おわりに

これまで多くの翻訳手法が提案されてきた．代表的な翻訳手法として，統計翻訳やニューラル機械翻訳が挙げられる．しかし，これらの手法では，翻訳精度は十分ではない．また，これらの手法は翻訳手順の解析は困難であり，効率的な改善方の提案は難しい．

そこで，``相対的意味論に基づく変換主導型統計機械翻訳(以下，TDSMT)"を提案した．TDSMTでは翻訳可能な入力文は少なかった．しかし，出力結果はMosesと同等程度の翻訳精度を持っている．さらに，翻訳の手順や，変換テーブルの作成の手順を詳しく解析することが可能である．このため，多くの改善点を発見し，今後，カバー率と翻訳精度の両面で発展する可能性が示された．

今回の実験では，対訳文に存在しない語や，対訳文中の出現頻度が少なく学習が難しい語が入力文中に存在した場合，その入力文は翻訳不可能となっている．今後，このような学習が難しい語を未知語として，原言語のまま出力文に出力する手法を考案し，大幅なカバー率の向上を目指す．