[논문 리뷰] UNL-French deconversion as transfer & generation from an interlingua with possible quality enhancement through offline human interaction

Gilles Sérasset, Christian Boitet|ArXiv.org|2008. 11. 04.

Natural Language Processing Techniques참고 문헌 8인용 수 25

한 줄 요약

이 논문은 아리아네-G5 환경 내에서 전이 및 생성 기법을 사용하여 상호언어 표현에서 자연스러운 프랑스어 텍스트를 생성하는 UNL-프랑스어 재구성 시스템을 제시한다. 시스템은 후처리 단계에서 오프라인으로 인간의 상호작용을 통합함으로써 품질 향상에 대한 새로운 접근법을 제안하며, 피드백에서 학습하여 현재 및 향후 출력을 개선할 수 있도록 적응형 선호도 조정을 가능하게 한다.

ABSTRACT

We present the architecture of the UNL-French deconverter, which "generates" from the UNL interlingua by first"localizing" the UNL form for French, within UNL, and then applying slightly adapted but classical transfer and generation techniques, implemented in GETA's Ariane-G5 environment, supplemented by some UNL-specific tools. Online interaction can be used during deconversion to enhance output quality and is now used for development purposes. We show how interaction could be delayed and embedded in the postedition phase, which would then interact not directly with the output text, but indirectly with several components of the deconverter. Interacting online or offline can improve the quality not only of the utterance at hand, but also of the utterances processed later, as various preferences may be automatically changed to let the deconverter "learn".

연구 동기 및 목표

• UNL 상호언어 표현에서 자연스러운 프랑스어 텍스트로의 강력한 재구성 파이프라인 개발
• 실시간 온라인 상호작용이 필요 없이 인간 피드백을 재구성 과정에 통합
• 시스템이 피드백에서 학습하고 시간이 지남에 따라 출력 품질을 향상시킬 수 있도록 기능 제공
• 오프라인 후처리가 즉각적이고 장기적인 생성 품질 향상에 어떻게 기여할 수 있는지 탐색

제안 방법

• 재구성기에서 프랑스어에 대한 UNL 표현을 UNL 프레임워크 내에서 국지화한다.
• GETA의 아리아네-G5 환경을 사용하여 적응된 전이 및 생성 기법을 적용한다.
• 상호언어 표현 고유의 언어적 특징을 처리하기 위해 UNL 전용 도구를 통합한다.
• 인간 상호작용을 후처리 단계로 연기하여 피드백이 시스템 선호도를 수정한다.
• 사용자 수정 사항을 반영하여 선호도를 자동으로 업데이트함으로써 시스템 전체의 학습을 가능하게 한다.
• 시스템은 현재 문장 뿐 아니라 향후 생성물에 대해서도 피드백에서 학습할 수 있다.

실험 결과

연구 질문

• RQ1 실시간 입력이 필요 없이 오프라인 인간 상호작용을 효과적으로 활용하여 UNL에서 프랑스어로의 재구성 품질을 향상시킬 수 있는가?
• RQ2 후처리에서 유도된 피드백은 어떻게 시스템 선호도를 수정하고 향후 출력 품질을 향상시킬 수 있는가?
• RQ3 재구성기 시스템이 인간의 수정 사항에서 얼마나 잘 학습하여 현재 및 이후 번역 품질을 향상시킬 수 있는가?
• RQ4 후처리 단계에 인간 피드백을 통합함으로써 재구성 과정의 누적적 품질 향상이 가능할 수 있는가?

주요 결과

• 후처리 단계에서의 오프라인 인간 상호작용은 현재 출력 뿐 아니라 향후 재구성에도 품질 향상을 가능하게 한다.
• 인간 피드백에 기반하여 시스템 선호도를 자동으로 조정할 수 있으며, 이는 수정 사항에서 학습할 수 있도록 한다.
• 재구성기의 피드백에서 학습하는 능력은 다수의 출력 세대에 걸쳐 성능 향상으로 이어진다.
• 아키텍처는 인간 피드백을 실시간 처리에서 분리함으로써 확장 가능한 품질 향상이 가능하도록 성공적으로 설계되었다.