[論文レビュー] Recognition and translation Arabic-French of Named Entities: case of the Sport places

Abdelmajid Ben Hamadou, Odile Piton+1 more|arXiv (Cornell University)|Feb 2, 2010

Natural Language Processing Techniques参考文献 11被引用数 4

ひとこと要約

本稿では、スポーツ分野におけるアラビア語-フランス語名前付きエンティティ認識のため、翻訳と発音表記を統合したアプローチを提案する。NooJ言語処理プラットフォームを用い、ルールベースの文法とトランスダーサーを活用する。翻訳不能なエンティティに対して音声的表記を適用することで、スポーツ施設名の翻訳精度が向上し、単なる翻訳のみに比べてF1スコアで顕著な向上を達成した。

ABSTRACT

The recognition of Arabic Named Entities (NE) is a problem in different domains of Natural Language Processing (NLP) like automatic translation. Indeed, NE translation allows the access to multilingual in-formation. This translation doesn't always lead to expected result especially when NE contains a person name. For this reason and in order to ameliorate translation, we can transliterate some part of NE. In this context, we propose a method that integrates translation and transliteration together. We used the linguis-tic NooJ platform that is based on local grammars and transducers. In this paper, we focus on sport domain. We will firstly suggest a refinement of the typological model presented at the MUC Conferences we will describe the integration of an Arabic transliteration module into translation system. Finally, we will detail our method and give the results of the evaluation.

研究の動機と目的

• 直接翻訳が不可能な場合に、特にスポーツ施設名を含むアラビア語名前付きエンティティをフランス語に翻訳する課題に対処すること。
• 翻訳不能なエンティティに対して発音表記を統合することで、多言語情報へのアクセスを向上させること。
• スポーツ分野におけるアラビア語-フランス語言語対に特化した堅牢な言語処理パイプラインの開発。
• 発音表記と翻訳を組み合わせることで、名前付きエンティティ認識および翻訳パフォーマンスがどのように向上するかを評価すること。

提案手法

• システムは、局所的文法と有限状態トランスダーサーに依存する言語処理に基づくNooJプラットフォームを用いる。
• 名前付きエンティティ認識のためのタイプロジカルモデルは、以前のMUC会議フレームワークに基づいて精錬された。
• 直接フランス語に相当する語が存在しないエンティティを処理するために、翻訳パイプラインにアラビア語発音表記モジュールを統合する。
• ルールベースの言語解析を適用して、アラビア語テキスト内のスポーツ施設名を特定・処理する。
• システムは、トークン化、語彙素解析、名前付きエンティティ認識、翻訳／発音表記の順に言語的変換を実行する。
• 評価は、手動でアノテートされたアラビア語スポーツコーパスを用いて、標準的なF1スコア指標で実施される。

実験結果

リサーチクエスチョン

• RQ1 直接翻訳が不可能な場合に、発音表記はアラビア語→フランス語名前付きエンティティ翻訳の精度をどのように向上させるか？
• RQ2 翻訳パイプラインに発音表記を統合することで、スポーツ施設名の認識および翻訳パフォーマンスはどの程度向上するか？
• RQ3 NooJのようなルールベース言語処理プラットフォームは、アラビア語の形態素構造の複雑さとフランス語の語彙的多様性を、名前付きエンティティ処理において効果的に処理できるか？
• RQ4 F1スコア向上に寄与する発音表記と翻訳の相対的寄与度はどの程度か？

主な発見

• 発音表記の統合により、アラビア語-フランス語スポーツ分野における名前付きエンティティ認識および翻訳のF1スコアが顕著に向上した。
• 精錬されたタイプロジカルモデルは、直接フランス語に相当する語が存在しない固有名詞において、翻訳のみのベースラインシステムを上回った。
• NooJベースのシステムは、語彙素解析とルールベース発音表記の組み合わせにより、高い正確性と再現率を達成した。
• 評価結果から、特定のスポーツ施設名のような翻訳不能なエンティティを処理するには発音表記が不可欠であることが示された。
• ハイブリッドアプローチにより、テストセットにおいて純粋な翻訳システムに比べて翻訳誤りが35％削減された。
• 結果から、特にアラビア語-フランス語のような低リソース言語対において、発音表記は翻訳を補完する多言語NLPパイプラインにおいて有効であることが確認された。