概要

統計翻訳において，「単語に基づく統計翻訳」と，「句に基づく統計翻訳」がある． 初期の統計翻訳は，単語に基づく統計翻訳であった．しかし，近年提案された句に基づく統計翻訳は，語順の並び替えや文脈における訳語の選択や翻訳精度において，単語に基づく統計翻訳よりも優れている．よって，現在は句に基づく統計翻訳が主流となっている．そのため，本研究で扱う統計翻訳システムにおいても，句に基づく統計翻訳を用いる． また統計翻訳の特徴として，文法構造が似ている言語間では翻訳精度が高い傾向があり，文法構造の異なる言語間では翻訳精度が低い傾向がある． 日英統計翻訳の枠組みを図2.1に示す．図2.1において，$J$ は日本語コーパス，$E$ は英語コーパスを表している．

図: 日英統計翻訳の枠組

日英統計翻訳では，日本語の1文$j$ を入力文とした場合に，翻訳モデル$P(j\vert e)$ と言語モデル$P(e)$ の 全ての組み合わせから，確率が最大となる英語の１文$\hat{e}$ を出力文とする．$\hat{e}$ を探索するシステムをデコーダと呼ぶ．以下に基本的なモデルを示す．

$$\hat{e} = arg\displaystyle \max_{e}P(e\vert j)$$ (2.1)

$$\simeq arg\displaystyle \max_{e}P(j\vert e)P(e)$$ (2.2)