統計的機械翻訳の最先端

渡辺太郎

情報通信研究機構

taro.watanabe @ nict.go.jp

1. 基本的な内容は「statical machine translation」(Koshn-2009)という本も読んでください。
2. 主な問題
• 翻訳をどのような過程でモデル化するか?
• (データ、モデルがあったとして)パラメータの学習法 ?
• (モデル、パラメータがあったとして)デコードの手法 ?
• 翻訳結果の評価法?
• どのようにデータを集めるか? (対象外)
3. 最先端
• 木構造に基づく機械翻訳
• 最適化
4. 統計的機械翻訳の基礎
• 通信路モデル+noise
• noiseを考えなければならない。
• 応用技術：音声認識、OCR、…
• 翻訳モデル
• argmax Pr(f|e)Pr(e) : 
• 翻訳モデルと言語モデルを使って、確率を最大化
• ngram 言語モデル
• 学習: 最尤推定 + smoothing
• bigramは一番有用なもの
5. 翻訳モデル
• 単語アライメント
• 単語対単語のテーブルを作る（アライメントの表現）。
• 文法が同じな各言語間では、結果が良いが、文法が違う各言語では、あまりよくない。
6. 句に基づく機械翻訳
• 「句」を翻訳の単位に使うと
• 多対多の単語アライメント + 句内部の局所的な並び替え
• 局所的なコンテキスト + 統語的に分解不可能な句
• 句に基づくモデル
• 複数の素性h(e, Φ, f)をlog-linearに組み合わせ、最大化
• フレーズペアの抽出
• 一貫した句
• フレーズベースな探索空間
• 巡回セールスマン問題
• 動的計画法(DP)による解

続ける部分は、ちょっと難しいので、あまり理解できませんでした。