Recommended
More Related Content
Similar to Bilingual Correspondence Recursive Autoencoders for Statistical Machine Translation @小町研 emnlp読み会2015
Similar to Bilingual Correspondence Recursive Autoencoders for Statistical Machine Translation @小町研 emnlp読み会2015 (10)
Bilingual Correspondence Recursive Autoencoders for Statistical Machine Translation @小町研 emnlp読み会2015
- 1. Bilingual Correspondence Recursive Autoencoders for Sta7s7cal Machine Transla7on Jinsong Su, Deyi Xiong, Biao Zhang, Yang Liu, Junfeng Yao and Min Zhang Proceedings of the 2015 Conference on Empirical Methods in Natural Language Processing 紹介者 叶内 晨 (@shin_kan0) @小町研 EMNLP読み会2015
- 2. この論文について • SMTのために句対の分散表現を同時に学習 • 子ノードの構造を揃えて，対応した子ノード同 士のエラーを最小化 – アライメントに忠実な句対の分散表現を学習 – 2言語の異なるレベルの意味対応を獲得 – 中英 SMT の State-‐of-‐the-‐art を達成 F E ^ ^ ? ? 原言語 目的言語 ? ?
- 3. 関連研究：分散表現の句への適応 • Recursive AutoEncoder で句を表現[Socher+ 10] • 2言語の句をRAEで表現 – SMTの並べ替えモデルに応用[Li+ 13] • A Neural ITG Reordering Model – SMTの翻訳モデルに応用[Zhang+ 14] • Bilingually-‐constrained Recursive Auto-‐encoder
- 4. Bilingually-constrained Recursive Auto-encoder f e e’: 対応して いない句 今まで [Zhang+ 14]
- 5. 問題点: 句と句の内部構造を考慮していない 今まで アライメント • 句対全体としては分散表現で対応している • nf1, nf2, ne は，それぞれ対応していない • 中身を対応させたら，より良い句対になるのでは？
- 6. Bilingual Correspondence Recursive Auto-‐encoder (BCorrRAE) 提案手法 アライメント • 各ノードの句と対応する句を探す • 複数対応するときは最小のものを選択 • 全ての句対を記憶(SAC node) • 句対ごとに学習 逆方向もやる 0-‐2 2-‐1 3-‐0
- 7. エラーの計算方法 ① ② ③ ④ ①句を作ったときの RAE の Reconstruc7on Error ②2言語で対応していないノード (non-‐SAC) への罰則 (Consistency Error) ③2言語で対応しているノード (SAC) の類似具合 (Cross-‐Lingual Reconstruc7on Error ) ④正則化項 α= 0.12, β = 0.63, γ = 0.25
- 8. ②Consistency Error Inc→ cns→ cns→ • 句がcnsであるほどエラーが少ない
- 9. ③Cross-‐Lingual Reconstruc7on Error a. ベクトルを目的言語側に飛ばす b. その子ノードを生成 c. 目的言語側のベクトルとの差が誤差 a. b. c.
- 10. 実験設定 • 翻訳機：log-‐linear framework [Och and Ney 02] 1. rule transla7on probabili7es in two direc7ons 2. lexical weights in two direc7ons 3. targets-‐side word number 4. phrase number 5. language model score (SRILM 5gram) 6. Score of maximal entropy based reordering model (MEBTG) 7. proposed feature • DataSets – Train: FBIS corpus and Hansards part of LDC2004T07 corpus • 1M parallel sentences (25M Chinese words, 29M English words) – Dev: MT05 – Test: MT06, MT0
- 11. 実験結果(BLEU)
- 12. 句の翻訳結果の例 • 意味は類似した句が 対応 • SRC側とTGT側の文法 は必ずしも一致せず • 句の意味が類似し つつ，アライメント に矛盾しないよう な句が対応
- 13. まとめ • SMTのための木構造の同時句分散表現を学習 • 子ノードの構造を揃えて，対応した子ノード同 士のエラーを最小化 – アライメントに忠実な句対の分散表現を学習 – 2言語の異なるレベルの意味対応を獲得 – 中英 SMT の State-‐of-‐the-‐art を達成