品質を比較するための定性的な誤字分析。
• 同一のテストセット上で両システムの翻訳出力を系統立てて比較し、障害モードと強みを特定する。
• 誤字を言語的および構造的問題に分類し、各アプローチの堅牢性と正確性を評価する。
• 訓練、保守、改善にかかるコストの分析を通じて、実用的実現可能性を評価する。

実験結果

リサーチクエスチョン

• RQ1 小規模なSMTシステムは、マラーティー語-ヒンディー語翻訳において、ルールベースシステムと比べてどのように性能を発揮するか？
• RQ2 マラーティー語およびヒンディー語の屈曲的・構文的複雑さを処理するうえで、SMTとRBMTの主な長所と短所は何か？
• RQ3 RBMTと比較して、SMTは限定的な並列学習データでも競争力のある翻訳品質を達成できるか？
• RQ4 ルールベースシステムの高い堅牢性は、その高い開発・保守コストを補うものとなるか？
• RQ5 マラーティー語-ヒンディー語のような低リソース言語対において、高品質でドメイン特化された翻訳を達成するために、SMTとRBMTのハイブリダイゼーションは必要か？

主な発見

• SMTシステムは、わずかな並列学習コーパスしか使用しなかったにもかかわらず、RBMTシステムよりも著しく優れた翻訳品質を達成した。
• SMTは、人的労力がかかるRBMTアプローチと比較して、開発・保守・改善の面ではるかに高い効率性を示した。
• 誤字分析の結果、SMTはRBMTよりも語彙的変化や構文構造をより効果的に処理していた。
• RBMTは希少語や未知語の処理において高い堅牢性を示したが、構文の一般化と自然さに欠けていた。
• 本研究の結論として、SMTは低リソース環境における高品質でドメイン特化された翻訳に適しているとされた。
• 著者たちは、SMTのデータ駆動型の自然さとRBMTの言語的正確性を組み合わせるために、ハイブリッド化を推奨した。