次へ: 評価方法
上へ: 実験環境
戻る: N-gramモデルの学習
目次
本研究では,デコーダとしてmosesを用いる.また,mosesはいくつかのパラ
メータを設定することができる.パラメータの最適化には,Minimum Error Rate
Training(MERT)を用いることが一般的である.MERTは目的の評価関数(通常は
BLEU)を最大とするような翻訳結果が選ばれるように,パラメータを調整する.
この際,developmentデータとよばれる,試し翻訳を行うデータを与え,各文に
ついて,上位100文程度の翻訳候補の中で,重みを変え,各文について上位にく
るようにパラメータを調節する.しかし,パラメータの最適化は,development
データに依存し,また,多くの時間がかかるため,本研究では,パラメータの最
適化は行わない.クロスエントロピーを用いるため,``weight-t''は``0.5 0.0
0.5 0.0 0.0''とする.翻訳時にフレーズの位置変化に柔軟に対応するため,
``distortion weight''は``0.2''とする.
平成22年2月13日