EMNLP2010

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