| Project/Area Number |
22KJ2286
|
|---|
| Project/Area Number (Other) |
22J11279 (2022)
|
|---|
| Research Category |
Grant-in-Aid for JSPS Fellows
|
| Allocation Type | Multi-year Fund (2023)
Single-year Grants (2022) |
|---|
| Section | 国内 |
|---|
| Review Section |
Basic Section 61030:Intelligent informatics-related
|
|---|
| Research Institution | Nara Institute of Science and Technology |
|---|
Principal Investigator |
出口 祥之 奈良先端科学技術大学院大学, 先端科学技術研究科, 特別研究員(DC2)
|
|---|
| Project Period (FY) |
2023-03-08 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥1,700,000 (Direct Cost: ¥1,700,000)
Fiscal Year 2023: ¥800,000 (Direct Cost: ¥800,000)
Fiscal Year 2022: ¥900,000 (Direct Cost: ¥900,000)
|
|---|
| Keywords | 機械翻訳 / 近傍探索 / デコーディング / テキスト生成 / 自然言語処理 |
|---|
| Outline of Research at the Start |
本研究は，近年翻訳性能が大幅に向上しているニューラル機械翻訳に対して，構文的な文構造と意味的な文構造を組み込むことで，これまで成し得なかった文の示す意味まで捉えた翻訳を実現する．これにより，現状の機械翻訳の課題である，構造が複雑な文や意味の曖昧な文における翻訳性能が低下する問題を解決する．意味的構造の曖昧性を持った文や，構文情報だけでは翻訳の学習が難しい文構造が大きく異なる言語対（日英翻訳など）に対して翻訳性能の改善ができるか明らかにする．
|
| Outline of Annual Research Achievements |
本研究は，近年翻訳性能が大幅に向上しているニューラル機械翻訳に対して，文構造を組み込むことで，これまで成し得なかった文の示す意味まで捉えた翻訳を実現する．
令和4年度では研究方針を見直し，入力文の解析結果の提示が，高精度化だけでなく，翻訳結果の説明性向上に対して有用であることに着目した．当初の提案法で必要となる主辞予測は，正解の解析例を検索する説明性の高い事例ベースモデルが提案されており，これを踏まえ近傍事例を探索する検索機構を作成した．
令和5年度では，事例検索を導入したニューラルモデルの予測精度と検索速度を同時に改善する手法を提案した．この研究成果は自然言語処理分野の難関国際会議であるACL2023に採択され，国内研究会の第一回AAMT若手翻訳研究会にて最優秀賞を受賞した．
また，令和5年度では，大規模言語モデルの台頭による当該分野の状況の変化を受け，再び研究方針を見直した．具体的には，複数の翻訳候補から，ユーザーの選好に応じた翻訳を高速に選択する研究に取り組んだ．当初の提案法では，ユーザーがモデル内部で計算される入力文の解析候補を確認し，解析候補の中から望んだ解析結果を選択することで，それに対応する翻訳を出力することが可能である．しかし，これを大規模言語モデルで直接実現するのは困難である．代わりに，出力した複数の翻訳候補からユーザーの選好に応じた翻訳を選択する方式を採用し，その研究過程で，選好に基づく訳文選択を高速に計算する手法を開発した．研究成果を言語処理学会第30回年次大会にて発表し，スポンサー賞を受賞した．
|
