[論文レビュー] Hybrid Transfer in an English-French Spoken Language Translator

Manny Rayner, Pierrette Bouillon|ArXiv.org|May 26, 1995

Natural Language Processing Techniques参考文献 14被引用数 12

ひとこと要約

この論文では、文法的・構文的転送ルールと学習可能な統計的好みを組み合わせることで翻訳品質を向上させる、英語-フランス語 spoken language 翻訳用のハイブリッド転送モデルを提示している。システムは人間がアノテートしたトレーニングデータを用いてドメイン固有の好みを学習し、限られたドメイン設定下で未観測の話者発話に対しても高い正確性を達成している。

ABSTRACT

The paper argues the importance of high-quality translation for spoken language translation systems. It describes an architecture suitable for rapid development of high-quality limited-domain translation systems, which has been implemented within an advanced prototype English to French spoken language translator. The focus of the paper is the hybrid transfer model which combines unification-based rules and a set of trainable statistical preferences; roughly, rules encode domain-independent grammatical information and preferences encode domain-dependent distributional information. The preferences are trained from sets of examples produced by the system, which have been annotated by human judges as correct or incorrect. An experiment is described in which the model was tested on a 2000 utterance sample of previously unseen data.

研究の動機と目的

• 限られたドメイン向けの高品質で迅速な展開が可能な翻訳システムの開発を目的とする。
• 話者発話翻訳における文法的正確性とドメイン固有の流暢さのバランスをとる課題に対処することを目的とする。
• ルールベースの構文的転送とデータ駆動型の統計的好みを統合し、翻訳品質を向上させることを目的とする。
• 実世界の話者発話翻訳プロトタイプにおいて、ハイブリッド転送の有効性を評価することを目的とする。
• システム生成された翻訳例を人間がアノテートしたデータを用いて統計的好みを学習する可能性を示すこと

提案手法

• システムは、ドメインに依存しない文法的・構文的転送ルールをエンコードする統一に基づくルールを採用している。
• 統計的好みは、人間のジャッジが正しくまたは誤りと判断したシステム生成翻訳のセットを用いて学習される。
• ハイブリッドモデルは、ルールベースの転送と学習された好みを組み合わせ、翻訳意思決定をガイドする。
• 好みは、以前に観測されていなかった2000発話のテストセットから学習され、アノテーションが統計的部品の学習に使用される。
• 高い言語的品質を備えた限られたドメイン向け翻訳システムの迅速なプロトタイピングを支援するアーキテクチャである。
• モデルは2段階のプロセスを用いる：統一ルールによる構文的転送の後、学習された好みを用いた流暢さ最適化

実験結果

リサーチクエスチョン

• RQ1 ルールベースと統計的手法を、話者発話翻訳システムで効果的に統合する方法は何か？
• RQ2 文法的正確性を損なわずに、学習可能な統計的好みが翻訳の流暢さを向上させられるか？
• RQ3 人間がアノテートしたシステム生成翻訳例を用いて、効果的な統計的好みを学習できる範囲はどの程度か？
• RQ4 ハイブリッドモデルは、限られたドメインにおける未観測の話者発話にどの程度一般化できるか？
• RQ5 ドメインに依存しないルールとドメインに依存する好みを組み合わせることで、翻訳品質にどのような影響を与えるか？

主な発見

• ハイブリッド転送モデルは、文法的正確性と流暢さを組み合わせることで翻訳品質を著しく向上させた。
• システムは、以前に観測されていなかった2000発話のテストセットにおいて高い性能を発揮し、強い一般化能力を示した。
• 人間がアノテートしたシステム出力から学習された統計的好みは、ドメイン固有の流暢さのパターンを効果的に捉えた。
• 統一に基づくルールと学習可能な好みの統合により、堅牢で迅速に展開可能な翻訳アーキテクチャが実現した。
• このアプローチは、高品質で限られたドメイン向けの話者発話翻訳システムの迅速開発に有効であることが示された。
• 結果は、人間がアノテートしたシステム出力を統計的好みモデルのトレーニング信号として使用する可能性が裏付けられた。