JP2016507828A

JP2016507828A - 機械翻訳システム及び方法

Info

Publication number: JP2016507828A
Application number: JP2015551995A
Authority: JP
Inventors: ハビエルグスマンエレラ、フランシスコ; フォーゲル、ステファン
Original assignee: カタール・ファンデーション
Priority date: 2013-01-11
Filing date: 2013-01-11
Publication date: 2016-03-10
Also published as: WO2014108208A1; US20150356076A1

Abstract

機械翻訳システム（１）は、未知のテキスト（４）を受け取り、未知のテキスト（４）を小分けにして解析する言語解析モジュール（３）を備える。言語解析モジュール（３）は、未知のテキスト（４）における言語特徴を識別し、言語指紋を翻訳構成選択モジュール（５）に提供する。翻訳構成選択モジュール（５）は、識別された言語指紋に一致するメモリ（６）から翻訳構成（Ｔ１〜Ｔ９）を選択し、選択された言語構成（Ｔ１〜Ｔ９）を機械翻訳モジュール（７）に伝達する。機械翻訳モジュール（７）は、選択された翻訳構成（Ｔ１〜Ｔ９）を用いて、未知のテキスト（４）を異なる言語に翻訳する。【選択図】図１

Description

本発明は機械翻訳システム及び方法に関し、特に、異なる文体で書かれたテキストを第１言語から第２言語に翻訳することが可能である機械翻訳システム及び方法に関する。

従来の統計的機械翻訳システムは、テキストを第１言語から第２言語へ翻訳するために、翻訳用モデル及び調整パラメータを含む翻訳構成又は翻訳パラメータを使用する。翻訳モデルは、第１及び第２言語の両言語におけるテキストの節（テキスト・パッセージ）を含む訓練データを解析することによって導き出される。調整パラメータは、各翻訳モデルの強度（又は重み）を設定することによって導き出されるが、これは、調整データセットと呼ばれる特定のデータセットに従って、最良の翻訳を得るためである。

統計的機械翻訳システムは、特定のドメイン（領域）に対する新しい訓練データを用いて、適切な翻訳構成を作成すること（モデル又は調整パラメータを再訓練すること）によって改善され得る。例えば、機械翻訳システムは、異なる文体で書かれたテキストの節（テキスト・パッセージ）を含む訓練データを使用することで、再構成できる。従って、機械翻訳システムは、法律用語又は俗語を含むテキストのような、異なる文体で書かれたテキストを翻訳するように構成できる。

従来の機械翻訳システムに関する問題は、特定のタイプのテキストに対して機械翻訳システムを再訓練することが難しいことと、時間がかかることの両方であるが、その理由は、２つの異なる言語で正確に書かれている長いテキストの一節に、起源を求める必要があるためである。

本発明は、改善された機械翻訳システム及び方法を提供することに努める。

本発明の実施形態では機械翻訳方法が提供され、この機械翻訳方法は、各々が少なくとも１つの言語指紋に対応する翻訳構成を複数提供すること、テキストの一節を第１言語で受け取ること、その一節からテキストの第１部分における少なくとも１つの言語指紋を識別すること、識別された言語指紋に基づいて、複数の翻訳構成から１つのグループの翻訳構成を選択すること、そして、選択されたグループの翻訳構成を用いて、その一節の第１部分を第２言語に翻訳することを特徴とする。

好ましくは、翻訳構成は、最初に所定のグループに分類される。

有利なことには、翻訳構成の各グループは、所定のテキスト・タイプに対応する。

好ましくは、翻訳構成は、２つ以上の所定のグループに属する。

都合のよいことには、本機械翻訳方法は、更に、テキストの一節からテキストの第２部分における少なくとも１つの言語指紋を識別すること、テキストの第２部分における識別された各言語指紋に対応する複数の翻訳構成から第２部グループの翻訳構成を選択すること、そして、選択された第２グループの翻訳構成を用いて、テキストの一節の第２部分を第２言語に翻訳することを特徴とする。

有利なことには、本方法は、テキストの一節における各言語指紋に一致するよう翻訳構成のグループを動的に選択する。

都合のよいことには、テキストの各部分は単独のワードである。

好ましくは、テキストの各部分は複数のワードである。

有利なことには、本方法は、更に、翻訳構成を生成すし、メモリに翻訳構成を格納することを特徴とする。

本発明の別の態様では、機械翻訳システムを提供し、この機械翻訳システムは、各々が少なくとも１つの言語指紋に対応する翻訳構成を複数格納するメモリと、テキストの一節を第１言語で受け取り、その一節からテキストの第１部分における少なくとも１つの言語指紋を識別することが可能な言語解析モジュールと、該言語解析モジュールによって識別された各言語指紋に対応する複数の翻訳構成から、１つのグループの翻訳構成を選択することが可能な構成選択モジュールと、選択されたグループの翻訳構成を用いて、テキストの一節の第１部分を第２言語に翻訳することが可能な機械翻訳モジュールと、を備える。

都合のよいことには、翻訳構成は、最初に所定のグループに分類される。

好ましくは、翻訳構成の各グループは、所定のテキスト・タイプに対応する。

有利なことには、翻訳構成は、２つ以上の所定のグループに属する。

都合のよいことには、言語解析モジュールは、テキストの一節からテキストの第２部分における少なくとも１つの言語指紋を識別することが可能であり、構成選択モジュールは、テキストの第２部分における識別された各言語指紋に対応する複数の翻訳構成から、第２グループの翻訳構成の選択することが可能であり、そして、機械翻訳モジュールは、選択された第２グループの翻訳構成を用いて、テキストの一節の第２部分を第２言語に翻訳することが可能である。

有利なことには、構成選択モジュールは、テキストの一節において各言語指紋に一致するよう翻訳構成のグループを動的に選択することが可能である。

好ましくは、テキストの各部分は単独のワードである。

都合のよいことには、テキストの各部分は複数のワードである。

有利なことには、本システムは、翻訳構成を生成し、該翻訳構成をメモリに格納することが可能である構成生成器（コンフィグレーション・ジェネレーター）を更に備える。

本発明がより容易に理解され、且つ、それによって、本発明の更なる特徴が正しく認識されるために、本発明の実施形態が、添付図面を参照しながら、例として、これから説明する。

本発明の一実施形態の機械翻訳システムを示す概略図である。翻訳構成の４つの所定のグループを示す概略図である。本発明の、ある実施形態の一要素を形成する翻訳構成生成器のシステムを示す概略図である。

初めに、添付の図１を参照すると、機械翻訳システム１は、処理配列２を含む。該処理配列２は言語解析モジュール３を含み、この言語解析モジュールは、未知のテキストの一節４を受け取ることが可能である。未知のテキストの一節４は、より短い未知のテキストの節を複数備えてもよい。

言語解析モジュール３は、未知のテキスト４からテキスト部分の言語を解析し、且つテキストにおいて少なくとも１つの言語特徴を識別するように構成される。各言語特徴は、以下に限定されるものではないが、例えば、言語タイプ、文体、言語特性又は複雑さのような、テキスト特性を表す。言語特徴やテキスト特性の集合体を、ここでは、テキストの言語指紋と呼ぶ。正しく認識されるべきことであるが、言語解析モジュールは、そのようなテキストに対する言語指紋を生成するために、未知のテキスト４における他の可能性のある言語特徴を識別するように構成される。

言語解析モジュール３は、未知のテキスト４における言語の結合された特徴を表す言語指紋として、識別された各言語特徴を格納する。

言語解析モジュール３は、翻訳構成選択モジュール５に接続される。言語解析モジュール３は、識別された言語指紋を、構成選択モジュール５に伝達することが可能である。

翻訳構成選択モジュール５は、複数の所定の翻訳構成Ｔ_１〜Ｔ_９を格納する構成メモリ６と通信している。他の実施形態において、翻訳構成Ｔ_１〜Ｔ_９は、別のモデル及び別の調整パラメータを含む。翻訳構成Ｔ_１〜Ｔ_９の各々は、特定の言語特性を機械翻訳するためのパラメータである。正しく認識されるべきことであるが、図１には９個の翻訳構成だけが示されているが、本発明の実施形態では、翻訳構成が幾つあってもよい。実際に、本発明のある実施形態では、無数の構成があり、構成の各々は、一意的に識別できる言語指紋に対して生成される。一実施形態において、翻訳構成は統計的に選択され、短文／長文、固有表現、固有ブランド、センテンス中での動詞／名詞／形容詞の位置決め、句読点などのような、いかなる言語特性をもカバーする。

各翻訳構成Ｔ_１〜Ｔ_９又は各翻訳構成Ｔ_１〜Ｔ_９のグループは、１つ以上の言語指紋に対応する。構成選択モジュール５は、翻訳構成Ｔ_１〜Ｔ_９を識別するために、構成メモリ６を検索するように機能し、該翻訳構成Ｔ_１〜Ｔ_９は、未知のテキスト４において言語解析モジュールによって識別される各言語指紋に対応している。構成選択モジュール５は、構成メモリ６に格納された複数の翻訳構成Ｔ_１〜Ｔ_９から１つのグループの翻訳構成を選択するように機能し、該構成メモリ６は、言語解析モジュール３によって識別された言語指紋に対応している。選択されたグループの翻訳構成は、ただ１つの翻訳構成を備えてもよく、又は複数の翻訳構成を備えてもよい。構成選択モジュール５は、言語解析モジュール３によって生成される各言語指紋に対して、翻訳構成を選択することが可能である。

いったん翻訳構成選択モジュール５が１つのグループの翻訳構成を選択すると、該構成選択モジュール５は、そのグループの翻訳構成を機械翻訳モジュール７に伝達する。機械翻訳モジュール７は、その機械翻訳アルゴリズムの中で、選択されたグループの翻訳構成を使用して未知のテキスト４を異なる言語に翻訳する。機械翻訳システム１は、それ故に、テキストの言語指紋に従って、未知のテキストを解析し、且つ翻訳構成を動的に選択することが可能である。

更なる実施形態において、言語解析モジュール３は、未知のテキスト４からテキストの第１部分を解析することが可能である。構成選択モジュール５は、その後、テキストの第１部分の言語指紋に対応する翻訳構成を選択し、そして、機械翻訳モジュール７は、前述のとおり、選択された翻訳構成を使用してテキストの第１部分を翻訳する。しかしながら、この更なる実施形態では、機械翻訳システム１は、その後、未知のテキスト４からテキストの第２部分を解析し、翻訳することが可能である。未知のテキストからのテキストの第２部分は、第１部分とは別に解析され、テキストの第２部分では、テキストの第１部分とは異なる言語指紋が識別されることもある。テキストの第２部分に対する翻訳構成は、それ故に、テキストの第１部分に対する翻訳構成とは独立して選択される。従って、機械翻訳システム１は、未知のテキストにおけるテキストのさまざまな部分に対して、翻訳構成を動的に選択することが可能である。

この更なる実施形態の機械翻訳システム１は、未知のテキスト４における全てのテキスト部分に対して、解析及び機械翻訳を繰り返すことが可能である。機械翻訳システム１は、このように、テキストの各部分に対して翻訳構成が動的に選択された状態で、未知のテキスト４を小分けにして翻訳する。本発明の実施形態では、各部分は、単独のワードであってもよい。或いは、少なくとも一部分は、センテンス、段落、又はページのように複数のワードであってもよい。

さて、添付の図２を参照すると、本発明の更に別の実施形態において、翻訳構成Ｔ_１〜Ｔ_９は構成メモリ６の中で、所定のグループに分類される。図２に示された配列において、４つの所定のグループ８〜１１があるが、しかし翻訳構成の所定のグループが幾つあってもよいことは、正しく認識されるべきである。図２に示される第４グループ１１によって表されるように、１つの翻訳構成が２つ以上のグループに属することもある。

一実施形態において、所定のグループ８〜１１は、特定のテキスト・タイプと一致するように、各々が選択される。テキスト・タイプは、例えば、特定の言語指紋とマッチしてもよい。

本発明の更に別の実施形態において、構成メモリ６に、翻訳構成の所定のグループ・セットが複数格納される。例えば、図２に示された配列において、第１のセットは、第１及び第２のグループ８、９を備え、且つ第２のセットは、第３から第４のグループ９〜１１を備える。セットは、特定のテキスト・パッセージのタイプにマッチするように選択される。例えば、セットは、法律専門用語を用いた文書に対して選択されてもよい。機械翻訳システム１は、未知のテキスト４におけるテキスト部分に一致するよう翻訳構成のグループ又は翻訳構成のグループ・セットを複数選択することが可能であるが、これは、未知のテキスト４の機械翻訳を動的に最適化するためである。

翻訳構成選択の動的性質によって、本発明の実施形態は、未知のテキストにおける全てのテキスト部分に対する機械翻訳を最適化できるようになる。本発明の実施形態は、それ故に、そのテキストに対してシステムを再訓練しなくても、未知のテキストの個々の部分を翻訳できる。

さて図３を参照すると、翻訳構成Ｔ_１〜Ｔ_９を生成するためのシステム１２は、構成生成器１４に接続される言語解析モジュール１３を備える。言語解析モジュール１３は、第１言語１５及び第２言語１６における対訳テキスト（パラレルテキスト）の部分を受け取ることが可能である。言語解析モジュール１３は、第１言語１５における入力テキストに対して言語指紋を生成し、そして、構成作成モジュール１４は、第１言語１５におけるこの入力テキストに対して最適な翻訳構成を作り出し、翻訳システム１が後で使用できるように、該構成を構成メモリ６に格納する。

この明細書及び請求項で使用される場合、用語「備える（ｃｏｍｐｒｉｓｅ）」及び「備えている（ｃｏｍｐｒｉｓｉｎｇ）」及びこれらの変形は、明記された特徴、ステップ又は整数が含まれることを意味する。これらの用語は、他の特徴、ステップ又は要素の存在を排除すると解釈されるべきではない。

Claims

機械翻訳方法であって、
各々が少なくとも１つの言語指紋に対応する翻訳構成を複数提供すること、
テキストの一節を第１言語で受け取ること、
前記テキストの一節からテキストの第１部分における少なくとも１つの言語指紋を識別すること、
識別された言語指紋に基づいて、複数の翻訳構成から１つのグループの翻訳構成を選択すること、そして
選択されたグループの翻訳構成を用いて、前記テキストの一節の第１部分を第２言語に翻訳すること、
を特徴とする、機械翻訳方法。
前記翻訳構成は、最初に所定のグループに分類される、請求項１に記載の機械翻訳方法。
翻訳構成の各グループは、所定のテキスト・タイプに対応する、請求項２に記載の機械翻訳方法。
翻訳構成は、２つ以上の前記所定のグループに属する、請求項２又は３に記載の機械翻訳方法。
前記方法は、更に、
前記テキストの一節からテキストの第２部分における少なくとも１つの言語指紋を識別すること、
テキストの第２部分における識別された各言語指紋に対応する複数の翻訳構成から第２グループの翻訳構成を選択すること、そして、
選択された第２グループの翻訳構成を用いて、前記テキストの一節の第２部分を第２言語に翻訳すること、
を特徴とする、請求項１から４のいずれか一項に記載の機械翻訳方法。
前記方法は、前記テキストの一節における各言語指紋に一致するよう翻訳構成のグループを動的に選択する、請求項５に記載の機械翻訳方法。
テキストの各部分は単独のワードである、請求項１から６のいずれか一項に記載の機械翻訳方法。
テキストの各部分は複数のワードである、請求項１から６のいずれか一項に記載の機械翻訳方法。
前記方法は、更に、
前記翻訳構成を生成し、前記翻訳構成をメモリに格納すること、
を特徴とする、請求項１から８のいずれか一項に記載の機械翻訳方法。
機械翻訳システムであって、
各々が少なくとも１つの言語指紋に対応する翻訳構成を複数格納するメモリと、
テキストの一節を第１言語で受け取り、前記テキストの一節からテキストの第１部分における少なくとも１つの言語指紋を識別することが可能な言語解析モジュールと、
前記言語解析モジュールによって識別された各言語指紋に対応する複数の翻訳構成から、１つのグループの翻訳構成を選択することが可能な構成選択モジュールと、
選択されたグループの翻訳構成用いて、前記テキストの一節の第１部分を第２言語に翻訳することが可能な機械翻訳モジュールと、
を備える、機械翻訳システム。
前記翻訳構成は、最初に所定のグループに分類される、請求項１０に記載の機械翻訳システム。
翻訳構成の各グループは、所定のテキスト・タイプに対応する、請求項１１に記載の機械翻訳システム。
翻訳構成は、２つ以上の前記所定のグループに属する、請求項１１又は１２に記載の機械翻訳システム。
前記言語解析モジュールは、前記テキストの一節からテキストの第２部分における少なくとも１つの言語指紋を識別することが可能であり、前記構成選択モジュールは、テキストの第２部分における識別された各言語指紋に対応する複数の翻訳構成から、第２グループの翻訳構成を選択することが可能であり、そして、前記機械翻訳モジュールは、選択された第２グループの翻訳構成を用いて、前記テキストの一節の第２部分を第２言語に翻訳することが可能である、請求項１０から１３のいずれか一項に記載の機械翻訳システム。
前記構成選択モジュールは、前記テキストの一節における各言語指紋に一致するよう翻訳構成のグループを動的に選択することが可能である、請求項１４に記載の機械翻訳システム。
テキストの各部分は単独のワードである、請求項１０から１５のいずれか一項に記載の機械翻訳システム。
テキストの各部分は複数のワードである、請求項１０から１５のいずれか一項に記載の機械翻訳システム。
前記システムは、更に、
翻訳構成を生成し、前記翻訳構成をメモリに格納することが可能である構成生成器
を備える、請求項１０から１７のいずれか一項に記載の機械翻訳システム。