Loading article…
事例ベースの機械翻訳( EBMT ) は、実行時に主な知識ベースとして対訳テキストを含むバイリンガルコーパスを使用することを特徴とする機械翻訳の方法です。本質的には類推による翻訳であり、機械学習に対する事例ベース推論アプローチの実装と見なすことができます。
類推による翻訳
用例ベースの機械翻訳の根底にあるのは、類推による翻訳という考え方です。人間による翻訳プロセスに当てはめると、翻訳は類推によって行われるという考えは、人間が深い言語分析を行って文章を翻訳するという考えを否定することになります。代わりに、人間はまず文章を特定のフレーズに分解し、次にこれらのフレーズを翻訳し、最後にこれらの断片を適切に組み合わせて 1 つの長い文章に翻訳するという信念に基づいています。フレーズ翻訳は、以前の翻訳との類推によって翻訳されます。類推による翻訳の原理は、このようなシステムをトレーニングするために使用される用例翻訳を通じて、用例ベースの機械翻訳にエンコードされます。
統計的機械翻訳を含む機械翻訳への他のアプローチでも、翻訳プロセスを学習するためにバイリンガルコーパスが使用されます。
歴史
用例ベースの機械翻訳は、1984年に長尾誠氏によって初めて提案されました。 [1]彼は、この翻訳手法が英語と日本語のような全く異なる2つの言語間の翻訳に特に適していると指摘しました。この場合、1つの文が別の言語で複数の構造化された文に翻訳される可能性があるため、ルールベースの機械翻訳の特徴である詳細な言語分析を行っても意味がありません。
例
用例ベースの機械翻訳システムは、上の表の例のような文のペアを含むバイリンガル パラレル コーパスからトレーニングされます。文のペアには、ある言語の文と、その別の言語への翻訳が含まれます。この例は、文が 1 つの要素だけ異なる、最小限のペアの例を示しています。これらの文により、文の一部の翻訳を簡単に学習できます。たとえば、用例ベースの機械翻訳システムは、上記の例から 3 つの翻訳単位を学習します。
- 「あのXは いくらですか？ 」は「あのXはいくらですか？」に該当します。
- 赤い傘は赤い傘に相当する
- 小さいカメラはちいさいカメラに相当します
これらの単位を構成することで、将来的に新しい翻訳を生み出すことができます。たとえば、次のような文を含むテキストを使用してトレーニングを行ったとします。
「ケネディ大統領はパレード中に射殺された。そして、囚人は7月15日に逃亡した。」という文がある場合、文の適切な部分を置き換えることで「 囚人はパレード中に射殺された。 」という文を翻訳することができます。
句動詞
用例ベースの機械翻訳は、句動詞などのサブ言語現象に最適です。句動詞は文脈に大きく依存する意味を持ちます。句動詞は英語でよく見られ、動詞の後に副詞や前置詞が続き、動詞の助詞と呼ばれます。句動詞は、構成要素の意味からは導き出せない特殊な文脈固有の意味を生み出します。ソース言語からターゲット言語への単語ごとの翻訳では、ほとんどの場合、あいまいさが生じます。
例として、句動詞「put on」とそのヒンドゥスターニー語訳を考えてみましょう。これは、次のいずれかの方法で使用されます。
- ラムは明かりをつけました。（スイッチを入れました）（ヒンドゥスターニー語訳：Jalana）
- ラムは帽子をかぶった。 （着用）（ヒンドゥー語訳：パヘンナ）
参照
参考文献
- ^ 長尾誠(1984). 「類推原理による日本語と英語の機械翻訳の枠組み」(PDF)。A. Elithorn と R. Banerji (編)。人工知能と人間の知能。Elsevier Science Publishers。2012-02-06のオリジナル(PDF)からアーカイブ。2006-12-11に取得。
さらに読む
- Carl, Michael; Way, Andy (2003). 用例ベースの機械翻訳の最近の進歩。オランダ: Springer。doi : 10.1007 /978-94-010-0181-6。ISBN 978-1-4020-1400-0。
外部リンク
- Cunei - EBMT の研究から生まれたデータ駆動型機械翻訳のオープンソース プラットフォームですが、SMT分野の最近の進歩も取り入れています。