[論文レビュー] Incorporating Discourse Aspects in English -- Polish MT: Towards Robust Implementation

Małgorzata E. Styś, Stefan Zemke|ArXiv.org|Oct 15, 1995

Natural Language Processing Techniques被引用数 14

ひとこと要約

この論文は、情報構造をモデル化し、ポーランド語における構成要素の順序を予測するために拡張されたセンターイング理論を用いた、英語-ポーランド語MTのためのディコースに配慮した機械翻訳システムを提案する。文化的・構文的・統計的ヒント（定義性、代名詞化、顕著度の段階的評価）を統合することで、ディコースの顕著性に応じてポーランド語の構成要素の順序を再編成し、ベースラインシステムよりも顕著に文のなめらかさと一貫性が向上した、より意味的適切な翻訳を生成する。

ABSTRACT

The main aim of translation is an accurate transfer of meaning so that the result is not only grammatically and lexically correct but also communicatively adequate. This paper stresses the need for discourse analysis the aim of which is to preserve the communicative meaning in English--Polish machine translation. Unlike English, which is a positional language with word order grammatically determined, Polish displays a strong tendency to order constituents according to their degree of salience, so that the most informationally salient elements are placed towards the end of the clause regardless of their grammatical function. The Centering Theory developed for tracking down given information units in English and the Theory of Functional Sentence Perspective predicting informativeness of subsequent constituents provide theoretical background for this work. The notion of {\em center} is extended to accommodate not only for pronominalisation and exact reiteration but also for definiteness and other center pointing constructs. Center information is additionally graded and applicable to all primary constituents in a given utterance. This information is used to order the post-transfer constituents correctly, relying on statistical regularities and some syntactic clues.

研究の動機と目的

• 文単位の正確さを越えて、意味的意味を保持できない機械翻訳システムのギャップを埋める。
• 段階的センター値を用いた拡張センターイング理論を用いて、英語におけるディコースレベルの情報構造をモデル化する。
• ディコースの顕著性と顕著度に基づいて、ポーランド語の構成要素の順序を決定する、堅牢なルールベースのシステムを開発する。
• 構文的・意味的・統計的ヒントを統合したフレームワークを構築し、ポーランド語における構成要素の再順序付けを実現する。
• ソース言語とターゲット言語のディコース構造を一致させることで、英語-ポーランド語機械翻訳のなめらかさと意味的適切性を向上させる。

提案手法

• すべての名詞句に対して定義性、指示代名詞、所有修飾語、および段階的センター値を含む、センターイング理論を拡張する。
• 代名詞化、再提示、定義性、文法的機能、構文的顕著性といった複数のヒントに基づいてセンター値を割り当てる。
• 三段階のプロセッシングパイプラインを用いる：前処理テーブル（参照話法および特殊構造用）、好みテーブル（一般的な順序好み用）、判別テーブル（矛盾の解消用）。
• ルールが曖昧な場合にガイドするため、コーパスデータからの統計的好み（例：VSO 66%、OVS 50%）を適用する。
• 参照距離と構成要素の長さを組み合わせて、順序決定を精緻化する。
• センターイング理論と機能文構造（FSP）を統合し、ポーランド語における情報構造を予測する。

実験結果

リサーチクエスチョン

• RQ1 英語におけるディコースレベルの情報構造をどのようにモデル化すれば、ポーランド語への正確な翻訳を支援できるか？
• RQ2 ポーランド語におけるディコースの顕著性と構成要素の順序を信頼性高く予測するための言語的ヒントは何か？
• RQ3 センターイング理論を非主語構成要素および段階的顕著度に対応できるようにどのように拡張できるか？
• RQ4 定義性、代名詞化、構文的機能は、ポーランド語における構成要素の順序決定にどのように寄与するか？
• RQ5 統計的パターンと構文的手がかりをどのように統合して、文脈に敏感な、堅牢な語順をポーランド語で生成できるか？

主な発見

• 拡張センターイングモデルは、英語におけるディコースの顕著性を効果的に予測でき、代名詞化と再提示がセンターの主な指標であることが判明した。
• 定義性と指示代名詞修飾語は、特に以前に登場した場合にセンター値を顕著に増加させた。
• センター値と統計的好み（例：VSO順序が66%の頻度）を組み合わせた場合、ポーランド語の構成要素順序が最も正確に予測された。
• 前処理テーブルは、「私たちは」や「たんに」などの曖昧なケースを、スタイル的ルールと焦点結合ルールを適用することで解消した。
• 判別テーブルは、好みルールの矛盾を解消し、特に長さ(O) ≥ 長さ(S)のOVS順序では100%の成功率で、より長い構成要素を最終位置に配置する優先順位を導入することで、精度を向上させた。
• 特に付加節やトピカル化された構成要素を含む複雑な節において、ソースのディコース構造とターゲット言語の語順を一致させたことで、より高い意味的適切性が達成された。