Improving translation via targeted paraphrasing
- 1. 文献紹介 長岡技術科学大学1年 松本 宏
- 2. 紹介文献 • 著者: Resnik, Philip, et al. • タイトル: Improving translation via targeted paraphrasing. • 学会: Proceedings of the 2010 Conference on Empirical Methods in Natural Language Processing. Association for Computational Linguistics, 2010.
- 3. 概要 1. 機械翻訳の低コスト高品質な訳質改善を目指す 2. ターゲットパラフレーズの提案 • 正しくない翻訳箇所に対応する原文の箇所の換言
- 4. 背景 1. 人間リソースを使った機械翻訳 2. 特定の場面において利用可能な機械翻訳結果の出 力を目指す：異国でのニュース・レポート、他国 の製品説明など
- 5. 提案手法 ターゲット・パラフレーズ 1. テスト文を機械翻訳で翻訳 2. 出力結果の悪質翻訳箇所を検知 3. 対応原文で同箇所を換言 4. 再度機械翻訳で翻訳
- 6. 悪質翻訳箇所 • 非文法 • 非文 • 不適切翻訳
- 7. 人手手法 1. 初期翻訳: Google翻訳 2. 悪質箇所検知: 単言語(目的言語)話者によって行われる 3. 単語アライメントによる原文の対応箇所の検知 4. 単言語(原言語)話者によっての言い換え 5. 機械翻訳で再度翻訳
- 8. 例 • John and Mary took a European vacation this summer! • Mary went on a European
- 9. 換言からの文生成 • １文内に２箇所以上の換言箇所ある場合 • 複数の換言文の生成が可能 • この場合全パターンを翻訳
- 10. パイロット実験(人手手法): • 翻訳: 中国語 ̶> 英語 • 実験データ: • 中国語Wikipediaの見出し文 • 詳細説明文(１段落以降)からランダムに６文 • 翻訳: • 翻訳手法: Google 翻訳 • 換言: • 検知: Amazon Mechanical Turk: 3人 • 換言: Amazon Mechanical Turk: 3人
- 11. 評価(人手手法): • 流暢性と適切性の５段階評価: • 流暢性評価: • 中国語の知識のない英語ネイティブ: ３人 • 適切性の評価: • 中国語の有識英語ネイティブ: ３人 • それぞれは平均値を取る
- 12. 結果(人手手法): • 流暢性評価: • 2.36 ̶> 3.32 • 適切性の評価: • 2.91 ̶> 3.49
- 13. 実験 • 手法: • パイロット実験同様: 中国語 ̶> 英語 • データ: • NIST MT08 データ: 1,357文中49文 • 検知: • 人手
- 14. ターゲットパラフレーズ結果 • 英語 • 115の部分的翻訳誤り • 平均:2.3箇所/文 • 中国語 • 138の適切な換言の付与 • Mechanicla Turk: $5.06 ≒ $0.11/setence
- 15. 結果
- 16. 検知の自動化 悪質箇所検知の自動化の提案: 1. 原文Fを訳文Eに翻訳 2. 訳文Eを復元文F’に翻訳 3. 原文Fと復元文F’の編集距離を比較
- 17. 実験 • 翻訳: • 英語 ̶> 中国語 • Google 翻訳 • データ: • NIST MT08 データ: 1,357文 • 検知: • TERp • 評価: • TER: Translation Error Rate
- 18. ターゲットパラフレーズ結果 • 不適切: • 1,006文中 1,780 箇所 • 英語 • 1,000文の換言文を取得
- 19. 結果 • TERで評価した時 • Oracleの結果では12.16 TER points の向上 • コスト: • 換言: $117.48 ≒ $0.12/文
- 20. まとめ • 換言による訳質改善を行った • 悪質訳の検知の自動化を図った • パイロット実験で向上が見られた • 換言部分も実装は可能 • バイリンガル・フレーズテーブルの利用により • 機械翻訳部分も後に実装したものを利用して行いたい