Next: 考察 Up: 実験結果 Previous: 頻度1単語の種類別の評価目次

作成した対訳単語辞書に含まれる例

作成した対訳単語辞書に含まれる例を表5.3.1～表5.3.8に示す．また，表中の各項目の概要を以下に示す．

$\log_2(P(E\vert J))$ ：日本語単語が英語単語に訳されるGIZA++の対訳単語確率
$\log_2(P(J\vert E))$ ：英語単語が日本語単語に訳されるGIZA++の対訳単語確率
日順：対訳単語辞書の日本語単語を $\log_2(P(E\vert J))$ の順に並べた順位
英順：対訳単語辞書の英語単語を $\log_2(P(J\vert E))$ の順に並べた順位
日頻：対訳学習文中に出現する日本語単語の単語数
英頻：対訳学習文中に出現する英語単語の単語数
共頻：対訳学習文中に日本語単語と英語単語がともに出現する単語数

表: 作成した対訳単語辞書に含まれる日本語単語「連合」の全ての例
$\scalebox{1.0}[1.0]{ \begin{tabular}{ccccccc} \hline \hline \multirow{2}{}{�... ...ow{2}{}{1}\\ & combination & & -5.088 & 5 & 21 & \\ \hline \end{tabular} }$

表5.3.1において，日本語単語「連合」に対して，Model1，Model4，Model5では，英語単語「Unions」や「combination」という適切な対訳単語が生成された．しかし，Model1～Model3では，英語単語「Therefore」という不適切な対訳単語が生成された．

表: 作成した対訳単語辞書に含まれる日本語単語「備品」の全ての例
$\scalebox{1.0}[1.0]{ \begin{tabular}{ccccccc} \hline \hline \multirow{2}{}{�... ...ow{2}{}{1} \\ & requisition & & -3.301 & 2 & 2 & \\ \hline \end{tabular} }$

表5.3.2において，Model3～Model5では，日本語単語「備品」に対して，英語単語「fixtures」という適切な対訳単語が生成された．しかし，「requisition」や「benches」など，不適切な対訳単語が生成された．

表: 作成した対訳単語辞書に含まれる日本語単語「長寿」の全ての例
$\scalebox{1.0}[1.0]{ \begin{tabular}{ccccccc} \hline \hline \multirow{2}{}{�... ...ltirow{2}{}{1} \\ & ninety & & -5.271 & 4 & 14 & \\ \hline \end{tabular} }$

表5.3.3において，Model1とModel2では，日本語単語「長寿」に対して，英語単語「longevity」という適切な対訳単語が生成された．しかし，どのモデルでも「ninety」や「Long」など，不適切な対訳単語が生成された．

表: 作成した対訳単語辞書に含まれる日本語単語「ふた」の全ての例
$\scalebox{1.0}[1.0]{ \begin{tabular}{ccccccc} \hline \hline \multirow{2}{}{�... ...\multirow{2}{}{1}\\ & phial & & -2.546 & 2 & 1 & \\ \hline \end{tabular} }$

表5.3.4において，どのモデルでも，日本語単語「ふた」に対して，適切な対訳単語が生成されなかった．この例のようなひらがなの対訳単語は，全体的に精度が低かった．

表: 作成した対訳単語辞書に含まれる日本語単語「アグネス」の全ての例
$\scalebox{1.0}[1.0]{ \begin{tabular}{ccccccc} \hline \hline \multirow{2}{}{�... ...ultirow{2}{}{1}\\ & angelic & & -2.317 & 1 & 1 & \\ \hline \end{tabular} }$

表5.3.5において，Model1～Model3では，日本語単語「アグネス」に対して，英語単語「Agnes」という適切な対訳単語が生成された．しかし，Model3～Model5では「angelic」という不適切な対訳単語が生成された．この例のようなカタカナの対訳単語は，地名や人名などの固有名詞が多かったが，誤った対訳単語を生成する単語もあった．

表: 作成した対訳単語辞書に含まれる日本語単語「１９３２」の全ての例
$\scalebox{1.0}[1.0]{ \begin{tabular}{ccccccc} \hline \hline \multirow{2}{}{�... ... \multirow{2}{}{1}\\ & 1932 & & -1.011 & 1 & 1 & \\ \hline \end{tabular} }$

表5.3.6において，どのモデルも日本語単語「１９３２」に対して，英語単語「1932」という適切な対訳単語が生成された．しかし，Model1，Model3，Model4において，「Inukai」や「Tsuyoshi」などの不適切な対訳単語が生成された．この例のような数字の対訳単語は，全体的に精度は高かったが，不適切な対訳単語も生成された．

表: 作成した対訳単語辞書に含まれる日本語単語「ＩＳＯ」の全ての例
$\scalebox{1.0}[1.0]{ \begin{tabular}{ccccccc} \hline \hline \multirow{2}{}{�... ...\multirow{2}{}{1}\\ & 14001 & & -3.582 & 1 & 2 & \\ \hline \end{tabular} }$

表5.3.7において，Model1～Model3において，英語単語「ISO」という適切な対訳単語が生成された．しかし，Model1，Model2，Model4，Model5において，「14001」という不適切な対訳単語が生成された．この例のようなアルファベットの対訳単語は，数字と同様に精度が高かったが，不適切な対訳単語も生成された．

表: 作成した対訳単語辞書に含まれる日本語単語「＝」の全ての例
$\scalebox{1.0}[1.0]{ \begin{tabular}{ccccccc} \hline \hline \multirow{2}{}{�... ...row{2}{}{1}\\ & Anglo-Saxon & & -3.341 & 1 & 2 & \\ \hline \end{tabular} }$

表5.3.8において，どのモデルも日本語単語「＝」に対して，英語単語「Anglo-Saxon」や「Norman-French」などの不適切な対訳単語が生成された．この例ような記号の対訳単語精度は，かなり低かった．

Next: 考察 Up: 実験結果 Previous: 頻度1単語の種類別の評価目次

2019-03-08