Self-explainable and fast-to-train example-based machine translation using neural networks

2020 年度 研究成果報告書

• 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
• キーワード: 自然言語処理 / 機械翻訳

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。

自由記述の分野

自然言語処理

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。