[論文レビュー] Extraction of domain-specific bilingual lexicon from comparable corpora: compositional translation and ranking

Estelle Delpech, Béatrice Daille+2 more|arXiv (Cornell University)|Oct 21, 2012

Natural Language Processing Techniques参考文献 34被引用数 25

ひとこと要約

この論文では、語彙素レベルの翻訳同等性と構成的翻訳を用いて、類似コーパスからドメイン固有の二語対訳語彙を抽出する手法を提示している。これにより、元の語よりも長いターゲット語の語が生成される「肥沃な」翻訳（fertile translations）が可能となる。コーパスベースの特徴と翻訳ベースの特徴を組み合わせて順位付けすることで、英語-フランス語および英語-ドイツ語のペアにおいて、1言語あたり40万語のコーパスのみを用いて、上位候補翻訳の平均精度が91％に達する。

ABSTRACT

This paper proposes a method for extracting translations of morphologically constructed terms from comparable corpora. The method is based on compositional translation and exploits translation equivalences at the morpheme-level, which allows for the generation of "fertile" translations (translation pairs in which the target term has more words than the source term). Ranking methods relying on corpus-based and translation-based features are used to select the best candidate translation. We obtain an average precision of 91% on the Top1 candidate translation. The method was tested on two language pairs (English-French and English-German) and with a small specialized comparable corpora (400k words per language).

研究の動機と目的

• 並列コーパスが利用できない状況において、正確でドメイン固有の二語対訳語彙を構築する課題に対処すること。
• 語彙的構成を活用することで、元の語よりも複雑なターゲット語が生成される「肥沃な」翻訳を生成することを可能にすること。
• 並列データに依存せずに、類似コーパスのみを用いて専門分野における翻訳品質を向上させること。
• コーパスベースの特徴と翻訳ベースの特徴を組み合わせて、候補翻訳を効果的に順位付けすること。

提案手法

• この手法は語を語彙素に分解し、類似コーパスから語彙素レベルの翻訳同等性を同定する。
• 複数語語のための候補翻訳を生成するために、翻訳済み語彙素を組み合わせることで構成的翻訳を適用する。
• 共起頻度などのコーパスベースの特徴と、アライメント信頼度などの翻訳ベースの特徴の重み付き組み合わせを用いて、翻訳候補を順位付けする。
• 特徴にはn-gram共起頻度、語彙素アラインメントスコア、類似コーパスから導出された翻訳確率推定値が含まれる。
• 順位付けモデルは、英語-フランス語および英語-ドイツ語の小規模ドメイン類似コーパス（1言語あたり40万語）を用いて訓練および評価される。
• 正確な語の分解と組み立てを支援するため、既存の語彙解析ツールを活用する。

実験結果

リサーチクエスチョン

• RQ1 類似コーパスから信頼性の高い語彙素レベルの翻訳同等性を抽出でき、専門分野の語の翻訳を支援できるか？
• RQ2 語彙素レベルのマッピングを用いた構成的翻訳は、正確で「肥沃な」翻訳を生成するのにどの程度有効か？
• RQ3 コーパスベースの特徴と翻訳ベースの特徴のどの組み合わせが、候補翻訳の順位付け性能を最も高めるか？
• RQ4 小規模な類似コーパス（1言語あたり40万語）が、高精度な二語対訳語彙抽出を支援できる範囲はどの程度か？
• RQ5 英語-フランス語および英語-ドイツ語のような異なる言語ペアにおいて、この手法はどの程度の性能を示すか？

主な発見

• この手法は、英語-フランス語および英語-ドイツ語の両言語ペアにおいて、上位候補翻訳の平均精度が91％に達する。
• 語彙素レベルの翻訳同等性の使用により、「肥沃な」翻訳が生成可能となり、ターゲット語が元の語よりも複雑な場合がある。
• 共起頻度などのコーパスベースの特徴が、順位付け性能の向上に顕著に寄与する。
• アラインメント信頼度や語彙素レベルの確率などの翻訳ベースの特徴が、順位付けの正確性に有意義に貢献する。
• 訓練データが限定的であっても、このアプローチは有効であり、類似コーパスに1言語あたり40万語のデータがあれば十分に機能する。
• 異なる言語ペアにわたって強い汎化性能を示しており、言語的差異に対しても頑健であることが示された。