JP6607902B2 - フレーズに基づく辞書抽出及び翻訳品質評価 - Google Patents

Description

人である翻訳者は、第１の言語から第２の言語への翻訳を実行してよい。代替的に、ソフトウェアアプリケーションが、そのような翻訳を実行するよう翻訳辞書を適用してよい。翻訳の成功又は失敗は、独立した監査役によって決定されてよい。独立した監査役は、第２の、人である翻訳者、又は翻訳監査プログラムであってよい。

この概要は、詳細な説明において以下で更に記載される簡略化された形で選り抜きの概念を紹介するために設けられている。この概要は、請求される対象の重要な特徴又は必須の特徴を特定するよう意図されず、請求される対象の適用範囲を制限するために使用されるよう意図されない。

以下で論じられる実施形態は、マッピングチャートにより翻訳を評価することに係る。データインタフェースは、ソース言語をターゲット言語とマッチングする翻訳辞書にアクセスしてよい。プロセッサは、翻訳辞書を用いて、言語レベルで、ソース言語におけるソースセンテンスと、ターゲット言語におけるターゲットセンテンスとを有するセンテンス対を自動的にマッピングしてよい。ユーザ出力装置は、センテンス対の翻訳品質リポートを表示してよい。

上記及び他の利点及び特徴が取得され得る様態を記載するために、より詳しい説明が示され、添付の図面で表されるその具体的な実施形態を参照して提供される。それらの図面が典型的な実施形態を表し、従って、その適用範囲の制限であると見なされるべきでないと理解すると、実施は、添付の図面の使用を通じて更なる特定及び詳細により記載及び説明される。

コンピュータ装置の一実施形態をブロック図において表す。

マッチングユニットの一実施形態をブロック図において表す。

マッピングチャートの一実施形態をブロック図において表す。

複合ワードマッピングの一実施形態をブロック図において表す。

ファジー複合ワードマッピングの一実施形態をブロック図において表す。

混合ワード−フレーズリストを作成する方法の一実施形態をフローチャートにおいて表す。

翻訳辞書を作成する方法の一実施形態をフローチャートにおいて表す。

翻訳品質リポートを生成する方法の一実施形態をフローチャートにおいて表す。

マッピングチャートを作成する方法の一実施形態をフローチャートにおいて表す。

実施形態は、以下で詳細に論じられる。具体的な実施が論じられる一方、これは、説明目的で行われる。当業者は、他のコンポーネント及び構成が、本開示の態様の趣旨及び適用範囲から外れることなしに使用されてよいと認識するであろう。実施は、機械により実施される方法、少なくとも１つのプロセッサのための方法を詳述する命令の組を記憶した有形なコンピュータ可読媒体、又は翻訳品質保証システムであってよい。

翻訳品質保証ツールは、セグメントレベルのチェック、一貫性、句読点、数及び日付、用語、タグ、並びにソフトウェア固有の構成概念のように、翻訳の品質を決定する際に多くの異なったメトリクスを使用してよい。翻訳品質保証システムの正確さは、バイリンガルのセンテンス対の間でワード及びフレーズをマッピングするために翻訳辞書を使用することで、改善され得る。“フレーズ（phrase）”又は“セグメント（segment）”は、意味的な及び文法的な正確さを無視して途切れなく互いに隣接する１又はそれ以上の連続したワードの組である。この文脈におけるセンテンスは、１又はそれ以上のワードの連なりであり、必ずしも文法的なセンテンスではない。センテンスは、完全なセンテンス又は不完全なセンテンスであってよい。翻訳品質保証システムは、２つの並列なテキストファイルから翻訳辞書を抽出し、ソースセンテンスをターゲットセンテンスへマッピングし、結果として得られた統計値を翻訳品質リポートにまとめてよい。

最初に、翻訳品質保証システムは、統計的な機械翻訳モデルとともに、一体化された、長さを調整可能な、且つ自動プルーニングするフレーズに基づく比較を用いて、並列なバイリンガルセンテンス対のトレーニングデータセットから翻訳辞書を構築してよい。現在、フレーズに基づく統計的な機械翻訳モデルは、最初のワード対ワードのアライメント、すなわち、“翻訳辞書”を構築し、更なるモデル及び計算を用いてフレーズを抽出してよい。ワードレベルの翻訳辞書はノイズを有することがあるので、並列なセンテンス対における“ワードマッピング”及び最終のフレーズ抽出は更なるノイズを導入することがある。よって、取り出された翻訳辞書は、高いレベルのノイズを有し、既存の統計的な機械翻訳モデルにおいて付加的な計算ステップを課せられることがある。

翻訳品質保証システムは、ソースセンテンス及びターゲットセンテンスの両方を、８といった、ワードの上限数を有するワード及びフレーズに分けてよい。翻訳品質保証システムは、アライメントを決定するよう混合ワード−フレーズリストを統計的な機械翻訳モデルに供給してよい。翻訳品質保証システムは、混合ワード−フレーズリストから、翻訳を有さないか又は翻訳確率が低いフレーズをプルーニングしてよい。翻訳品質保証システムは、単ワードレベルに達するまでルーピングを続けてよい。

具体的に、翻訳品質保証システムは、８といった、フレーズ内の多数のワードから開始してよい。翻訳品質保証システムは、ソース言語におけるセンテンスをワード及びフレーズの混合リストに分け、同じプロセスをターゲット言語について繰り返してよい。翻訳品質保証システムは、両方の混合リストを、バイリンガルセンテンス対とともに、統計的な機械翻訳モデルへの入力として使用してよい。バイリンガルセンテンス対をルーピングすることによって、統計的な機械翻訳モデルは、確率を計算することで夫々の翻訳の確からしさを決定してよい。

翻訳品質保証システムは、１回目の翻訳確率テーブル又は翻訳辞書を生成してよい。次いで、翻訳品質保証システムは、そのフレーズ長さにおいて信頼できるフレーズを残しながら、翻訳を有さないか又は翻訳確率が低いレベルにあるあらゆるフレーズを除去するよう、混合ワード−フレーズリストをプルーニングしてよい。次のステップで、翻訳品質保証システムは、フレーズにおいて許されるワードの最大数を１だけ減らし、プロセスを繰り返してよい。この分割、トレーニング、及びプルーニングプロセスは、単ワードフレーズ長さに達するまで続いてよい。非対称性の統計的な機械翻訳モデルを用いる場合は、翻訳品質保証システムは、ソース及び翻訳を反転し、プロセスを繰り返し、そして結果をオーバーレイしてよい。非対称性の統計的な機械翻訳は、どの言語がソース言語と見なされるかに基づき異なる言語の対の間の結果を有する。

翻訳品質保証システムは、翻訳対における夫々の言語について混合ワード−フレーズリストを作成してよい。翻訳品質保証システムは、夫々のワードを、トレーニングデータ全体においてワードが現れる頻度とともにワードリストに加えながら、ソースセンテンス又はターゲットセンテンスをワードに分けてよい。次いで、翻訳品質保証システムは、８といった、フレーズにおけるワードの数に関する上限に達するまでプロセスを繰り返しながら、連続した２つのワードを２ワードフレーズリストに加えてよい。翻訳品質保証システムは、５回の出現といった、出現についての所定の閾値に対して、夫々のフレーズの頻度を確認してよい。より多くのワードをフレーズリストに加える場合に、翻訳品質保証システムは、基礎をなすより短いフレーズが有効であることを確かにしてよい。最後に、翻訳品質保証システムは、全ての長さのワード及びフレーズを、辞書抽出プロセスのための初期入力として使用されるべき単一の混合ワード−フレーズリストへとまとめてよい。

ソース言語及びターゲット言語の両方のための混合ワード−フレーズリストに分けられたトレーニングデータにおけるセンテンスによれば、翻訳品質保証システムは、何らかの統計的な機械翻訳モデルを用いて、最初の翻訳確率テーブルを計算してよい。１回目の統計的な機械翻訳トレーニングが完了すると、翻訳品質保証システムは、翻訳を有さないか又は翻訳確率が低いフレーズを混合ワード−フレーズリストから除去してよい。選択されたフレーズが最初の混合ワード−フレーズリストから除去された後、翻訳品質保証システムは、センテンスを再分割し、翻訳確率テーブルを再計算してよい。このように、分割、トレーニング、及びプルーニングプロセスは、単ワードレベルに達するまで続いてよい。翻訳品質保証システムは、非対称性の統計的な機械翻訳の辞書抽出において翻訳確率テーブルをオーバーレイしてよい。

分割、トレーニング、及びプルーニングの繰り返しの後、翻訳品質保証システムは、バイリンガルのフレーズ辞書を生成してよい。通常、０．５よりも大きい翻訳確率を有する辞書エントリは、信頼できると見なされてよく、０．２５から０．５の間の翻訳確率を有する辞書エントリは、辛うじて使用可能であると見なされてよく、一方、０．２５を下回る翻訳確率を有する辞書エントリは、信頼できないと見なされてよい。より詳細なパラメータ調整、より多くの繰り返し、及びより大きいサイズのトレーニングデータによれば、結果は改善することができる。

この領域特化型の抽出されたバイリンガル辞書を用いて、翻訳品質保証システムは、翻訳の品質を確かめるよう、所与のバイリンガルセンテンス対において、ソースセンテンスをターゲットセンテンスへマッピングしてよい。翻訳品質保証システムは、テキストファイルセグメントをワードリストに分けることから始めてよい。ソース言語についてのワードリスト内の夫々のワードに関し、翻訳品質保証システムは最初に、フレーズにおけるワードの上限数から開始しながら、フレーズのリストを作成してよい。翻訳品質保証システムは、そのようなフレーズが、抽出されたバイリンガル辞書において存在するかどうかを見つけ出そうと試みてよい。存在する場合は、翻訳品質保証システムは、何らかの翻訳がターゲットセンテンスにおいて存在するかどうかを確認するよう、このフレーズについての翻訳のリストを確認してよい。存在する場合は、翻訳品質保証システムは、ターゲットセンテンスにおけるワードのいずれも一致しないかどうかを確認してよい。一致しない場合は、翻訳品質保証システムは、一致を示すようマッチング情報を更新してよい。より多くのワードを有するソースフレーズが不一致のままになる場合は、翻訳品質保証システムは、フレーズにおけるワードの数をデクリメントし、単ワードが確認されるまで繰り返してよい。

多くの言語において、特定のワードは、文法的な目的を果たし、極めて頻繁に出現することがある。それらの“ノイジーワード”は、何通りにも翻訳されるか、又は翻訳さえされないことがある。更に、それらのノイジーワードは、適切なソース−ターゲット間のセンテンスマッピングを妨げながら、１つのセンテンスにおいて複数回現れることがある。不整合を回避するよう、翻訳品質保証システムは、マッピングを延期するか又は見送ってよい。

アライメントの試みが幾つかのワードにおいて失敗をもたらす場合は、翻訳品質保証システムは、補償するためにファジーマッチングを使用してよい。多くのスペリングに基づく言語において、ワードは、容易な検出を回避しながら、何らかの言語機能を満たすよう、スペリングを変えることがある。ファジーマッチングのバージョンを用いて、翻訳品質保証システムは、より良い一致率を得ることができる。

ドイツ語、オランダ語、フィンランド語、及びアイスランド語のような幾つかの言語では、複合ワードが自然発生的に生成されることがある。複合ワードに対処するよう、翻訳品質保証システムは、センテンスマッピングより前に、順次的なマッピングされていないワードを複合ワードへと合体してよい。

複合ワードのマッピングを実行するよう、翻訳品質保証システムは、ターゲットセンテンスにおける夫々のマッピングされていないワードをルーピングし、複合ワードの接頭辞である翻訳を有する何らかのマッピングされていないソースワードを見つけてよい。そのようなソースワードが見つけられる場合は、そのソースワードは、複合ワードにおける最初のサブストリングであってよい。次いで、翻訳品質保証システムは、次のソースワードを確認してよい。ソースワードが既にマッピングされている場合は、翻訳品質保証システムは、マッピングプロセスを脱してよい。そうでない場合は、翻訳品質保証システムは、最初のサブストリングと連結することができ、依然として接頭辞であるか又は複合ワードに等しいものを見つけるよう、全てのターゲット翻訳を確認してよい。ビルドアップは、成功又は脱出のいずれかまで続いてよい。翻訳品質保証システムはまた、複合ワード一致を決定する際にファジーマッチングを使用してよい。

複数回のマッピングを用いて、翻訳品質保証システムは、複数のオプションを繰り返してよい。翻訳品質保証システムは、好適な用語辞書、領域特化型の翻訳辞書、抽出された翻訳辞書、汎用の翻訳辞書、複合ワードマッピング、ファジーマッチマッピング、及び次いでノイジーワードマッピングから開始してよい。

翻訳品質保証システムは次いで、人である翻訳者又は翻訳品質確認要員へ提供すべき翻訳品質リポートを生成してよい。翻訳品質リポートは、信頼スコアを含んでよい。信頼スコアは、ワードに基づくか、又は文字に基づいてよい。ワードに基づく信頼スコアは、マッピングされたワードの総数を、ワードの総数で割り算してよい。文字に基づく信頼スコアは、マッピングされたワードにおける文字の総数を、センテンスにおける文字の総数で割り算してよい。複合的な信頼スコアは、それら２つを平均してよい。信頼スコアは、ソースセンテンス及びターゲットセンテンスにおいて異なってよい。全体的な信頼スコアは、それら２つのうちの小さい方であってよい。

翻訳品質保証システムは、マッピングチャートにおいて視覚的にマッピングデータを表示してよい。翻訳品質保証システムは、黒といった、マッピングされていないワードを示すために使用される特別に割り当てられた色により、マッピングを示すようテキストファイルセグメントにおける夫々のフレーズ又はワードをカラーコード化してよい。マッピングチャートは、夫々のワード又は、不適切に翻訳されるワードのみについて、マッピングを示してよい。

翻訳品質保証システムは、実時間において翻訳品質リポートを提供してよい。ユーザは、不完全なデータ又はシステム内のエラーの結果である誤訳のあらゆる通知を訂正するよう、翻訳品質保証システムをアップデートしてよい。翻訳品質保証システムは、容易に識別可能な一致を有さないソースフレーズ又はターゲットフレーズの挿入を特定し、その挿入を適切又は不適切として分類してよい。そのような挿入は、ソース言語におけるワードがターゲット言語において等価物を有さない場合に翻訳者によって使用されることがある。加えて、翻訳品質保証システムは、ソースフレーズ及びターゲットフレーズが同じである場合に“翻訳し忘れ”を検出してよい。

このように、一実施形態において、翻訳機品質保証システムは、マッピングチャートを用いて翻訳を評価してよい。データインタフェースは、ソース言語をターゲット言語とマッチングする翻訳辞書にアクセスしてよい。プロセッサは、翻訳辞書を用いて、言語レベルで、ソース言語におけるソースセンテンスと、ターゲット言語におけるターゲットセンテンスとを有するセンテンス対を自動的にマッピングしてよい。ユーザ出力装置は、ターゲットセンテンスの翻訳品質リポートを表示してよい。

図１は、翻訳品質保証システムとして動作することができるコンピュータ装置１００の例のブロック図を表す。コンピュータ装置１００は、翻訳品質保証システムを実装するよう、ハードウェア、ソフトウェア、ファームウェア、及びシステム・オン・チップ技術のうちの１又はそれ以上を組み合わせてよい。コンピュータ装置１００は、バス１１０、プロセッサ１２０、メモリ１３０、データストレージ１４０、データインタフェース１５０、入力装置１６０、出力装置１７０、及び通信インタフェース１８０を有してよい。バス１１０、又は他のコンポーネントインターコネクト装置は、コンピュータ装置１００のコンポーネント間の通信を可能にしてよい。

プロセッサ１２０は、命令の組をインタープリットし実行する少なくとも１つの従来のプロセッサ又はマイクロプロセッサを有してよい。メモリ１３０は、プロセッサ１２０による実行のための情報及び命令を記憶するランダムアクセスメモリ（ＲＡＭ）又は他のタイプの動的記憶装置であってよい。メモリ１３０は、プロセッサ１２０による命令の実行の間に使用される一時変数又は他の中間情報を更に記憶してよい。

データストレージ１４０は、例えば、デジタルビデオディスク及びその対応するドライブのような磁気又は光学記録媒体のような、あらゆるタイプの有形なコンピュータ可読媒体を有してよい。有形なコンピュータ可読媒体は、信号とは対照的に、機械により読み出し可能なコード又は命令を記憶する物理媒体である。ここで記載されるようにコンピュータ可読媒体に命令を記憶させることは、伝播が、命令を記憶しているコンピュータ可読媒体によって起こり得るような命令を記憶することに対して、命令を伝送するものとして、命令を伝播又は送信させることと区別できる。従って、別なふうに述べられない限り、この又は同じ形において、命令を記憶しているコンピュータ可読媒体との言及は、データが記憶又は保持され得る有形な媒体を参照する。データストレージ１４０は、１又はそれ以上のプロセッサによって実行される場合にその１又はそれ以上のプロセッサに方法を実行させる、方法を詳述する命令の組を記憶してよい。データインタフェース１５０は、翻訳辞書又は複数の専門の翻訳辞書の記憶又はアクセスのためのデータストレージ１４０、データベース、又はデータインタフェースであってよい。

入力装置１６０は、キーボード、マウス、音声認識装置、マイクロホン、ヘッドセット、ジェスチャ認識装置、タッチスクリーン等のような、ユーザが情報をコンピュータ装置１００へ入力することを可能にする１又はそれ以上の従来メカニズムを有してよい。出力装置１７０は、ディスプレイ、プリンタ、１以上のスピーカ、ヘッドセット、あるいは、メモリ、又は磁気若しくは光ディスク及び対応するディスクドライブといった媒体を含む、情報をユーザへ出力する１又はそれ以上の従来メカニズムを有してよい。通信インタフェース１８０は、コンピュータ装置１００が他の装置又はネットワークと通信することを可能にするあらゆるトランシーバのようなメカニズムを有してよい。通信インタフェース１８０は、ネットワークインタフェース又はトランシーバインタフェースを有してよい。通信インタフェース１８０は、無線、有線、又は光インタフェースであってよい。

コンピュータ装置１００は、プロセッサ１２０が、例えば、メモリ１３０、磁気ディスク、又は光ディスクのようなコンピュータ可読媒体に含まれる命令のシーケンスを実行することに応答して、そのような機能を実行してよい。そのような命令は、記憶装置１５０のような他のコンピュータ可読媒体から、又は別の装置から通信インタフェース１８０を介して、メモリ１３０に読み込まれてよい。

翻訳品質保証システムは、ソースセンテンスをターゲットセンテンスへマッピングするのを円滑にするために、データ構造としてマッチングユニットを使用してよい。図２は、マッチングユニット２００の一実施形態をブロック図において表す。マッチングユニット２００は、複数回のマッピングを容易にしてよい。マッチングユニット識別子（ＩＤ）２１０は、ソースセンテンス又はターゲットセンテンスにおけるエレメントのインデックスを記述してよい。ターゲットマッチングユニット２００又はソースマッチングユニットは、ワード、複合ワード、又は句読点であってよい。一致確率フィールド２２０は、センテンス対におけるワード間の一致の確率を記述してよい。確率フィールド２２０は、翻訳辞書からの確率値を示してよい。

マッチングユニット２００における一致長さフィールド２３０は、ソースセンテンス又はターゲットセンテンスにおける連続するワードの数を記述してよい。一致長さフィールド２３０は、未だ一致を示さないゼロへ初期化されてよい。一致長さ値１は、単一のワードの一致を示し、１よりも大きい一致値は、複数のワードから成るフレーズの一致を示す。複数ワードフレーズ一致の場合に、隣接するワードは同じ一致長さ値を有してよい。一致長さフィールド２３０は、単一ワード一致又は複数ワードフレーズ一致を示してよい。

マッチングリストフィールド２４０は、バイリンガルセンテンス対のマッチングセンテンスにおけるマッチングされたワードのワードインデックスのリストを記述してよい。空のマッチングリストフィールド２４０は、未だワードがマッチングされていないことを示し、一致長さフィールド２３０は、空のマッチングリストと同期するようゼロの値を有する。単項目のマッチングリストフィールド２４０は、他のセンテンスからの単一のワードがこのワードとマッチングされたことを示してよい。

翻訳品質保証システムは、ユーザへ表示すべきマッピングチャートを作成してよい。図３は、マッピングチャート３００の一実施形態をブロック図において表す。マッピングチャート３００は、ソースセンテンス３１０におけるソースエレメントをターゲットセンテンス３２０におけるターゲットエレメントへマッピングしてよい。エレメント（element）は、センテンスにおけるワード又はフレーズを指す。例えば、ソースセンテンス３１０は、“Web sites spread false information”であってよい。この例において、ソース言語は英語であってよい。ターゲットセンテンス３２０は、“Sitios web de difundir informacion falsa”であってよい。ターゲット言語は、スペイン語であってよい。

ソースセンテンス３１０は、最初にソースワード３１２に分けられてよい。ソースワード３１２は、句読点及びワードに相当してよい。連続したソースワード３１２は、いずれかのターゲットエレメントへマッピングされるようソースフレーズ３１４にまとめられてよい。ソースフレーズ３１４の採用は、一致するターゲットエレメントを見つけることに依存してよい。ソースエレメントは、ソースワード３１２又はソースフレーズ３１４のいずれかを指してよい。夫々のソースワード３１２及びソースフレーズ３１４は、異なったソースカラーコード３１６を有してよい。

ターゲットセンテンス３２０は、ターゲットワード３２２に分けられてよい。ターゲットワード３２２は、句読点及びワードに相当してよい。連続したターゲットワード３２２は、いずれかのソースエレメントへマッピングされるようターゲットフレーズ３２４にまとめられてよい。ターゲットフレーズ３２４の採用は、一致するソースエレメントを見つけることに依存してよい。ターゲットエレメントは、ターゲットワード３２２又はターゲットフレーズ３２４のいずれかを指してよい。夫々のターゲットワード３２２及びターゲットフレーズ３２４は、異なったターゲットカラーコード３２６を有してよい。

翻訳品質保証システムは、ソースワード３１２をターゲットワード３２２又はターゲットフレーズ３２４とマッチングしてよい。翻訳品質保証システムは、ソースフレーズ３１４をターゲットワード３２２又はターゲットフレーズ３２４とマッチングしてよい。ソースエレメントは、マッチングするターゲットエレメントとは異なる順序にあってよい。ターゲットカラーコード３２６は、ターゲットワード３２２又はターゲットフレーズ３２４がソースワード３１２又はソースフレーズ３１４と一致することを示すようソースカラーコード３１６と整合してよい。例えば、ソースワード３１２“false”は、ソースカラーコード３１６として青を有してよい。ターゲットワード３２２“falsa”は、ターゲットカラーコード３２６として青を有してよく、ソースワード３１２“false”がターゲットワード３２２“falsa”と一致することを示す。カラーコード化はランダムであってよく、リフレッシング時に変更可能である。よって、同様の色を有する隣接エレメントは、マッピングをより良く見分けるようリセットされてよい。

翻訳品質保証システムは、ソースセンテンス３１０又はターゲットセンテンス３２０のいずれか一方においてあらゆるノイジーワード３２８を特定してよい。ノイジーワード３２８は、たいていは機能上の目的を果たす１言語における一般的な語である。ノイジーワード３２８は、他の言語では現れないことがある。例えば、ノイジーワード３２８“de”の事例は、動詞とともにスペイン語で現れることがあるが、同等の英単語は使用されない。加えて、長いセンテンスは、異なる言語における多くの異なるワードと一致する多くのノイジーワード３２８を有することがある。例えば、英語の冠詞“a”は、後に続く名詞の性別に依存してフランス語の冠詞“Un”又は“Une”に翻訳され得る。よって、“a girl”は“une fille”へ翻訳され、一方、“a boy”は“un garcon”に翻訳され得る。翻訳品質保証システムは、テキストファイルセグメントにおける他のワードがマッチングされるまで、ノイジーワード３２８をマッチングすることを延期してよい。マッチングされていないワードは、黒といった単色コード３３０を有して、そのワードが、マッチングするテキストファイルセグメントにおいてマッチングするワードを有さないことを示してよい。

ドイツ語のような幾つかの言語は、複数のワードを表す複合ワードを有することがある。図４は、複合ワードマッピング４００の一実施形態をブロック図において表す。翻訳品質保証システムは、夫々のソースワード３１２をターゲットワード３２２とマッチングしてよい。翻訳品質保証システムは、複合ワード４０２を生成するようターゲットワード３２２を結合してよい。複合ワード４０２は、この例では、ターゲットセンテンス３２０において示されているが、複合ワードはソースセンテンス３１０にあってよい。

例えば、英語のフレーズ“web service sessions”は、ソースワード３１２“web”、“service”及び“sessions”に分けられてよい。ドイツ語では、翻訳されるターゲットワード３２２は“web”、“dienst”及び“sitzungen”であってよい。しかし、それらの単語のいずれもドイツ語のセンテンスでは現れないことがある。翻訳品質保証システムは、マッピングを達成するようそれらのターゲットワード３２２を複合ワード４０２“webdienstsitzungen”にまとめてよい。

時々、複合ワード４０２とソースワード３１２又はターゲットワード３２２との間の一致が存在しないことがある。図４は、ファジー複合ワードマッピング５００の一実施形態をブロック図において表す。翻訳品質保証システムは、夫々のソースワード３１２をターゲットワード３２２とマッチングしてよい。翻訳品質保証システムは、ターゲットワード３２２に加えてファジー文字５０２を有する複合ワード４０２を生成するようターゲットワード３２２を結合してよい。翻訳品質保証システムは、ソースワード３１２がターゲット複合ワード４０２と一致するほど十分にターゲットワード３２２の単純な連結と実際のターゲット複合ワード４０２とが類似していることを特定するために、付加的なロジックを使用してよい。複合ワード４０２は、この例では、ターゲットセンテンス３２０において示されているが、複合ワードはソースセンテンス３１０にあってよい。

例えば、英語のフレーズ“health advertising program”は、ソースワード３１２“health”、“advertising”及び“program”に分けられてよい。ドイツ語では、翻訳されるターゲットワード３２２は“gesundheit”、“werbung”及び“programm”であってよい。翻訳品質保証システムは、“gesundheitswerbungprogramm”と読めるようファジー文字“s”５０２を有する複合ワード４０２へとそれらのターゲットワード３２２をまとめてよい。翻訳品質保証システムは、ターゲットワード３２２とターゲット複合ワード４０２との間の対応を確立するようファジーマッチングロジックを使用してよい。

翻訳品質保証システムは、独自仕様の辞書を開発するか、又は異なるソースから辞書をインポートしてよい。翻訳品質保証システムは、トレーニングデータセットを用いて、言語対における夫々の主たる言語において混合ワード−フレーズリストを作成してよい。トレーニングデータセットは、センテンス対の大きな集まりに相当するテキストファイルであり、センテンス対の各センテンスは、そのセンテンス対の他のセンテンスの信頼できる翻訳である。図６は、混合ワード−フレーズリストを作成する方法６００の一実施形態をフローチャートにおいて表す。翻訳品質保証システムは、１つの言語についてのトレーニングデータセットにおいてワードリストを特定する（ブロック６０２）。翻訳品質保証システムは、文法上の意味又は正確さに関わらず如何なる隣接ワードもフレーズであるとして、その言語についてのトレーニングデータセットにおいてフレーズリストを構築してよい（ブロック６０４）。翻訳品質保証システムは、フレーズリストにおける夫々のフレーズについてトレーニングデータセットにおける出現をカウントしてよい（ブロック６０６）。翻訳品質保証システムは、フレーズ発生閾値に基づきフレーズリストからフレーズをプルーニングしてよい（ブロック６０８）。翻訳品質保証システムは、ワードリスト及びフレーズリストに基づき混合ワード−フレーズリストを作成してよい（ブロック６１０）。翻訳品質保証システムは、言語対における両方の言語についての混合ワード−フレーズリストを作成してよい。

混合ワード−フレーズリストを用いて、翻訳品質保証システムは、トレーニングデータセットに基づき翻訳辞書を抽出するよう統計的翻訳モデルを使用してよい。図７は、翻訳辞書を抽出する方法７００の一実施形態をフローチャートにおいて表す。翻訳品質保証システムは、８といった、フレーズにおけるワードの上限を設定してよい（ブロック７０２）。翻訳品質保証システムは、トレーニングデータセットからソース言語のためのソース混合ワード−フレーズリストを作成してよい（ブロック７０４）。翻訳品質保証システムは、トレーニングデータセットからターゲット言語のためのターゲット混合ワード−フレーズリストを作成してよい（ブロック７０６）。翻訳品質保証システムは、ソース混合ワード−フレーズリストに基づきトレーニングソースセンテンスを分割してよい（ブロック７０８）。翻訳品質保証システムは、ターゲット混合ワード−フレーズリストに基づきトレーニングターゲットセンテンスを分割してよい（ブロック７１０）。翻訳品質保証システムは、統計的な機械翻訳（ＳＭＴ；statistical machine translation）モデルを、トレーニングデータセットにおける夫々のセンテンス対とともに、ソース混合ワード−フレーズリスト及びターゲット混合ワード−フレーズリストへ適用してよい（ブロック７１２）。

統計的な機械翻訳モデルによるトレーニングの結果として、翻訳品質保証システムは、ソース混合ワード−フレーズリストにおける夫々のソースエレメントをターゲット混合ワード−フレーズリストにおけるいずれかのターゲットエレメントへ翻訳する可能性を詳述する翻訳確率テーブルを生成してよい（ブロック７１４）。翻訳確率テーブルは、“翻訳辞書”と呼ばれる。上限が１よりも大きい場合（ブロック７１６）は、翻訳品質保証システムは、上限に等しいワード数及び０．２５未満といった低い翻訳確率を有するあらゆるソースフレーズ３１４を除去するよう、ソース混合ワード−フレーズリストをプルーニングしてよい（ブロック７１８）。翻訳品質保証システムは、上限に等しいワード数及び０．２５未満といった低い翻訳確率を有するあらゆるターゲットフレーズ３２４を除去するよう、ターゲット混合ワード−フレーズリストをプルーニングしてよい（ブロック７２０）。翻訳品質保証システムは、上限をデクリメントしてよく（ブロック７２２）、プロセスを再開するようソーストレーニングデータセットを再分割してよい（ブロック７０８）。翻訳品質保証システムは、低い翻訳確率を有するフレーズを混合ワード−フレーズリスト及び翻訳辞書から除去して、上限が１に達する場合に抽出を終了してよい。

翻訳辞書を用いて、翻訳品質保証システムは、翻訳信頼スコアを計算し、センテンス対についての翻訳品質リポートを生成するよう、ソースエレメント及びターゲットエレメントをマッピングしてよい。図８は、翻訳品質を評価する方法８００の一実施形態をフローチャートにおいて表す。翻訳品質保証システムは、翻訳辞書を辞書ソースからインポートしてよい（ブロック８０２）。代わりに、翻訳品質保証システムは、図７において記載されるように、トレーニングデータセットに基づき翻訳辞書を生成してよい。翻訳品質保証システムは、ソース言語をターゲット言語とマッチングする翻訳辞書を保持してよい（ブロック８０４）。翻訳品質保証システムは、何らかのニッチ文書が翻訳されている場合に専門の翻訳辞書を保持してよい（ブロック８０６）。

翻訳品質チェックを有する夫々のセンテンス対について、翻訳品質保証システムは、翻訳辞書を用いて、言語レベルで、ソース言語におけるソースセンテンス３１０と、ターゲット言語におけるターゲットセンテンスとを有するセンテンス対を自動的にマッピングしてよい（ブロック８０８）。言語レベルでセンテンス対をマッピングすることによって、翻訳品質保証システムは、ソースセンテンスのソースエレメントをターゲットセンテンスのターゲットエレメントとマッチングしてよい。翻訳品質保証システムは、翻訳品質リポートにおける表示のために、ターゲットセンテンス３２０とソースセンテンス３１０との間のマッピングチャート３００を生成してよい（ブロック８１０）。翻訳品質保証システムは、どのソースワード及びソースフレーズがどのターゲットワード及びターゲットフレーズとアライメントするのかを示すよう、マッピングチャートをカラーコード化してよい（ブロック８１２）。翻訳品質保証システムは、翻訳品質リポートにおけるセンテンス対についての信頼スコアを計算してよい（ブロック８１４）。

翻訳品質保証システムは、実時間においてセンテンス対の翻訳品質リポートを生成し表示してよい（ブロック８１６）。翻訳品質保証システムは、実時間の翻訳品質リポートへの何らかのユーザ訂正を受け取ってよい（ブロック８１８）。翻訳品質保証システムは、ユーザ訂正に基づき翻訳辞書をアップデートしてよい（ブロック８２０）。翻訳品質保証システムは、複数の翻訳の結果を集約するユーザへのバッチリポートを提供してよい（ブロック８２２）。

図９は、マッピングチャート３００を生成する方法９００の一実施形態をフローチャートにおいて表す。翻訳品質保証システムは、抽出された辞書に基づきソースセンテンス３１０を分割してよい（ブロック９０２）。翻訳品質保証システムは、抽出された辞書に基づきターゲットセンテンス３２０を分割してよい（ブロック９０４）。翻訳品質保証システムは、延期されたマッチング、又は残りのワードがマッチングされた後のマッチングのために、ノイジーワードを特定してよい（ブロック９０６）。ソースセンテンス３１０の夫々のマッピング可能なソースフレーズ３１４について、翻訳品質保証システムは、ソースワード３１２をターゲットエレメントへマッピングするより前に、ソースセンテンス３１０のソースフレーズ３１４をターゲットセンテンス３２０のターゲットエレメントへマッピングしてよい（ブロック９０８）。ソースセンテンス３１０の夫々のマッピング可能なソースワード３１２について、翻訳品質保証システムは、ソースセンテンス３１０のソースワード３１２をターゲットセンテンス３２０のターゲットエレメントへマッピングしてよい（ブロック９１０）。翻訳品質保証システムは、ソースセンテンス３１０又はターゲットセンテンス３２０におけるマッピングされていないワード３２２を複合ワード４０２として識別してよい（ブロック９１２）。翻訳品質保証システムは次いで、場合によりファジーマッチングを用いて、複合ワードを何らかの一致するエレメントへマッピングしてよい。翻訳品質保証システムは、場合によりファジーマッチングを用いて、ソース複合ワード４０２をターゲットエレメントへマッピングしてよい（ブロック９１４）。翻訳品質保証システムは、場合によりファジーマッチングを用いて、ターゲット複合ワード４０２をソースエレメントへマッピングしてよい（ブロック９１６）。翻訳品質保証システムは、マッチングされていないソースエレメントをマッチングされていないターゲットエレメントへ、又はその逆のように、マッチングされていないエレメントをマッピングするためにファジーマッチングを使用してよい（ブロック９１８）。翻訳品質保証システムは、あらゆるノイジーワード３２４をマッピングしてよい（ブロック９２０）。

対象は、構造上の特徴及び／又は方法上の動作に特有の言語において記載されてきたが、添付の特許請求の範囲における対象は、必ずしも、上記の具体的な特徴又は動作に制限されないことが理解されるべきである。むしろ、上記の具体的な特徴及び動作は、特許請求の範囲を実施するための例として開示されている。

本発明の適用範囲内の実施形態はまた、コンピュータにより実行可能な命令又はデータ構造を搬送又は記憶する有形なコンピュータ可読記憶媒体を含んでよい。そのような有形なコンピュータ可読記憶媒体は、汎用の又は特別目的のコンピュータによってアクセスされ得るあらゆる利用可能な媒体であってよい。例として、制限なしに、そのような有形なコンピュータ可読記憶媒体は、ＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ、ＣＤ−ＲＯＭ若しくは他の光ディスクストレージ、磁気ディスクストレージ若しくは他の磁気記憶装置、又はコンピュータにより実行可能な命令若しくはデータ構造の形で所望のプログラムコード手段を搬送又は記憶するために使用され得る何らかの他の有形な非一時的媒体を有することができる。それらの組み合わせもコンピュータ可読記憶媒体の適用範囲内に含まれるべきである。

実施形態はまた、通信ネットワークを通じて（ハードワイヤードリンク、無線リンク、又はそれらの組み合わせによって）リンクされている局所及び遠隔のプロセッシング装置によってタスクが実行される分散コンピューティング環境において実施されてよい。

コンピュータにより実行可能な命令は、例えば、汎用のコンピュータ、特別目的のコンピュータ、又は特別目的のプロセッシング装置に特定の機能又は機能のグループを実行させる命令及びデータを含む。コンピュータにより実行可能な命令はまた、スタンドアローン又はネットワーク環境においてコンピュータによって実行されるプログラムモジュールを含む。一般に、プログラムモジュールは、特定のタスクを実行するか又は特定の抽象データ型を実装するルーチン、プログラム、オブジェクト、コンポーネント、及びデータ構造を含む。コンピュータにより実行可能な命令、関連するデータ構造、及びプログラムモジュールは、ここで開示されている方法のステップを実行するプログラムコード手段の例を表す。そのような実行可能な命令又は関連するデータ構造の特定のシーケンスは、そのようなステップにおいて記載されている機能を実施するための対応する動作の例を表す。

上記の記載は具体的な詳細を含むことがあるが、それらは、特許請求の範囲を制限すると決して解釈されるべきではない。記載される実施形態の他の構成は、本開示の適用範囲の部分である。例えば、本開示の原理は、夫々のユーザが個別にそのようなシステムを配置することができる場合に、各個別のユーザへ適用されてよい。これは、多数の可能なアプリケーションのうちのいずれか１つがここで記載される機能性を使用することができない場合でさえ、夫々のユーザが本開示の利点を利用することを可能にする。電子デバイスの多数のインスタンスは夫々、様々な可能な方法においてコンテンツを処理してよい。実施は、必ずしも、全てのエンドユーザによって使用される１つのシステムにない。然るに、添付の特許請求の範囲及びそれらの法的等価物は、与えられているあらゆる具体的な例よりむしろ、単に本発明を定義すべきである。

Claims (19)

1. ソース言語をターゲット言語にマッチングする翻訳確率テーブルにアクセスするように構成されるデータインタフェースであって、前記翻訳確率テーブルは、統計的な機械翻訳モデルを使用して、前記ソース言語のソース混合ワード−フレーズリストと、前記ターゲット言語のターゲット混合ワード−フレーズリストの反復プルーニングを通して生成され、前記ソース混合ワード−フレーズリスト及び前記ターゲット混合ワード−フレーズリストの各々は、それぞれの言語のトレーニングデータセットから特定されるワード及びフレーズのリストを含み、前記反復プルーニングは、前記ソース混合ワード−フレーズリストのソースフレーズ内の上限のワード数及び前記ターゲット混合ワード−フレーズリストのターゲットフレーズ内の上限のワード数から開始して、反復ごとに、
   前記統計的な機械翻訳モデルに従って、翻訳確率が閾値未満のソースフレーズを除外するよう前記ソース混合ワード−フレーズリストをプルーニングし、翻訳確率が閾値未満のターゲットフレーズを除外するよう前記ターゲット混合ワード−フレーズリストをプルーニングし、
   前記上限をデクリメントすることを含む、
   前記データインタフェースと；
   プロセッサであって、
   前記翻訳確率テーブルを使用して、言語レベルで、前記ソース言語のソースセンテンスと前記ターゲット言語のターゲットセンテンスを有するセンテンス対を自動的にマッピングし、
   前記マッピングに基づく前記センテンス対の翻訳品質の評価を示す翻訳品質リポートを生成する、
   ように構成されるプロセッサと；
   前記センテンス対の前記翻訳品質リポートを表示するように構成されるユーザ出力デバイスと；
   を具備する、翻訳品質保証システム。
2. 前記翻訳品質リポートは、前記マッピングから計算される前記センテンス対の翻訳信頼スコアを含む、
   請求項１記載の翻訳品質保証システム。
3. 前記翻訳品質リポートは、前記ターゲットセンテンスと前記ソースセンテンスとの間のマッピングチャートを表示する、
   請求項１記載の翻訳品質保証システム。
4. 前記翻訳品質リポートは、前記マッピングチャートをカラーコード化する、
   請求項３記載の翻訳品質保証システム。
5. 前記プロセッサは、前記翻訳品質リポートをリアルタイムで生成するように構成される、
   請求項１記載の翻訳品質保証システム。
6. 前記プロセッサは、前記ソースセンテンスのソースワードを前記ターゲットセンテンスのターゲットエレメントにマップするように構成される、
   請求項１記載の翻訳品質保証システム。
7. 前記プロセッサは、ソースワードのマッピングに先行して、前記ソースセンテンスのソースフレーズを前記ターゲットセンテンスのターゲットエレメントにマップするように構成される、
   請求項１記載の翻訳品質保証システム。
8. 前記プロセッサは、延期されるマッチングについてのノイジーワードを識別するように構成される、
   請求項１記載の翻訳品質保証システム。
9. 前記プロセッサは、ファジーマッチングを使用してマッチングしないエレメントをマップするように構成される、
   請求項１記載の翻訳品質保証システム。
10. 前記データインタフェースは、ユーザ訂正に基づいて前記翻訳確率テーブルをアップデートするように構成される、
    請求項１記載の翻訳品質保証システム。
11. 前記プロセッサは、前記ソース混合ワード−フレーズリストに基づいてトレーニングソースセンテンスを分割するように構成される、
    請求項１記載の翻訳品質保証システム。
12. 前記プロセッサは、前記トレーニングデータセットから、前記ソース混合ワード−フレーズリスト及び前記ターゲット混合ワード−フレーズリストを作成するように構成される、
    請求項１記載の翻訳品質保証システム。
13. 翻訳品質保証システムによって実施される方法であって：
    統計的な機械翻訳モデルに基づいて、ソース言語をターゲット言語にマッチングする翻訳確率テーブルを、前記ソース言語のソース混合ワード−フレーズリストと前記ターゲット言語のターゲット混合ワード−フレーズリストから、反復プルーニングを通して生成する生成ステップであって、前記ソース混合ワード−フレーズリスト及び前記ターゲット混合ワード−フレーズリストの各々は、それぞれの言語のトレーニングデータセットから特定されるワード及びフレーズのリストを含み、前記反復プルーニングは、前記ソース混合ワード−フレーズリストのソースフレーズ内の上限のワード数及び前記ターゲット混合ワード−フレーズリストのターゲットフレーズ内の上限のワード数から開始して、反復ごとに、
    前記統計的な機械翻訳モデルに従って、翻訳確率が閾値未満のソースフレーズを除外するよう前記ソース混合ワード−フレーズリストをプルーニングし、翻訳確率が閾値未満のターゲットフレーズを除外するよう前記ターゲット混合ワード−フレーズリストをプルーニングし、
    前記上限をデクリメントすることを含む、
    前記生成ステップと；
    前記翻訳確率テーブルを使用して、言語レベルで、前記ソース言語のソースセンテンスと前記ターゲット言語のターゲットセンテンスを有するセンテンス対を自動的にマッピングするステップと；
    前記マッピングに基づく前記センテンス対の翻訳品質の評価を示す翻訳品質リポートを自動的に生成するステップと；
    を具備する方法。
14. 前記トレーニングデータセットから、前記ソース混合ワード−フレーズリスト及び前記ターゲット混合ワード−フレーズリストを作成するステップ、
    を更に備える、請求項１３記載の方法。
15. 前記ターゲットセンテンスと前記ソースセンテンスとの間のマッピングチャートを表示するステップ、
    を更に備える、請求項１３記載の方法。
16. 前記翻訳品質リポートをリアルタイムで生成するステップ、
    を更に備える、請求項１３記載の方法。
17. 延期されるマッチングについてのノイジーワードを識別するステップ、
    を更に備える、請求項１３記載の方法。
18. プロセッサによって実行されると、翻訳品質保証を実施する命令のセットを格納するように構成されるメモリを有するコンピューティングデバイスであって、当該コンピューティングデバイスは：
    統計的な機械翻訳モデルに基づいて、ソース言語をターゲット言語にマッチングする翻訳確率テーブルを、前記ソース言語のソース混合ワード−フレーズリストと前記ターゲット言語のターゲット混合ワード−フレーズリストから、反復プルーニングを通して生成することであって、前記ソース混合ワード−フレーズリスト及び前記ターゲット混合ワード−フレーズリストの各々は、それぞれの言語のトレーニングデータセットから特定されるワード及びフレーズのリストを含み、前記反復プルーニングは、前記ソース混合ワード−フレーズリストのソースフレーズ内の上限のワード数及び前記ターゲット混合ワード−フレーズリストのターゲットフレーズ内の上限のワード数から開始して、反復ごとに、
    前記統計的な機械翻訳モデルに従って、翻訳確率が閾値未満のソースフレーズを除外するよう前記ソース混合ワード−フレーズリストをプルーニングし、翻訳確率が閾値未満のターゲットフレーズを除外するよう前記ターゲット混合ワード−フレーズリストをプルーニングし、
    前記上限をデクリメントすることを含み；
    前記翻訳確率テーブルを使用して、言語レベルで、前記ソース言語のソースセンテンスと前記ターゲット言語のターゲットセンテンスを有するセンテンス対を自動的にマッピングし；
    前記マッピングに基づく前記センテンス対の翻訳品質の評価を示す翻訳品質リポートを自動的に生成する；
    ように構成される、コンピューティングデバイス。
19. 当該コンピューティングデバイスは、マッチングを延期するノイジーワードを識別するステップ、
    を更に備える、請求項１８記載のコンピューティングデバイス。

Images