第3回机械翻訳技术ー.pdf

第３回機械翻訳技術のイノベーションシンポジウム 2009年3月8 日 東大 用語抽出技術を用いた対訳抽出技術 ＆ 同義語獲得のための距離学習 中川裕志 清水伸幸 範暁蓉 東京大学 中川研究室 1 同義語抽出技術と用語抽出技術を 用いた対訳抽出技術 実はこの部分はまだあまり進んでいな いのですが、用語抽出技術と統計翻訳 を組み合わせるとかなりよい結果が得 られたので、少し先送り状態です。 2 専門用語の対訳辞書の自動生成 背景 専門用語は膨大でどんどん増加するので、自動生成する •専門用語の対訳辞書、特に日中間は未だ不十分。 システムが欲しいところである。そこで 目的 •本プロジェクトで開発した日中対訳コーパスから専門用 語の日中対訳辞書を自動生成する。 日・中言語&処理上の特徴 •単語が分かち書きされていない。 •単語の語順が違う。ただし共通する単語も多い。 •単語分割、アライメントのエラーが多い。 提案手法 専門用語抽出システム言選Webと統計翻訳の単語アライ メントを組み合わせた専門用語辞書の生成手法 3 日中対訳コーパスの 各単言語コーパスからの用語抽出 言選Webとは • 用語抽出ツール。日本語、中国語、英,仏,独,伊,西,な どの言語のテキストから用語抽出できる。 • 性能：Average Precision は0.7強 言選Webによる日中対訳コーパスの用語抽出 • 情報分野の日中コーパスを利用 • 日中、各々の単言語コーパスから、コーパスにおいて 重要な単単語用語と複合語用語を抽出 4 目標 抽出した日本語用語と中国語用語の対訳関係を獲得する。 言選webによる日本語・中国語の用語抽出結果 日本語用語の抽出結果 中国語用語の抽出結果 抽出した用語 重要度 抽出した用語 重要度 言語情報 862376.11 语言信息 1047366.81 認証 858010.91 数据库 1005124.71 構造化 854445.99 提案系统 285528.44 形態素解析 851941.17 ? 声音数据 283352.13 音声データ 847816.53 语义信息 18601