研究課題/領域番号 |
18K11447
|
研究種目 |
基盤研究(C)
|
配分区分 | 基金 |
応募区分 | 一般 |
審査区分 |
小区分61030:知能情報学関連
|
研究機関 | 早稲田大学 |
研究代表者 |
LEPAGE YVES 早稲田大学, 理工学術院(情報生産システム研究科・センター), 教授 (70573608)
|
研究期間 (年度) |
2018-04-01 – 2021-03-31
|
研究課題ステータス |
完了 (2020年度)
|
配分額 *注記 |
4,030千円 (直接経費: 3,100千円、間接経費: 930千円)
2020年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2019年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2018年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
|
キーワード | 自然言語処理 / 機械翻訳 / 用例手法 / ニューラルと統計手法 / analogy / machine translation / natural language / case-based reasoning / explainable AI |
研究成果の概要 |
類推関係に基づいた用例機械翻訳システムに、自己説明を導入した。従って、本研究は説明可能な人工知能(XAI)に位置づけられる。翻訳過程の自己説明機能としては、文を再帰的に翻訳する際、既にある翻訳メモリーから似た文を検索し、翻訳した際、どういうふうに使用したか、そのトレースを翻訳システムに導入した。与えられた文を意味的にも形式的にもカバーする文を検索する手法を開発した。文間類推関係のデータセットを公開した。コーパスの類推関係密度を調べた。
|
研究成果の学術的意義や社会的意義 |
統計的機械翻訳(SMT)の手法である文部分アライメントと、ニューラル自然言語処理(NMT)の手法である単語や文のベクトル表現を用いて、類推関係方程式の解を求める手法を改善した。類推関係に基づいた用例機械翻訳の直接的なアプローチと間接的なアプローチを融合し、独自のニューラルネットワークを用いたシステムを構築した。入力は、単語のベクトル表現に基づく、単言語または対言語のソフトアライメントです。
|