統計翻訳システムの概要

統計翻訳とは，翻訳する言語と目的言語の対訳文を大量に収集した対訳データを用いて, 自動的に翻訳モデルを作成し翻訳を行う，機械翻訳手法の一つである. 現在，統計翻訳システムとして, 「単語に基づく統計翻訳」 「句に基づく統計翻訳」, 「階層型統計翻訳」 が提案されている. なお, 本研究では「句に基づく統計翻訳」, 「階層型統計翻訳」の二つのシステムを使用する.

「単語に基づく統計翻訳」は対応する``は''や``に''のような単語が存在しない場合，何も無い状態から単語の発生確率を計算する． このため単語の確率における信頼性が問題となっている． よって現在は句単位の対応を用いた「句に基づく統計翻訳」が一般的に使用されている． そのため本研究では「単語に基づく統計翻訳」を使用しない.

図2.1に日英統計翻訳システムの枠組を示す.

図: 日英統計翻訳システムの枠組

日英統計翻訳は, まず日英対訳コーパスの学習によって, 翻訳モデル$P(j\big\vert e)$と言語モデル$P(e)$を作成する. そして, 入力文として日本語文$J$が与えられたとき, $P(j\big\vert e)$と$P(e)$の組み合わせから, 確率が最大となる英語文$E$を探索し翻訳を行う. 統計翻訳の基本式を以下に示す.

$$E = argmax_{e}P\left(e\big\vert j\right)$$ (2.1)

$$\approx argmax_{e}P\left(j\vert e\right)P\left(e\right)$$ (2.2)