next up previous contents
Next: モデル4 Up: IBM翻訳モデル Previous: モデル2   目次

モデル3

モデル3は,モデル1とモデル2とは異なり,1つの単語が複数対応する単語の繁殖 数や単語の翻訳位置の歪みについて考慮する.またモデル3では単語の位置を絶 対位置として考える.モデル3では以下のパラメータを用いる.

さらに,英単語が仏単語に翻訳されない個数を\(\phi_0\)とし,その確率 \(p_0\)を以下の式で求める.このとき,歪み確率は \(\frac{1}{\phi_0!}\)で, \(p_0 + p_1 = 1\)\(p_0\)\(p_1\)は0より大きいとする.

$\displaystyle P(\phi_0\vert\phi^l_1,E) = \left(
\begin{array}{c}
\phi_1 + \cdot...
... \phi_0
\end{array}\right) p_0^{\phi_1 + \cdots + \phi_l - \phi_0} p_1^{\phi_0}$     (2.16)

したがって,モデル3は以下の式で求められる.

$\displaystyle P(F\vert E)$ $\textstyle =$ $\displaystyle \sum^l_{a_1=0} \cdots \sum^l_{a_m=0} P(F,a\vert E)$ (2.17)
  $\textstyle =$ $\displaystyle \sum^l_{a_1=0} \cdots \sum^l_{a_m=0}
\left(
\begin{array}{c}
m -...
...y}\right)
p_0^{m-2\phi_0} p_1^{\phi_0} \prod^l_{i=1} \phi_i! n(\phi_i\vert e_i)$  
  $\textstyle \times$ $\displaystyle \prod^m_{j=1} t(f_j\vert e_{a_j}) d(j\vert a_j,m,l)$ (2.18)

モデル3では,全てのアライメントを計算するため,計算量が膨大となるので期待値を 近似により求める.



2018-03-06