先行研究との比較

Schwenkは単言語データを統計翻訳によって翻訳し，既存の対訳学習データに付与した．本研究では Schwenkらの手法を先行研究とし，提案手法との比較を行った．表4.17にチューニングなし実験の結果を示す．また，表4.18にチューニングあり実験の結果を示す．

(a) 単文

表: 自動評価結果(チューニングなし)

翻訳手法	BLEU	METEOR	RIBES
先行研究	0.1086	0.4653	0.6891
提案手法	0.0980	0.4482	0.6731

(b) 重文複文

翻訳手法	BLEU	METEOR	RIBES
先行研究	0.0794	0.3992	0.6387
提案手法	0.0718	0.3822	0.6223

(a) 単文

表: 自動評価結果(チューニングあり)

翻訳手法	BLEU	METEOR	RIBES
先行研究	0.1242	0.4903	0.7033
提案手法	0.1166	0.4841	0.6930

(b) 重文複文

翻訳手法	BLEU	METEOR	RIBES
先行研究	0.0976	0.4171	0.6505
提案手法	0.0951	0.4303	0.6509

結果より，自動評価において提案手法は先行研究よりも評価値が低下した． 次に，ベースラインとの比較において有効性が認められた単文のチューニングなし実験において， 提案手法と先行研究との人手による対比較評価を行った．結果を4.6.1に示す．

表: 人手評価結果

提案手法○	提案手法×	差なし	同一出力
8	2	35	5

結果より，単文を用いたチューニングなし実験では，人手評価における提案手法の有効性が認められる．