個人適応による英日翻訳での訳語候補の順位付け

Transcript

1. 個人適応による英日翻訳での 訳語候補の順位付け 長岡技術科学大学　電気系 青木 優　 山本 和英

2. はじめに  背景  個人の興味や知識を学習する個人適応 システムは、ユーザが大量の情報を選 別するタスクに有効である。  問題設定 

   複数の選択肢が提示されたとき、ユー ザにとって必要な情報の取捨選択。 →英日翻訳における訳語選択

3. ユーザプロファイル  以下の情報を訳語選択に利用  頻出単語：よく使用する単語  分野情報：ユーザを分類する指標  訳語履歴：選択された訳語 

   共起単語：使われやすいと思われる単語

4. 処理の流れ 1. ユーザプロファイルの作成 2. 訳語候補スコアの計算 3. ランキングで表示 4. ユーザは尤もらしい候補を選択 5.

   ユーザプロファイルの更新

5. まとめ  ユーザプロファイルを作成、利用  訳語候補をランキングで提示  ユーザの個人性を学習させた その結果、学習回数の増加に伴い、 選択された訳語の順位が上位である 割合が高くなくなる傾向が見られた。

6. 辞書の作成  属性付き対訳辞書  クロスランゲージ専門語辞書を使用  共起単語辞書  一文中で共起する２語の共起頻度 

   毎日新聞2000年版を使用 [circuit:回路:電気・電子]

7. プロファイルの作成  頻出単語プロファイル  Blogなど個人の特徴が現れやすい文書 中の単語頻度  分野情報プロファイル  単語頻度を属性情報に変換したときの

   属性値頻度 回路 = 5 接続 = 4 電気・電子 = 8 機械工学 = 4

8. 訳語候補スコア λ（n）各プロファイルスコアの重み 　　頻出単語 = 3 　　分野情報 = 2 、 訳語履歴

   = 2 　　共起単語 = 1 ( ) ( ) ( ) ( ) ∑ × + = n i P i F n w n S w S λ , 初期値 各プロファイルから求めた スコアの総和

9. 初期値の計算  コーパス中の単語単位の頻度情報  毎日新聞2000年版を使用 ( ) 訳語候補 　 全単語の出現頻度の和

   の出現頻度 ＝ 初期値 : i i i F w w w S

10. スコアの計算例 分野情報 プロファイル 基本語 =9 電気電子 =8 数学 =6 機械工学

    =4 コンピュータ=3 訳語候補 Circuit / 回路/ 電気・電子 Circuit / 回線/ コンピュー タ Circuit / 巡回/ 基本語 27 . 0 3 4 6 8 9 8 = + + + + 分野情報スコア

11. プロファイルの更新 Circuit / 回路 / 電気・電子 分野情報プロファイ ル “電気・電子” +1

    訳語履歴プロファイ ル “回路” +1（頻度） 共起単語プロファイ ル “設計” +2 “接続” +1 共起単語辞書 　（回路,設計）=2 　（回路,接続）=1 をユーザが選択

12. 評価実験  ランダムで選んだ英単語１００語を入力  ユーザは尤もらしいと思う訳語を選択  システムに学習させる  選ばれた訳語の順位の推移を評価 プロファイルを更新し、システムに学習さ

    せることで、ユーザに選ばれる訳語候補 が上位に出力されることを確認する。

13. 実験結果 0.0 0.2 0.4 0.6 0.8 1.0 0 20 40

    60 80 100 学習回数（回） 選択順位／候補数

14. 考察  頻出単語  一般的に使用頻度の高い訳語候補が 上位に出現してしまう  表記揺れの対応  訳語候補数が増加してしまう

    lack:欠ける、不足、欠如、ない break:こわす、壊す、こわれる、壊れる

15. 課題  ユーザプロファイルの作成  個人の特徴が現れるような文書の 収集方法の検討  初期でのプロファイルの作成  効率的な学習

     重み付け方法の検討