統語構造に基づく入力文分割と、そのハイブリッド音声翻訳への応用（株）東芝研究開発センター釜谷聡史概要・入力文を統語構造に基づいて分割し、各断片を規則／用例翻訳で最良の方法に切り替えて訳出・旅行ドメインの話し言葉翻訳において、規則／用例の単体翻訳性能に比べて6.0～13.4%の改善を確認背景・実用的な話し言葉翻訳の実現への要求・任意の表現を・正確で自然な表現に豊かな知識・ノウハウの蓄積・東芝の翻訳技術・The翻訳シリーズ・文書を対象とした規則ベース翻訳・概念トランスファ方式翻訳したい規則ベース翻訳用例ベース翻訳～統語森駆動・概念トランスファ方式～～チャンクベース用例翻訳～・長所／短所・特徴・特徴・Chunk (Phrase)単位の処理 ↑頑健な訳文生成 ↑細かな翻訳制御が可能 ↓やや硬い不自然な訳・節の構造中心の解析文法 - 非文法構造を区別、許容・Robust GLR Parsing - 統語森上で最尤解を推定・話し言葉と書き言葉の依存構造間差異を吸収 - 従来の翻訳知識の最大活用 (1) C (2) NP (3) NPweak (4) VP (5) VP (6) VP VP N CM N NP V NPweak VP V (7) Cweak (8) Cweak (9) S (10) S (11) SC (12) SC ・長所／短所 → 高精度化 ↑自然で正確な訳出 ↓用例数の制約・複数用例の統合 NPweak NP Cweak C SC SC VP CP ・翻訳信頼度を計算 ˆ T  arg max C (T ) C : Clause, SC : Subordinate Clause NP: Noun Phrase, VP Verb Phrase CP : Conjunctive Particle, N : Noun, V : Verb T C(T )   A * A(T )   F * F (T ) 文法の一例 T : 翻訳結果 C(T): 信頼度 F(T): 3-gram model A(T): 翻訳確率文分割とハイブリッド翻訳統語森構造＝分割候補構造 (i)S (h)C <h2> <h1> (f)SC ・各断片の用例翻訳候補・断片間の関係を保存、訳出・非連続区間への用例適用・各構文構造の尤度を評価 - 部分森構造変換 (g)C (b)SC (c)SC 森 (d)C (a)NP は統語森統語森 (e)SC 私・用例翻訳結果と確信度節a サ変V 森 Transfer ？節a＋必須森サ変V 森しなくちゃいけないサイズが大きいので気に入ったけどやめます - 統語森係り受け解析用例の最適割当推定 (i)S  p( 彼, c ,  が, 面白い, c ) cC ・確信度最大・係り受け構造保存 (h)C (g)C  p( 彼, c ,  が, 行く, c ) cC  p( 彼, c ,  が, 勧める , c ) cC (e)SC (b)SC (c)SC ・話し言葉の特徴を捉えて意味を絞り込む・曖昧性を保持したまま森から森に構造変換 (d)C (a)NP ・統語森上で最尤依存構造を推定 - 意味クラス＋共起モデル - 表層文字列に基づく構造制約彼が勧めるので行ったが面白かった B類 C類節の包含関係の分類を応用した尤度私はサイズが大きいので気に入ったけどやめます (a)+(d) I just can’t buy it. (b) It’s so big for me. トランスファ／生成 I like it, but it’s so big for me, so I just can’t buy it. 本手法の利点・全ての解釈を考慮した、最尤の訳文生成が可能・少ない用例でも、その適用可能性が高まる・断片間の統語的・意味的情報を反映した訳出が可能評価実験まとめ翻訳方向 = 日本語→英語用例翻訳 = 用例数：123,819対評価指標 = NIST/BLEU ○評価セットＡ (open) 1000文、平均13.4文字/文 EBMT RBMT Hybrid MT NIST BLEU 4.9372 0.2403 4.4644 0.1885 5.0474 0.2511 旅行ドメイン旅行ドメイン正解訳＝各1文 ○評価セットB (open) 200文、平均20.5文字/文 EBMT RBMT Hybrid MT NIST BLEU 3.8798 0.1351 3.8191 0.1252 4.1127 0.1597 ・ハイブリッド方式を提案・規則翻訳と用例翻訳とを連携・規則ベースの文の分割と、統合の制御・実験により効果を確認・今後の課題・分割単位の拡張・用例選択性能の改善