狠狠撸

狠狠撸Share a Scribd company logo

読解支援7 3

?
?
K
kentshioda

読解支援7/3

1 of 13
Download to read offline
Rada Mihalcea, Ravi Sinha, Diana McCarthy Presentation:塩田健人
u?? 扱った問題 u?? 2言語間の言い換え u?? 英語の単語をスペイン語の語や句で置き換える u?? 解決方法 u?? アノテーターとシステムの評価の一致度をみる u?? どのようなことに役立つか？ u?? 2言語間の翻訳の手助けとなる u?? 言語学習者の学習支援
u?? 少なくとも同義語が1つ以上ある語をtarget wordにした u?? Target wordが10文につき1語あるようにし2010 文をEnglish internet corpusから文を抽出 u?? ５人のアノテーター u?? アノテーターに最大3つの言い換えを出させた。 u?? アノテーターはさらにtarget wordが複合語の一 部かどうかも見分ける
u?? アノテーターは言い換えというよりは翻訳をしても らった。 u?? 与えられた語からいくつかの正しい翻訳をつける u?? Target wordを英語に設定し、スペイン語に翻訳する u?? 発展とテストセットをやったがトレーニングはしていな い u?? トレーニングが必要な場合は、LEXSUBから得た u?? ３０のdevelopment wordと、100の語をLEXSUBか ら引用した（様々な言い換えの出来る語だから） u?? LEXSUBと同じ文を使用 u?? 英語とスペイン語が使える4人のアノテーター u?? 辞書などは自由に用いてよく、彼らの思いつく限りの 言い換えを列挙 u?? LEXSUBとは違い、複合語の判定をしていない
u?? 辞書ベースbaseline DICT u?? Best baselineはオンライン辞書で一番始めに出 てくる翻訳を用いた u?? Out-of-tenは上位10位の翻訳を用いた u?? 辞書-コーパスベースbaseline DICTCORP u?? スペイン語辞書の翻訳の頻度を計算する u?? 全ての翻訳はtarget wordをspanish wikiでの 翻訳の頻度によってランク付けされたものから計 算
u?? 14のシステム u?? 辞書、Europarlなどのパラレルコーパス、 wikipediaから作ったコーパス、Web1Tなどの単 一言語コーパス、newswire collections、 Moses、GIZA、Googleなどの翻訳ソフトを使っ たシステム u?? 英語側で語彙言い換えのフレームワークや語義 曖昧性解消を使うシステムもあれば、一方でスペ イン語側で語彙言い換えを使っているシステムも あった。
u?? CU-SMT u?? フレーズベースの統計的機械翻訳システム u?? Europarl English-Spanishパラレルコーパスで学習した u?? UvT-v and UvT-g u?? それぞれのTarget wordごとに特化するために、k近傍法 分類器を使い、EuroparlパラレルコーパスのGIZAアライメ ントに基づき、翻訳を選択した u?? UBA-T and UBA-W u?? 言い換えの候補としてパラレルコーパスを使っている Google dictionaryとSpanishDict.com、Babylonを使用 u?? UBA-TはGoogle Translation APIとヒューリスティックを組 み合わせた自動翻訳システムを使用 u?? UBA-WはDbpediaから自動構成されたパラレルコーパス を使用
u?? SWAT-EとSWAT-S u?? 英語とスペイン語の語彙的換言フレームワークを使用 u?? SWAT-Eは英語で言い換えをし、その言い換えた英語をさ らにスペイン語に翻訳している u?? SWAT-Sは文をスペイン語に翻訳してからスペイン語に なったtarget wordを見つけ、スペイン語で言い換えをする システム u?? TYO u?? 英語の単一言語言い換えモジュールを使用しており、英語 から英語に言い換えた後、スペイン語にFreedictやGoogle の英スペイン辞書を用いて翻訳する u?? FCC-LS u?? EuroparlコーパスのGIZAアライメントから得られた推定に 基づいた翻訳の確率を使用 u?? 得られた翻訳をtarget wordの翻訳だけ含んだものにする ためにGoogle翻訳をもちいてフィルタリングした
u?? WLVusp u?? 英スペイン辞書でフィルタリングしたMosesによって得 られたN個のベストの翻訳を使用 u?? uspWLV u?? 多くの素性と分類器を用いて選ばれたEuroparlからア ライメントをとった候補を使用 u?? IRST-1 u?? Best：Mosesの品詞アライメントを使用 u?? Out-of-ten：辞書での翻訳をtarget wordの候補と target wordが含まれている文のスペイン語翻訳の LSA類似度でフィルタリングした物を使用
u?? IRSTbs u?? ベースラインに似せるようにした u?? Best：Mosesの品詞情報のみ使用 u?? Out-of-ten：辞書を用いての翻訳のみ使用 u?? ColEurとColSlm u?? 語義曖昧性解消アルゴリズム u?? 英語の語義を区別する u?? 翻訳には語義に関するパラレルコーパスのGIZAアラ イメントを使用
best
Out-of-ten
u?? LEXSUBよりも良い結果が得られた u?? 難易度 u?? 言い換えの翻訳を比較するのは人間、機械にとって簡 単だったのかも u?? 条件の違い u?? LEXSUBに参加したアノテーターには分からなかった 言い換えや単位（puond, yard）、特殊な使われ方を する単語（mad cow diseaseに使われているmad）を 除いた u?? 学習する際にLEXSUBより多くのパラレルコーパスを 使用することが出来たため

More Related Content

読解支援7 3

  • 1. Rada Mihalcea, Ravi Sinha, Diana McCarthy Presentation:塩田健人
  • 2. u?? 扱った問題 u?? 2言語間の言い換え u?? 英語の単語をスペイン語の語や句で置き換える u?? 解決方法 u?? アノテーターとシステムの評価の一致度をみる u?? どのようなことに役立つか？ u?? 2言語間の翻訳の手助けとなる u?? 言語学習者の学習支援
  • 3. u?? 少なくとも同義語が1つ以上ある語をtarget wordにした u?? Target wordが10文につき1語あるようにし2010 文をEnglish internet corpusから文を抽出 u?? ５人のアノテーター u?? アノテーターに最大3つの言い換えを出させた。 u?? アノテーターはさらにtarget wordが複合語の一 部かどうかも見分ける
  • 4. u?? アノテーターは言い換えというよりは翻訳をしても らった。 u?? 与えられた語からいくつかの正しい翻訳をつける u?? Target wordを英語に設定し、スペイン語に翻訳する u?? 発展とテストセットをやったがトレーニングはしていな い u?? トレーニングが必要な場合は、LEXSUBから得た u?? ３０のdevelopment wordと、100の語をLEXSUBか ら引用した（様々な言い換えの出来る語だから） u?? LEXSUBと同じ文を使用 u?? 英語とスペイン語が使える4人のアノテーター u?? 辞書などは自由に用いてよく、彼らの思いつく限りの 言い換えを列挙 u?? LEXSUBとは違い、複合語の判定をしていない
  • 5. u?? 辞書ベースbaseline DICT u?? Best baselineはオンライン辞書で一番始めに出 てくる翻訳を用いた u?? Out-of-tenは上位10位の翻訳を用いた u?? 辞書-コーパスベースbaseline DICTCORP u?? スペイン語辞書の翻訳の頻度を計算する u?? 全ての翻訳はtarget wordをspanish wikiでの 翻訳の頻度によってランク付けされたものから計 算
  • 6. u?? 14のシステム u?? 辞書、Europarlなどのパラレルコーパス、 wikipediaから作ったコーパス、Web1Tなどの単 一言語コーパス、newswire collections、 Moses、GIZA、Googleなどの翻訳ソフトを使っ たシステム u?? 英語側で語彙言い換えのフレームワークや語義 曖昧性解消を使うシステムもあれば、一方でスペ イン語側で語彙言い換えを使っているシステムも あった。
  • 7. u?? CU-SMT u?? フレーズベースの統計的機械翻訳システム u?? Europarl English-Spanishパラレルコーパスで学習した u?? UvT-v and UvT-g u?? それぞれのTarget wordごとに特化するために、k近傍法 分類器を使い、EuroparlパラレルコーパスのGIZAアライメ ントに基づき、翻訳を選択した u?? UBA-T and UBA-W u?? 言い換えの候補としてパラレルコーパスを使っている Google dictionaryとSpanishDict.com、Babylonを使用 u?? UBA-TはGoogle Translation APIとヒューリスティックを組 み合わせた自動翻訳システムを使用 u?? UBA-WはDbpediaから自動構成されたパラレルコーパス を使用
  • 8. u?? SWAT-EとSWAT-S u?? 英語とスペイン語の語彙的換言フレームワークを使用 u?? SWAT-Eは英語で言い換えをし、その言い換えた英語をさ らにスペイン語に翻訳している u?? SWAT-Sは文をスペイン語に翻訳してからスペイン語に なったtarget wordを見つけ、スペイン語で言い換えをする システム u?? TYO u?? 英語の単一言語言い換えモジュールを使用しており、英語 から英語に言い換えた後、スペイン語にFreedictやGoogle の英スペイン辞書を用いて翻訳する u?? FCC-LS u?? EuroparlコーパスのGIZAアライメントから得られた推定に 基づいた翻訳の確率を使用 u?? 得られた翻訳をtarget wordの翻訳だけ含んだものにする ためにGoogle翻訳をもちいてフィルタリングした
  • 9. u?? WLVusp u?? 英スペイン辞書でフィルタリングしたMosesによって得 られたN個のベストの翻訳を使用 u?? uspWLV u?? 多くの素性と分類器を用いて選ばれたEuroparlからア ライメントをとった候補を使用 u?? IRST-1 u?? Best：Mosesの品詞アライメントを使用 u?? Out-of-ten：辞書での翻訳をtarget wordの候補と target wordが含まれている文のスペイン語翻訳の LSA類似度でフィルタリングした物を使用
  • 10. u?? IRSTbs u?? ベースラインに似せるようにした u?? Best：Mosesの品詞情報のみ使用 u?? Out-of-ten：辞書を用いての翻訳のみ使用 u?? ColEurとColSlm u?? 語義曖昧性解消アルゴリズム u?? 英語の語義を区別する u?? 翻訳には語義に関するパラレルコーパスのGIZAアラ イメントを使用
  • 11. best
  • 13. u?? LEXSUBよりも良い結果が得られた u?? 難易度 u?? 言い換えの翻訳を比較するのは人間、機械にとって簡 単だったのかも u?? 条件の違い u?? LEXSUBに参加したアノテーターには分からなかった 言い換えや単位（puond, yard）、特殊な使われ方を する単語（mad cow diseaseに使われているmad）を 除いた u?? 学習する際にLEXSUBより多くのパラレルコーパスを 使用することが出来たため