| 入力文 | The noise wakened him . |
| 正解文 | その 音 で 彼 は 目 を 覚まし た 。 |
| +辞書文の出力例 | |
| ベースライン | 彼 は その 音 目覚め た 。 |
| +辞書文 | その 物音 で 彼 は 目覚め た 。 |
| +特許翻訳文の出力例 | |
| ベースライン | 彼 は その 音 目覚め た 。 |
| +特許翻訳文 | 彼 は その 音 目覚め た 。 |
| +Wikipedia文の出力例 | |
| ベースライン | 彼 は その 音 目覚め た 。 |
| +Wikipedia文 | 騒音 が 目覚め た 。 |
テスト文と同分野の辞書文を追加した場合，ベースラインと比較して文法が良くなっている．この結果より，翻訳精度が向上したことがわかる．また，テスト文と別分野の特許翻訳文を追加した場合，ベースラインと同じ出力結果となっている．この結果より，翻訳精度に変化がなかったことがわかる．一方，テスト文と別分野のWikipedia文を追加した場合， ベースラインと比較して，出力文に``彼''が抜けている．この結果より，翻訳精度が悪くなったことがわかる．
この結果より，辞書文を追加する実験では，同分野の学習データが増えたため，翻訳精度が向上したと考えられる． 翻訳精度が悪くなってしまったWikipedia文では，原データの特性として``彼''のような人称代名詞をあまり用いないため，多量のモノリンガルデータにより，``彼''の翻訳確率が下がってしまったと考えられる． 特許翻訳文は同様に，人称代名詞をあまり用いない特性を持つが，Wikipedia文と比較して，モノリンガルデータの量が少なかったため，``彼''の翻訳確率にあまり影響が出なかったと考えられる．
この問題を解決するために，分野が言語モデルに与える影響を調整するため，各モノリンガルデータに言語アダプテーションを用いる手法が考えられる．