[論文レビュー] UNL-French deconversion as transfer & generation from an interlingua with possible quality enhancement through offline human interaction

Gilles Sérasset, Christian Boitet|ArXiv.org|Nov 4, 2008

Natural Language Processing Techniques参考文献 8被引用数 25

ひとこと要約

本稿では、アリアンヌ-G5環境内での転送および生成技術を用いて、インタリンギア表現から自然なフランス語テキストを生成するUNL-フランス語デコンバージョンシステムを提示する。本研究では、後処理段階でオフラインでの人間の協力を統合する、品質向上のための新規アプローチを提案しており、フィードバックから学習し、現在および将来の出力を適応的選好調整によって改善する仕組みを提供する。

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".

研究の動機と目的

• UNLインタリンギアから自然なフランス語テキストへの堅牢なデコンバージョンパイプラインの開発。
• リアルタイムのオンライン相互作用を必要とせずに、人間のフィードバックをデコンバージョンプロセスに統合すること。
• フィードバックから学習し、時間の経過とともに出力品質を向上させること。
• オフラインの後処理による編集が、即時の出力品質と長期的な生成品質の両方をどのように向上させるかを調査すること。

提案手法

• デコンバーターはまず、UNLフレームワーク内でのフランス語用UNL表現の局所化を実行する。
• GETAのアリアンヌ-G5環境を用いて、適応された転送および生成技術を適用する。
• インタリンギア固有の言語的特徴を処理するため、UNL固有のツールを統合する。
• 人間の相互作用は後処理段階に延期され、フィードバックがシステムの選好を変更する。
• ユーザーの修正を反映して選好が自動的に更新され、システム全体の学習が可能になる。
• システムは現在の発話だけでなく、その後の生成に対してもフィードバックから学習できる。

実験結果

リサーチクエスチョン

• RQ1 リアルタイム入力を必要とせずに、オフラインでの人間の協力を用いてUNLからフランス語へのデコンバージョン品質を効果的に向上させることは可能か？
• RQ2 後処理におけるフィードバックは、システムの選好をどのように変更し、将来の出力品質を向上させることができるか？
• RQ3 デコンバーターは、人間の修正から学習することで、現在の翻訳およびその後の翻訳の両方をどの程度改善できるか？
• RQ4 後処理段階に人間のフィードバックを統合することで、デコンバージョンプロセスにおける累積的品質向上が達成可能か？

主な発見

• 後処理段階におけるオフライン人間の協力により、現在の出力だけでなく、将来のデコンバージョンに対しても品質向上が可能である。
• 人間のフィードバックに基づいてシステムの選好を自動的に調整できるため、修正から学習できる。
• デコンバーターがフィードバックから学習できることで、複数回の出力生成にわたりパフォーマンスが向上する。
• このアーキテクチャは、人間のフィードバックとリアルタイム処理を明確に分離できており、スケーラブルな品質向上を実現した。