パラメータintersectionの信頼性

総当たりの対応を取るパラメータintersectionで作成したフレーズテーブルを 用いた時と他のパラメータを用いた時の翻訳精度の比較を行う．

単文の翻訳実験には単文の学習データ(10万文)で作成したフレーズテーブルを使用し， 重文複文の翻訳には重文複文の学習データ(121,913文)で作成したフレーズテー ブルを使用する． テスト文数は単文，重文複文ともに1,000文である． 各パラメータごとの作成フレーズ数と翻訳精度の評価値を表7.7に示す．

=0.1cm

表 7.7: 各パラメータの比較

	単文の翻訳			重文複文の翻訳
パラメータ	フレーズ数	BLEU値	METEOR	フレーズ数	BLEU値	METEOR
grow-diag-final	572,130	0.125	0.389	727,849	0.077	0.296
intersection	25,684,004	0.106	0.320	62,510,770	0.054	0.225
union	454,417	0.121	0.383	534,621	0.068	0.288
grow	13,500,834	0.108	0.324	30,300,382	0.064	0.256
grow-final	540,262	0.124	0.387	674,676	0.073	0.294
grow-final-and	3,068,048	0.111	0.331	6,377,602	0.067	0.251
grow-diag	7,399,946	0.115	0.337	15,769,297	0.065	0.258
grow-diag-final-and	2,297,996	0.116	0.341	4,900,476	0.058	0.245
intersection-final	25,505,056	0.104	0.318	57,133,882	0.066	0.250
intersection-final-and	25,505,056	0.104	0.318	57,133,882	0.066	0.250

パラメータintersectionで作成したフレーズテーブルのフレーズ数が圧倒的に多 いことが分かる． また，いずれの翻訳においても，パラメータintersectionを用いた時の翻訳精度 は他のパラメータを用いた時と比較して低いことが分かる． このことからパラメータintersectionで作成したフレーズテーブルは，フレーズ のカバー率は圧倒的に高いが翻訳確率の信頼性は低いことが分かる．