文献

J-GLOBAL ID：201702260578454728   整理番号：17A1817759

事前学習と汎化タグによる方言翻訳の精度向上

著者 (5件)： 長谷川駿 (東京工大) ,  田中駿 (サイバーエージェント AI Studio AI Lab) ,  山本悠二 (サイバーエージェント 秋葉原ラボ) ,  高村大也 (東京工大) ,  奥村学 (東京工大)
資料名： 情報処理学会研究報告(Web)  (IPSJ Technical Report (Web))
巻： 2017  号： NL-233  ページ： Vol.2017-NL-233,No.2,1-6 (WEB ONLY)  発行年： 2017年10月17日 
JST資料番号： U0451A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 標準語の文を方言に翻訳する方言翻訳では,大規模な対訳データを用意することが困難である。小規模な対訳データから学習する方法として,対訳データによる学習の前に単一言語データを用いてAutoEncoderによる事前学習を行う手法が提案されている。しかし,AutoEncoderは入力列と参照列が同一であり,入力列において直前の出力単語の次にある単語さえ分かれば正しく学習できてしまう。そのため注視機構付き系列変換モデルの事前学習としてAutoEncoderを用いると,入力列においてどの単語の次にどの単語があるかが重要な情報として学習されてしまい,文法的な単語の並びが学習されるとは限らない。そこで本研究では,品詞ごとに方言翻訳の性質が違うことに着目した単一言語データによる事前学習を行い,さらに汎化タグを用いてデータを抽象化し研究課題の複雑さを減らすことで方言翻訳モデルの精度向上を目指す。(著者抄録)

シソーラス用語： *翻訳【言語】 ,  話し言葉 ,  学習 ,  アルゴリズム ,  言語モデル ,  機械学習 ,  知識獲得 ,  *精度
準シソーラス用語： *方言翻訳 ,  事前学習 ,  オートエンコーダ ,  翻訳モデル ,  深層学習 ,  汎化【人工知能】 ,  *翻訳精度

分類 (2件)： 人工知能  (JE08000Z) ,  自然語処理  (JE06000L)

引用文献 (15件)：

• 飯豊毅一ほか (編):方言概説・講座方言学 1,国書刊行会 (1998).
• Hinton, G. and Salakhutdinov, R.: Reducing the Dimensionality of Data with Neural Networks, Science, Vol. 313, No. 5786, pp. 504 - 507 (2006).
• 濱田晃一,藤川和樹,小林颯介,菊池悠太,海野裕也,土田正明:対話返答生成における個性の追加反映,情報処理学会研究報告,Vol. 2017-NL-232, No. 12, pp. 1-7 (2017).
• 平山直樹, 森信介, 奥乃博:方言対訳コーパスを用いた日本語方言変換システム,第75回全国大会講演論文集,Vol. 2013, No. 1, pp. 519-520 (2013).
• 柴田直由,横山晶一,井上雅史:統計的手法を用いた双方向方言機械翻訳システム,言語処理学会第17回年次大会発表論文集,pp. 126-129 (2013).

タイトルに関連する用語 (6件)： 事前学習 ,  汎化 ,  タグ ,  方言 ,  翻訳 ,  精度向上