WO2020149069A1 - 翻訳装置、翻訳方法およびプログラム - Google Patents
翻訳装置、翻訳方法およびプログラム Download PDFInfo
- Publication number
- WO2020149069A1 WO2020149069A1 PCT/JP2019/049200 JP2019049200W WO2020149069A1 WO 2020149069 A1 WO2020149069 A1 WO 2020149069A1 JP 2019049200 W JP2019049200 W JP 2019049200W WO 2020149069 A1 WO2020149069 A1 WO 2020149069A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- sentence
- translated
- translation
- word
- translated sentence
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/40—Processing or translation of natural language
- G06F40/58—Use of machine translation, e.g. for multi-lingual retrieval, for server-side translation for client devices or for real-time translation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/40—Processing or translation of natural language
- G06F40/42—Data-driven translation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/40—Processing or translation of natural language
- G06F40/51—Translation evaluation
Definitions
- the present disclosure relates to a translation device, a translation method, and a program based on machine translation.
- Patent Document 1 discloses a translation device that allows a user to easily detect a mistranslation and correct a mistranslated portion of an original sentence.
- the translation device of Patent Document 1 generates a translated sentence in which the input original sentence of the first natural language is translated into the second natural language, generates a reverse translated sentence in which the translated sentence is translated into the first natural language, and translates the translated sentence. And the reverse-translated sentence are displayed in association with the original sentence.
- an original text translation word candidate list that is a list of translation word candidates of the second natural language among the morphemes of the original text is created.
- one candidate is selected from the original sentence translated word candidate list, and the translated sentence and the backward translated sentence are regenerated by using the selected translated word as the translated word of the corresponding morpheme.
- generation of a back-translated sentence is repeated to correct a mistranslation.
- the present disclosure provides a translation device, a translation method, and a program that can improve the accuracy of a back-translated sentence with respect to a machine-translated translated sentence.
- the translation device includes an acquisition unit and a control unit.
- the acquisition unit acquires an input sentence in the first language.
- the control unit controls machine translation of the input sentence acquired by the acquisition unit.
- the control unit acquires a translated sentence indicating a result of machine translation of the input sentence from the first language to the second language based on the input sentence, and based on the translated sentence, changes the first sentence from the second language to the first language.
- a back-translated sentence indicating the result of machine translation of a translated sentence into a language is acquired.
- control unit Based on the input sentence, the control unit includes the translated word in the back-translated sentence so as to change the translated word corresponding to the polysemous word in the translated sentence in the acquired back-translated sentence to the phrase corresponding to the polysemous word in the input sentence. Correct the part.
- the translation device According to the translation device, the translation method, and the program according to the present disclosure, it is possible to improve the accuracy of the back-translated sentence with respect to the translated sentence in which the input sentence is machine-translated.
- FIG. 7A The figure which shows the outline
- Block diagram illustrating the configuration of the translation apparatus in the first embodiment The figure for demonstrating the paraphrase target list in a translation apparatus.
- Block diagram illustrating the configuration of the translation server in the first embodiment Diagram for explaining the operation of the translation system according to the first embodiment
- Flowchart showing the operation of the translation apparatus according to the first embodiment Table that exemplifies various information acquired in the operation of the translation device A table exemplifying the back-translated sentence of the correction result based on the information of FIG. 7A.
- FIG. 3 is a diagram for explaining a learned model used for the utilization conversion process of the first embodiment.
- the flowchart which shows the modification 1 of the detection process of a paraphrase target.
- the flowchart which shows the modification 2 of the detection process of a paraphrase target.
- FIG. 1 is a diagram showing an outline of a translation system 1 according to this embodiment.
- the translation system 1 includes a translation device 2 used by a user 5 and a translation server 3 that executes machine translation between various two languages.
- the translation device 2 performs data communication with the translation server 3 via the communication network 10 such as the Internet.
- the translation server 3 is, for example, an ASP server.
- the translation system 1 may include a plurality of translation devices 2.
- the translation server 3 can appropriately include the identification information of the own device in the data transmitted by each translation device 2, and the translation server 3 can transmit the data to the translation device 2 indicated by the received identification information.
- the translation device 2 accepts an input such as utterance content desired by the user 5, and the translation server 3 translates an input sentence T1 indicating the input content in a translation source language into a desired translation.
- Machine translation is performed to the translated text T2 in the previous language.
- the translation device 2 of the present embodiment displays the input sentence T1 in a display area A1 for the user to show to the user 5, and at the same time, displays the translation sentence in the display area A2 for the partner of the user 5.
- the translation source language is an example of the first language
- the translation destination language is an example of the second language.
- the first and second languages can be set to various natural languages.
- the translation system 1 uses, for example, the back translation T3 obtained by re-translating the translation T2 into the original language by performing the machine translation by the translation server 3 on the translation T2 for the user. Is displayed in the display area A1. Thereby, the user 5 can easily confirm the content of the translated sentence T2 by comparing the input sentence T1 and the reverse translated sentence T3.
- the reverse-translation is performed in consideration of the input sentence T1.
- a translation device 2 is provided that improves the accuracy of the sentence T3.
- FIG. 2 is a block diagram illustrating the configuration of the translation device 2.
- the translation device 2 is composed of an information terminal such as a tablet terminal, a smartphone or a PC.
- the translation device 2 illustrated in FIG. 2 includes a control unit 20, a storage unit 21, an operation unit 22, a display unit 23, a device interface 24, and a network interface 25.
- the interface is abbreviated as “I/F”.
- the translation device 2 includes a microphone 26 and a speaker 27.
- the control unit 20 includes, for example, a CPU or MPU that realizes a predetermined function in cooperation with software, and controls the entire operation of the translation device 2.
- the control unit 20 reads the data and the program stored in the storage unit 21 and performs various arithmetic processes to realize various functions.
- the control unit 20 executes a program including an instruction group for implementing the processing of the translation device 2 in the translation method of this embodiment.
- the above program may be provided from the communication network 10 or the like, or may be stored in a portable recording medium.
- control unit 20 may be a hardware circuit such as a dedicated electronic circuit or a reconfigurable electronic circuit designed to realize a predetermined function.
- the control unit 20 may be composed of various semiconductor integrated circuits such as a CPU, MPU, GPU, GPGPU, TPU, microcomputer, DSP, FPGA and ASIC.
- the storage unit 21 is a storage medium that stores programs and data necessary to realize the functions of the translation device 2. As shown in FIG. 2, the storage unit 21 includes a storage unit 21a and a temporary storage unit 21b.
- the storage unit 21a stores parameters, data, control programs, etc. for realizing predetermined functions.
- the storage unit 21a is composed of, for example, an HDD or SSD.
- the storage unit 21a stores the program, the paraphrase list D1, the learned model D2, and the like.
- FIG. 3 is a diagram for explaining the paraphrase target list D1 in the translation device 2.
- the paraphrase target list D1 is a list of candidates that are paraphrase targets in the paraphrase correction (see FIG. 6) of the back-translated sentence, which will be described later.
- the paraphrase target list D1 is registered by associating a polysemous word in a translation destination language (for example, English) with a bilingual vocabulary in a translation source language (for example, Japanese).
- the temporary storage unit 21b is configured by a RAM such as a DRAM or an SRAM, and temporarily stores (that is, holds) data.
- the temporary storage unit 21b holds an input sentence, a translated sentence, user information described later, and the like.
- the temporary storage unit 21b may function as a work area of the control unit 20, or may be configured by a storage area in the internal memory of the control unit 20.
- the operation unit 22 is a user interface with which the user operates.
- the operation unit 22 may form a touch panel together with the display unit 23.
- the operation unit 22 is not limited to the touch panel, and may be, for example, a keyboard, a touch pad, a button, a switch, or the like.
- the operation unit 22 is an example of an acquisition unit that acquires various information input by a user operation.
- the display unit 23 is an example of an output unit including a liquid crystal display or an organic EL display, for example.
- the display unit 23 displays an image including the above-described display areas A1 and A2, for example. Further, the display unit 23 may display various kinds of information such as various icons for operating the operation unit 22 and information input from the operation unit 22.
- the device I/F 24 is a circuit for connecting an external device to the translation device 2.
- the device I/F 24 is an example of a communication unit that performs communication according to a predetermined communication standard.
- the predetermined standard includes USB, HDMI (registered trademark), IEEE1395, WiFi, Bluetooth (registered trademark), and the like.
- the device I/F 24 may constitute an acquisition unit that receives various information or an output unit that transmits various information to the external device in the translation device 2.
- the network I/F 25 is a circuit for connecting the translation device 2 to the communication network 10 via a wireless or wired communication line.
- the network I/F 25 is an example of a communication unit that performs communication conforming to a predetermined communication standard.
- the predetermined communication standard includes communication standards such as IEEE802.3, IEEE802.11a/11b/11g/11ac.
- the network I/F 25 may configure an acquisition unit that receives various types of information or an output unit that transmits the various types of information via the communication network 10 in the translation device 2.
- the microphone 26 is an example of an acquisition unit that picks up voice and generates voice data.
- the translation device 2 may have a voice recognition function, and may, for example, perform voice recognition on voice data generated by the microphone 26 and convert the voice data into text data.
- the speaker 27 is an example of an output unit that outputs voice data as voice.
- the translation device 2 may have a voice synthesizing function. For example, text data based on machine translation may be voice-synthesized and voice output from the speaker 27.
- the configuration of the translation device 2 as described above is an example, and the configuration of the translation device 2 is not limited to this.
- the translation device 2 may be configured by various computers other than the information terminal.
- the acquisition unit in the translation device 2 may be realized by cooperation with various software in the control unit 20 and the like.
- the acquisition unit in the translation device 2 acquires various information by reading various information stored in various storage media (for example, the storage unit 21a) into the work area (for example, temporary storage unit 21b) of the control unit 20. It may be.
- FIG. 4 is a block diagram illustrating the configuration of the translation server 3 in this embodiment.
- the translation server 3 illustrated in FIG. 4 includes an arithmetic processing unit 30, a storage unit 31, and a communication unit 32.
- the translation server 3 is composed of one or more computers.
- the arithmetic processing unit 30 includes, for example, a CPU and a GPU that realize predetermined functions in cooperation with software, and controls the operation of the translation server 3.
- the arithmetic processing unit 30 reads out the data and programs stored in the storage unit 31 and performs various arithmetic processes to realize various functions.
- the arithmetic processing unit 30 executes the program of the translation model 35 that executes machine translation in this embodiment.
- the translation model 35 is composed of, for example, various neural networks.
- the translation model 35 is composed of, for example, an attention neural machine translation model that realizes machine translation between two languages based on a so-called attention mechanism (for example, see Non-Patent Document 1).
- the translation model 35 may be a model shared by multiple languages, or may include a different model for each language of the translation source and the translation destination.
- the arithmetic processing unit 30 may execute a program for performing machine learning of the translation model 35.
- Each of the above programs may be provided from the communication network 10 or the like, or may be stored in a portable recording medium.
- the arithmetic processing unit 30 may be a hardware circuit such as a dedicated electronic circuit or a reconfigurable electronic circuit designed to realize a predetermined function.
- the arithmetic processing unit 30 may be composed of various semiconductor integrated circuits such as a CPU, GPU, TPU, MPU, microcomputer, DSP, FPGA and ASIC.
- the storage unit 31 is a storage medium that stores programs and data required to realize the functions of the translation server 3, and includes, for example, an HDD or SSD.
- the storage unit 31 may include, for example, a DRAM or an SRAM, and may function as a work area of the arithmetic processing unit 30.
- the storage unit 31 stores, for example, a program of the translation model 35 and various parameter groups that define the translation model 35 based on machine learning.
- the parameter group includes various weighting parameters of the neural network, for example.
- the communication unit 32 is an I/F circuit for performing communication according to a predetermined communication standard, and connects the translation server 3 to the communication network 10 or an external device by communication.
- the predetermined communication standard includes IEEE802.3, IEEE802.11a/11b/11g/11ac, USB, HDMI, IEEE1395, WiFi, Bluetooth and the like.
- the translation server 3 in the translation system 1 is not limited to the above configuration and may have various configurations.
- the translation method of this embodiment may be executed in cloud computing.
- FIG. 5 is a diagram for explaining the operation of the translation system 1.
- the translation system 1 of this embodiment inputs the desired input sentence T1 of the user 5 from the translation device 2.
- the translation server 3 receives the information indicating the input sentence T1 and the language of the translation destination from the translation device 2, and performs a translation process of machine-translating the input sentence T1 from the translation source language into the translation destination language. To execute.
- the translation process is executed by inputting information from the translation device 2 to the translation model 35, for example.
- the translation server 3 generates a translated sentence T2 as a result of the translation process and sends it to the translation device 2.
- the translation server 3 performs a back translation process of machine-translating the translated sentence T2 and returning it to the translation source language.
- the reverse translation process can be executed in the same manner as the above-described translation process, for example, when the translation server 3 receives the translation sentence T2 and the information indicating the translation source language from the translation device 2.
- the translation server 3 generates a back-translated sentence T3a as a result of the back-translation process and sends it to the translation device 2.
- the translation device 2 outputs the translation result to the user 5.
- FIG. 1 An example of the operation of the translation system 1 as described above is shown in FIG. In the following, an example in which the source language is Japanese and the target language is English will be described.
- the translation processing is performed on the input sentence T1 "I will keep it here", and as a result, the translation sentence T2 "I will takeit here.” is generated.
- reverse translation processing is performed on the translated text T2, and as a result, a reverse translated text T3a "I will take it here.” is generated.
- the translated sentence T2 is translated correctly without any mistranslation, and the translation processing by the translation server 3 is successful.
- the back-translated sentence T3a also correctly translates the translated sentence T2 without any mistranslation, and the back-translation process is successful.
- the reverse-translated sentence T3a and the input sentence T1 are separated from each other to mean that they are separated from each other.
- the machine translation fails for the user 5 even though the translation processing and the back-translation processing by the translation server 3 are individually successful. There is a concern that it may give a misunderstanding. It is considered that such a situation is caused by the inclusion of polysemous words having a plurality of word senses, such as “take” in the translated text T2.
- the translation device 2 of the present embodiment corrects a portion of the reverse-translated sentence T3a that is different from the input sentence T1 due to a polysemous word in the translated sentence T2 so as to be paraphrased in consideration of the input sentence T1.
- FIG. 5 illustrates the corrected back-translated sentence T3.
- the corrected reverse-translated sentence T3 is different from the input sentence T1 in terms of saying "I will deposit it here.” It is consistent.
- the translation device 2 of the present embodiment can avoid such misunderstandings of the user by displaying the back-translated sentence T3 of the correction result in the display area A1 for the user (FIG. 1). The details of the operation of the translation device 2 will be described below.
- FIG. 6 is a flowchart showing the operation of the translation device 2 according to this embodiment.
- FIG. 7A is a table illustrating various types of information acquired in the operation of the translation device 2.
- FIG. 7B is a table exemplifying the reverse translation sentence T3 of the correction result based on the information of FIG. 7A.
- Each process of the flowchart shown in FIG. 6 is executed by the control unit 20 of the translation device 2. This flowchart is started in response to an operation of the user 5, for example.
- the control unit 20 of the translation device 2 acquires the input sentence T1 by operating the operation unit 22 by the user 5 (S1).
- the process of step S1 is not limited to the operation unit 22, and may be performed using various acquisition units such as the microphone 26, the network I/F 23, or the device I/F 24.
- the uttered voice of the user 5 or the like from the microphone 26 may be input by voice, and the input sentence T1 may be acquired based on voice recognition.
- FIG. 7A illustrates the input sentence T1 acquired in step S1 in various cases.
- the control unit 20 transmits the information including the acquired input sentence T1 to the translation server 3 via the network I/F 23, and acquires the translated sentence T2 as a response from the translation server 3 (S2).
- the translation server 3 can transmit various additional information to the translation device 2 together with the translated text T2. For example, an attention score during translation processing can be included as additional information.
- FIG. 7A illustrates a translated sentence T2 corresponding to the input sentence T1 in each case.
- the translated text T2 of this example includes polysemous words as shown in bold.
- FIG. 7A illustrates a back-translated sentence T3a generated according to the input sentence T1 and the translated sentence T2.
- the back-translated sentence T3a in this example is deviated from the input sentence T1 due to the polysemous word.
- the control unit 20 performs paraphrase correction of the back-translated sentence based on the acquired input sentence T1 and translated sentence T2 (S4).
- the paraphrase correction of the back-translated sentence is a process of correcting the acquired back-translated sentence T3a so as to paraphrase the input sentence T1.
- FIG. 7B shows the back-translated sentence T3 after paraphrase correction for the back-translated sentence T3a in the example of FIG. 7A.
- the process of paraphrase correction of the back-translated sentence in step S4 will be described later.
- control unit 20 displays the input sentence T1, the translated sentence T2, and the corrected back-translated sentence T3 on the display unit 23 as the output of the translation result in the translation system 1 (S5).
- the translation result is not limited to being displayed on the display unit 23, and can be output by various means such as voice output from the speaker 27 or data transmission to an external device.
- the control unit 20 of the translation device 2 ends the processing according to this flowchart by outputting the translation result (S5).
- the back-translated sentence T3a deviated from the input sentence T1 due to the polysemous word in the translated sentence T2 is subjected to the paraphrase correction (S4) of the back-translated sentence. It is automatically paraphrased and output as shown in FIG. 7B (S5). At this time, the processing can be automatically completed without intervention of the operation of the user 5.
- FIG. 8 is a flowchart exemplifying a process of paraphrase correction of a back-translated sentence in the translation device 2. The flowchart of FIG. 8 is executed after each sentence T1, T2, T3a is acquired in steps S1 to S3 of FIG.
- control unit 20 performs morphological analysis on each of the input sentence T1, the translated sentence T2, and the reverse translated sentence T3a (S11). Note that part or all of the processing in step S11 may be appropriately omitted.
- control unit 20 performs a process of detecting a paraphrase target in the back-translated sentence T3a (S12).
- the translated word in the back-translated sentence T3 which is considered to have deviated from the input sentence T1 due to the polysemous word in the translated sentence T2, is detected as a paraphrase target.
- step S12 the control unit 20 associates the words in each of the input sentence T1, the translated sentence T2, and the reverse translated sentence T3a with each other, and in the reverse translated sentence T3, the translated word " rugby" is detected.
- the “word” that is the processing target of the paraphrase correction may be one word or a morpheme, or may include a plurality of words or the like. Details of the process of step S12 will be described later.
- control unit 20 When the control unit 20 detects the paraphrase target translation word as a result of the process of step S12 (YES in S13), it replaces the paraphrase target translation word in the back-translated sentence T3 with the word in the corresponding input sentence T1 (S14). .. As a result, for example, the translated word “rugby” in the back-translated sentence T3 in the above example is paraphrased to “soccer”.
- step S14 determines whether the word after the replacement in step S14 is an inflection word (S15). For example, in the above example, "soccer" is a noun and not a conjugation word, so the control unit 20 proceeds to NO in step S15.
- the determination in step S15 may use the phrase to be paraphrased before the replacement in step S14.
- control unit 20 determines that the word after replacement is an inflection word (YES in S15), it performs inflection conversion processing (S16). In the present process, the control unit 20 performs conversion of the inflectional form, etc., on part or all of the words in the back-translated sentence after replacement, and smoothes the context of the replaced part. Details of the utilization conversion process (S16) will be described later.
- control unit 20 ends step S4 in FIG. 6 with the back-translated sentence T3 smoothed by the utilization conversion process as the correction result.
- step S5 after that, the back-translated sentence T3 of the correction result is output.
- step S14 becomes the correction result.
- step S4 the control unit 20 ends step S4 of FIG. 6 without performing the processes of steps S14 to S16.
- the back-translated sentence T3 displayed in step S5 is not particularly changed from the back-translated sentence T3a acquired in step S3.
- the translation deviation caused by the polysemous word in the translated sentence T2 is accurately corrected by the simple process of replacing the word/phrase of the input sentence T1. It is possible to obtain the translated back translation T3.
- step S15 when a conjugation word such as a verb is used as a paraphrase target, the inverse translation sentence T3 of the correction result can be made unnatural by the utilization conversion process (S16).
- the determination in step S15 may be omitted, and the control unit 20 may proceed to step S16 after step S14.
- FIG. 9 is a flowchart exemplifying the paraphrase target detection processing in the present embodiment.
- FIG. 10 is a diagram exemplifying an alignment table used in the paraphrase target detection processing of the present embodiment.
- the control unit 20 aligns the input sentence T1 and the translated sentence T2 (S21).
- Alignment is a process of organizing pairs of words that have a bilingual relationship between two sentences.
- the process of step S21 can be performed, for example, by associating words with higher attention scores (see Non-Patent Document 1) obtained during the translation process by the translation model 35.
- Words to be aligned are not limited to words, but can be set in various vocabulary granularities assumed in machine translation such as subwords based on Byte Pair Encoding.
- control unit 20 aligns the translated sentence T2 and the backward translated sentence T3a (S22).
- the process of step S22 can be performed using, for example, the attention score obtained during the back translation process.
- the order of the processes of steps S21 and S22 is not particularly limited.
- the control unit 20 generates an alignment table D3 as shown in FIG. 10, for example, as a processing result of steps S21 and S22 (S23).
- the alignment table D3 records the words/phrases in the input sentence T1, the words/phrases in the translated sentence T2, and the words/phrases in the back-translated sentence T3a in association with each other in the alignment data D30 for each identification number.
- FIG. 10 illustrates the case where the back-translated sentence T3a of the case number “1” of FIG. 7A is acquired in step S3 of FIG.
- the word “soccer” in the input sentence T1 the word “football” in the translated sentence T2
- the word “rugby” in the reverse translated sentence T3 are associated with each other.
- the control unit 20 may limit the recording to the table D3 to the paraphrase target candidates, or to a specific part of speech such as a noun and a verb.
- control unit 20 selects one alignment data D30 from the alignment table D3 in order of identification number, for example (S24).
- control unit 20 refers to the paraphrase target list D1 stored in the storage unit 21 and determines whether or not the selected alignment data D30 corresponds to the paraphrase target list D1 (S25).
- the determination in step S25 is that the words and phrases in the translated sentence in the alignment data D30 are included in the polysemous words in the paraphrase target list D1, and the words and phrases in the input sentence and the back-translated sentence in the data D30 are parallel translation vocabularies of the polysemous words. It is performed depending on whether it is included in.
- the control unit 20 when selecting the alignment data D30 with the identification number n2, the control unit 20 registers “football” registered as a polysemous word in the paraphrase list D1 of FIG. 3 and the corresponding bilingual vocabulary “soccer” and “rugby On the basis of ".”, the process proceeds to YES in step S25. On the other hand, if at least one of the phrase in the input sentence, the phrase in the translated sentence, and the phrase in the reverse translated sentence in the selected alignment data D30 is not included in the paraphrase target list D1, the control unit 20 returns NO in step S25. Proceed to.
- step S25 when the word of the input sentence in the alignment data D30 is the same as the word of the reverse translation sentence, the control unit 20 proceeds to NO in step S25.
- the determination in step S25 can be performed by ignoring the difference in the inflection form of each word. By the determination in step S25, the difference between the input sentence T1 and the back-translated sentence T3a due to the polysemous word is detected.
- the control unit 20 determines that the selected alignment data D30 corresponds to the paraphrase target list D1 (YES in S25)
- the word in the back-translated sentence in the alignment data D30 is specified as the paraphrase target (S26).
- the control unit 20 determines, for example, whether all the alignment data D30 in the alignment table D3 have been selected (S27). When there is the alignment data D30 that has not been selected (NO in S27), the control unit 20 performs the processing of step S21 and subsequent steps for the unselected alignment data. Thereby, it is detected whether or not each word/phrase in the reverse-translated text T3a is a paraphrase target.
- step S26 If the control unit 20 determines that the selected alignment data D30 does not correspond to the paraphrase target list D1 (NO in S25), the process of step S26 is not performed and the process proceeds to step S27.
- step S12 the paraphrase replacement is performed with the phrase specified as the paraphrase target as the detection result.
- the appropriate paraphrase target is accurately detected by referring to the paraphrase target list D1 and detecting the difference between the input sentence T1 and the back-translated sentence T3a due to the polysemous word (S25).
- the input sentence T1 is considered. It is considered unreasonable to paraphrase the reverse translated text T3. In such a case, since it does not correspond to the paraphrase target list D1 in step S25, it is possible to prevent erroneous detection as a paraphrase target.
- the attention score may be provided with a threshold value for associating or not.
- alignment may be performed by a method independent of the translation model 35 that executes the translation process, or a method in statistical machine translation such as an IBM model or a hidden Markov model may be adopted. In this case, when a mistranslation occurs, the mistranslation location can be excluded from the paraphrase target so that the mistranslation is not associated during the alignment process.
- FIG. 11 is a flowchart illustrating the utilization conversion process in this embodiment.
- FIG. 12 is a diagram for explaining the learned model D2 used in the utilization conversion processing of this embodiment. The flowchart of FIG. 11 is performed in a state in which the learned model D2 that has been machine-learned in advance is stored in the storage unit 21.
- the control unit 20 converts a part or the whole of the back-translated sentence after the replacement in step S14 of FIG. 8 into a sentence in which basic words in the inflection conversion are listed (S31).
- the sentence converted as in step S31 will be referred to as an “enumeration sentence”.
- the enumeration sentence is not limited to the basic form, and can be set to the enumeration form that is determined in advance.
- control unit 20 inputs the converted enumeration sentence into the learned model D2 (S32).
- the learned model D2 realizes a language process that outputs a fluent sentence when an enumerated sentence is input.
- FIG. 12 shows an example of language processing by the learned model D2.
- an enumeration sentence T31 including “keep”, “se”, “te”, “you” and “masu” is input to the learned model D2 as an enumeration of basic form words.
- the learned model D2 outputs a fluent sentence T32 "I will deposit you” based on the input enumeration sentence T31.
- control unit 20 executes language processing by the learned model D2, and acquires the back-translated sentence T3 of the correction result from the output of the learned model D2 (S33). As a result, the control unit 20 ends step S16 of FIG.
- the learned model D2 as described above can be configured similarly to a machine translator based on machine learning.
- various structures used as a machine translator such as various recurrent neural networks can be applied to the structure of the learned model D2.
- various enumeration sentences and fluent sentences instead of the parallel translation corpus used for the training data of the machine translator, various enumeration sentences and fluent sentences to the extent that the same contents as the enumeration sentences are desired to be output are associated with each other. This can be done by using the data.
- the translation device 2 includes the acquisition unit such as the operation unit 22 and the control unit 20.
- the acquisition unit acquires the input sentence T1 in the first language (S1).
- the control unit 20 controls machine translation of the input sentence T1 acquired by the acquisition unit.
- the control unit 20 acquires a translated sentence T2 indicating the result of machine translation of the input sentence T1 from the first language to the second language based on the input sentence T1 (S2), and based on the translated sentence T2,
- a back-translated sentence T3a indicating the result of machine translation of the translated sentence T2 from the second language to the first language is acquired (S3).
- the control unit 20 Based on the input sentence T1, the control unit 20 reverse-translates the acquired backward-translated sentence T3a so as to change the translated word corresponding to the polysemous word in the translated sentence T2 to the phrase corresponding to the polysemous word in the input sentence T1.
- the portion of the sentence T3a including the translated word is corrected (S4).
- the accuracy of the back-translated sentence T3 can be improved by a simple process of partially correcting the back-translated sentence T3a resulting from the machine translation in consideration of the input sentence T1.
- control unit 20 detects the difference between the acquired back-translated sentence T3a and the input sentence T1 according to the polysemous word in the translated sentence T2 (S25), and corrects the back-translated sentence T3a. ..
- a highly accurate back-translated sentence T3 can be obtained by detecting a portion deviated from the input sentence T1 due to the polysemous word of the translated sentence T2 and correcting the portion.
- the translation device 2 of the present embodiment further includes a storage unit 21 that stores a paraphrase target list D1 that is an example of a data list that associates a polysemous word in the second language with a translated word of the polysemous word in the first language. ..
- the control unit 20 refers to the paraphrase target list D1 and detects a difference according to the polysemous word (S25). By registering the polysemous word to be corrected in the paraphrase target list D1 in advance, the back-translated sentence T3a can be corrected accurately.
- control unit 20 replaces the translated word corresponding to the polysemous word in the acquired back-translated sentence T3a with the phrase corresponding to the polysemous word in the input sentence T1 (S14), and replaces it in the back-translated sentence T3a.
- the converted form of the portion including the phrase is converted to obtain the correction result of the reverse-translated sentence T3a (S16). Even when a conjugation word such as a verb is corrected as a paraphrase target, a highly accurate back-translated sentence T3 can be obtained.
- the control unit 20 inputs an enumeration sentence into the learned model D2 as an example of a sentence in which the portion including the replaced phrase in the back-translated sentence T3a is converted into a predetermined inflection (S32),
- the correction result of the back-translated sentence T3a is acquired from the output from the learned model D2 (S33).
- the learned model D2 is machine-learned so as to output a fluent sentence when a sentence in which a predetermined inflectional phrase in the first language is arranged is input. In the machine learning, the degree of fluency to be acquired by the learned model D2 can be set appropriately.
- the learned model D2 can output a sentence that is more fluent than a sentence in which words in a predetermined conjugation form are lined up.
- the reverse translated sentence T3 of the correction result can be obtained.
- the translation method of this embodiment is a method executed by a computer such as the translation device 2.
- the method includes a step of a computer acquiring an input sentence T1 in a first language, and a translation indicating a result of machine translation of the input sentence T1 from the first language to the second language based on the input sentence T1. It includes a step of acquiring the sentence T2 and a step of acquiring a back-translated sentence T3a indicating a result of machine translation of the translated sentence T2 from the second language to the first language based on the translated sentence T2.
- the computer changes the translated word corresponding to the polysemous word in the translated sentence T2 in the acquired back-translated sentence T3a to the phrase corresponding to the polysemous word in the input sentence T1 based on the input sentence T1. It includes a step of correcting a portion including a translated word in the reverse-translated sentence T3a.
- a program for causing a computer to execute the above translation method is provided. According to the above translation method, it is possible to improve the accuracy of the backward translated sentence T3 with respect to the translated sentence T2 in which the input sentence T1 is machine translated.
- the first embodiment has been described as an example of the technique disclosed in the present application.
- the technique in the present disclosure is not limited to this, and is also applicable to the embodiment in which changes, replacements, additions, omissions, etc. are appropriately made.
- the paraphrase target detection process (FIG. 9) for detecting the difference between the input sentence T1 and the back-translated sentence T3a, that is, the fluctuation of the meaning by using the paraphrase target list D1 has been described.
- a modification in which the paraphrase target list D1 is not used will be described with reference to FIGS. 13 to 15.
- FIG. 13 is a flowchart showing a modified example 1 of the paraphrase target detection process.
- FIG. 14 is a diagram for explaining the first modification of the paraphrase target detection process.
- the control unit 20 calculates the similarity between the word of the input sentence and the word of the back-translated sentence in the alignment data D30 (S25a). ..
- a word distributed expression such as Word2Vec or Glove can be used.
- the control unit 20 identifies it as a paraphrase target (S26).
- the predetermined threshold value is set to, for example, a value at which presence/absence of meaning is detected.
- FIG. 14 exemplifies the case where the word of the reverse translation sentence is “questionnaire” and the case of “questionnaire” with respect to the word “questionnaire” of the input sentence.
- the threshold value is set to "0.7”
- the similarity 0.8 is larger than the threshold value, and it is detected that the meaning does not fluctuate (NO in S25b).
- the similarity 0.8 is smaller than the threshold value, and it is detected that the meaning is fluctuated (YES in S25b).
- steps S21A and S22A for performing alignment a method is adopted in which, if there is a mistranslation as described above, the mistranslated portion is not associated.
- the fluctuation of the meaning detected in step S25b, that is, the difference between the input sentence T1 and the back-translated sentence T3a can be limited to the one caused by the translated sentence T2 instead of the mistranslation.
- FIG. 15 is a flowchart showing Modification Example 2 of the paraphrasing target detection process.
- a synonym dictionary is used instead of steps S25a and S25b (S28).
- the synonym dictionary registers, as synonyms, a group of words having similar meanings, such as “questionnaire” and “questionnaire” in the above example. Therefore, if the word of the input sentence and the word of the back-translated sentence in the alignment data D30 are not registered as synonyms in the synonym dictionary (NO in S28), the control unit 20 considers that there is fluctuation in meaning.
- WordNet WordNet or the like can be used as the synonym dictionary.
- the learned conversion model D2 which is machine-learned for conversion into fluent sentences, is used for the utilization conversion process (FIG. 11), but the utilization conversion process may be performed by another method.
- you may use the language model score showing the parameter
- the control unit 20 may calculate the language model score while transforming the inflectional form of the phrase replaced in step S14 based on the grammatical rule of the translation source language. .. At this time, the control unit 20 can select the inflectional sentence having the highest language model score and obtain the back-translated sentence T3 of the correction result.
- machine translation may be performed inside the translation device 2.
- a program similar to the translation model 35 may be stored in the storage unit 21 of the translation device 2 and the control unit 20 may execute the program.
- the translation device 2 of this embodiment may be a server device.
- the present disclosure can be applied to various machine translation-based translation devices, translation methods, and programs.
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Machine Translation (AREA)
Abstract
翻訳装置(2)は、取得部(22,24~26)と、制御部(20)とを備える。取得部は、第1の言語における入力文を取得する(S1)。制御部は、取得部によって取得された入力文に対する機械翻訳を制御する。制御部は、入力文に基づいて、第1の言語から第2の言語に入力文が機械翻訳された結果を示す翻訳文を取得し(S2)、翻訳文に基づいて、第2の言語から第1の言語に翻訳文が機械翻訳された結果を示す逆翻訳文を取得する(S3)。制御部は、入力文に基づいて、取得した逆翻訳文における翻訳文における多義語に対応する訳語を、入力文において当該多義語に対応する語句に変更するように、逆翻訳文において訳語を含む部分を補正する(S4)。
Description
本開示は、機械翻訳に基づく翻訳装置、翻訳方法およびプログラムに関する。
特許文献1は、ユーザが誤訳の検知および原文の誤訳箇所の修正を容易に行うための翻訳装置を開示している。特許文献1の翻訳装置は、入力された第1自然言語の原文を第2自然言語に翻訳した翻訳文を生成し、翻訳文を第1自然言語に翻訳した逆翻訳文を生成し、翻訳文及び逆翻訳文を原文と対応付けて表示する。この際、原文の形態素のうち第2自然言語の訳語の候補のリストである原文訳語候補リストが作成される。操作部でユーザからの指示を受け付けると、原文訳語候補リストから1の候補を選択し、選択した訳語を対応する形態素の訳語として用いて翻訳文及び逆翻訳文の再生成が行われる。特許文献1では、誤訳の修正のために逆翻訳文の生成が繰り返されている。
Dzmitry Bahdanau et al., "Neural Machine Translation by Jointly Learning to Align and Translate", arXiv preprint arXiv:1409.0473, September 2014.
本開示は、入力文が機械翻訳された翻訳文に対する逆翻訳文の精度を良くすることができる翻訳装置、翻訳方法及びプログラムを提供する。
本開示に係る翻訳装置は、取得部と、制御部とを備える。取得部は、第1の言語における入力文を取得する。制御部は、取得部によって取得された入力文に対する機械翻訳を制御する。制御部は、入力文に基づいて、第1の言語から第2の言語に入力文が機械翻訳された結果を示す翻訳文を取得し、翻訳文に基づいて、第2の言語から第1の言語に翻訳文が機械翻訳された結果を示す逆翻訳文を取得する。制御部は、入力文に基づいて、取得した逆翻訳文において翻訳文における多義語に対応する訳語を、入力文における当該多義語に対応する語句に変更するように、逆翻訳文において訳語を含む部分を補正する。
これらの概括的かつ特定の態様は、システム、方法、及びコンピュータプログラム、並びに、それらの組み合わせにより、実現されてもよい。
本開示に係る翻訳装置、翻訳方法及びプログラムによると、入力文が機械翻訳された翻訳文に対する逆翻訳文の精度を良くすることができる。
以下、適宜図面を参照しながら、実施の形態を詳細に説明する。但し、必要以上に詳細な説明は省略する場合がある。例えば、既によく知られた事項の詳細説明や実質的に同一の構成に対する重複説明を省略する場合がある。これは、以下の説明が不必要に冗長になるのを避け、当業者の理解を容易にするためである。
なお、出願人は、当業者が本開示を十分に理解するために添付図面および以下の説明を提供するのであって、これらによって特許請求の範囲に記載の主題を限定することを意図するものではない。
(実施形態1)
以下、図面を用いて、本開示の実施形態1を説明する。
以下、図面を用いて、本開示の実施形態1を説明する。
1.構成
1-1.システム概要
実施形態1に係る翻訳システムについて、図1を用いて説明する。図1は、本実施形態に係る翻訳システム1の概要を示す図である。
1-1.システム概要
実施形態1に係る翻訳システムについて、図1を用いて説明する。図1は、本実施形態に係る翻訳システム1の概要を示す図である。
本実施形態に係る翻訳システム1は、ユーザ5が利用する翻訳装置2と、各種の二言語間における機械翻訳を実行する翻訳サーバ3とを備える。本実施形態の翻訳システム1では、翻訳装置2は、インターネット等の通信ネットワーク10を介して翻訳サーバ3とデータ通信を行う。翻訳サーバ3は、例えばASPサーバである。翻訳システム1は、翻訳装置2を複数、含んでもよい。この場合、適宜、各翻訳装置2が送信するデータに自装置の識別情報を含めて、翻訳サーバ3は受信した識別情報が示す翻訳装置2にデータを送信できる。
本実施形態の翻訳システム1は、翻訳装置2において、ユーザ5が望む発話内容などの入力を受け付け、翻訳サーバ3において、入力された内容を翻訳元の言語で示す入力文T1を、所望の翻訳先の言語における翻訳文T2に機械翻訳する。本実施形態の翻訳装置2は、例えば図1に示すように、ユーザ5に見せるためのユーザ用の表示エリアA1に入力文T1を表示すると共に、ユーザ5の相手用の表示エリアA2に翻訳文T2を表示する。翻訳元の言語は第1の言語の一例であり、翻訳先の言語は第2の言語の一例である。第1及び第2の言語は、種々の自然言語に設定可能である。
例えば翻訳システム1の使用時に、ユーザ5は、入力文T1に対する機械翻訳の結果の翻訳文T2が意図した内容になっているかどうかを、翻訳元の言語で確認したいという要望がある。そこで、本実施形態の翻訳システム1は、例えば、翻訳文T2に対して翻訳サーバ3による機械翻訳を再度行って、翻訳文T2を翻訳元の言語に翻訳し直した逆翻訳文T3をユーザ用の表示エリアA1に表示させる。これにより、ユーザ5は、入力文T1と逆翻訳文T3とを見比べることで、翻訳文T2の内容確認を容易に行える。
以上のような翻訳システム1において、翻訳サーバ3による機械翻訳が誤訳なく成功している場合、入力文T1と逆翻訳文T3とは概ね合致し、互いの差異は軽微なものに留まることが期待される。本実施形態では、翻訳サーバ3における機械翻訳が成功しているにも拘わらず、入力文T1と逆翻訳文T3とが乖離するような事態を回避するべく、入力文T1を考慮して逆翻訳文T3の精度を向上させる翻訳装置2が提供される。
1-2.翻訳装置の構成
本実施形態の翻訳システム1における翻訳装置2の構成について、図2,図3を参照して説明する。図2は、翻訳装置2の構成を例示するブロック図である。
本実施形態の翻訳システム1における翻訳装置2の構成について、図2,図3を参照して説明する。図2は、翻訳装置2の構成を例示するブロック図である。
翻訳装置2は、例えばタブレット端末、スマートフォン又はPCなどの情報端末で構成される。図2に例示する翻訳装置2は、制御部20と、記憶部21と、操作部22と、表示部23と、機器インタフェース24と、ネットワークインタフェース25とを備える。以下、インタフェースを「I/F」と略記する。また、例えば翻訳装置2は、マイク26と、スピーカ27とを備える。
制御部20は、例えばソフトウェアと協働して所定の機能を実現するCPU又はMPUを含み、翻訳装置2の全体動作を制御する。制御部20は、記憶部21に格納されたデータ及びプログラムを読み出して種々の演算処理を行い、各種の機能を実現する。例えば、制御部20は、本実施形態の翻訳方法における翻訳装置2の処理を実現するための命令群を含んだプログラムを実行する。上記のプログラムは、通信ネットワーク10等から提供されてもよいし、可搬性を有する記録媒体に格納されていてもよい。
なお、制御部20は、所定の機能を実現するように設計された専用の電子回路又は再構成可能な電子回路などのハードウェア回路であってもよい。制御部20は、CPU、MPU、GPU、GPGPU、TPU、マイコン、DSP、FPGA及びASIC等の種々の半導体集積回路で構成されてもよい。
記憶部21は、翻訳装置2の機能を実現するために必要なプログラム及びデータを記憶する記憶媒体である。記憶部21は、図2に示すように、格納部21a及び一時記憶部21bを含む。
格納部21aは、所定の機能を実現するためのパラメータ、データ及び制御プログラム等を格納する。格納部21aは、例えばHDD又はSSDで構成される。例えば、格納部21aは、上記のプログラム、言い換え対象リストD1、及び学習済みモデルD2などを格納する。
図3は、翻訳装置2における言い換え対象リストD1を説明するための図である。言い換え対象リストD1は、後述する逆翻訳文の言い換え補正(図6参照)において言い換え対象となる候補を挙げたリストである。言い換え対象リストD1は、翻訳先の言語(例えば英語)における多義語と、翻訳元の言語(例えば日本語)における対訳語彙とを関連付けて登録している。
図2に戻り、一時記憶部21bは、例えばDRAM又はSRAM等のRAMで構成され、データを一時的に記憶(即ち保持)する。例えば、一時記憶部21bは、入力文及び翻訳文並びに、後述するユーザ情報などを保持する。また、一時記憶部21bは、制御部20の作業エリアとして機能してもよく、制御部20の内部メモリにおける記憶領域で構成されてもよい。
操作部22は、ユーザが操作を行うユーザインタフェースである。操作部22は、表示部23と共にタッチパネルを構成してもよい。操作部22はタッチパネルに限らず、例えば、キーボード、タッチパッド、ボタン及びスイッチ等であってもよい。操作部22は、ユーザの操作によって入力される諸情報を取得する取得部の一例である。
表示部23は、例えば、液晶ディスプレイ又は有機ELディスプレイで構成される出力部の一例である。表示部23は、例えば上述した各表示エリアA1,A2を含む画像を表示する。また、表示部23は、操作部22を操作するための各種アイコン及び操作部22から入力された情報など、各種の情報を表示してもよい。
機器I/F24は、翻訳装置2に外部機器を接続するための回路である。機器I/F24は、所定の通信規格にしたがい通信を行う通信部の一例である。所定の規格には、USB、HDMI(登録商標)、IEEE1395、WiFi、Bluetooth(登録商標)等が含まれる。機器I/F24は、翻訳装置2において外部機器に対し、諸情報を受信する取得部あるいは送信する出力部を構成してもよい。
ネットワークI/F25は、無線または有線の通信回線を介して翻訳装置2を通信ネットワーク10に接続するための回路である。ネットワークI/F25は所定の通信規格に準拠した通信を行う通信部の一例である。所定の通信規格には、IEEE802.3,IEEE802.11a/11b/11g/11ac等の通信規格が含まれる。ネットワークI/F25は、翻訳装置2において通信ネットワーク10を介して、諸情報を受信する取得部あるいは送信する出力部を構成してもよい。
マイク26は、音声を収音し、音声データを生成する取得部の一例である。翻訳装置2は、音声認識機能を有してもよく、例えばマイク26によって生成された音声データを音声認識して、テキストデータに変換してもよい。
スピーカ27は、音声データを音声出力する出力部の一例である。翻訳装置2は、音声合成機能を有してもよく、例えば機械翻訳に基づくテキストデータを音声合成して、スピーカ27から音声出力してもよい。
以上のような翻訳装置2の構成は一例であり、翻訳装置2の構成はこれに限らない。翻訳装置2は、情報端末に限らない各種のコンピュータで構成されてもよい。また、翻訳装置2における取得部は、制御部20等における各種ソフトウェアとの協働によって実現されてもよい。翻訳装置2における取得部は、各種記憶媒体(例えば格納部21a)に格納された諸情報を制御部20の作業エリア(例えば一時記憶部21b)に読み出すことによって、諸情報の取得を行うものであってもよい。
1-3.翻訳サーバの構成
本実施形態の翻訳システム1における各種サーバ3,11,12のハードウェア構成の一例として、翻訳サーバ3の構成を、図4を参照して説明する。図4は、本実施形態における翻訳サーバ3の構成を例示するブロック図である。
本実施形態の翻訳システム1における各種サーバ3,11,12のハードウェア構成の一例として、翻訳サーバ3の構成を、図4を参照して説明する。図4は、本実施形態における翻訳サーバ3の構成を例示するブロック図である。
図4に例示する翻訳サーバ3は、演算処理部30と、記憶部31と、通信部32とを備える。翻訳サーバ3は、一つ又は複数のコンピュータで構成される。
演算処理部30は、例えばソフトウェアと協働して所定の機能を実現するCPU及びGPU等を含み、翻訳サーバ3の動作を制御する。演算処理部30は、記憶部31に格納されたデータ及びプログラムを読み出して種々の演算処理を行い、各種の機能を実現する。
例えば、演算処理部30は、本実施形態において機械翻訳を実行する翻訳モデル35のプログラムを実行する。翻訳モデル35は、例えば各種のニューラルネットワークで構成される。翻訳モデル35は、例えば、所謂アテンション機構に基づき二言語間の機械翻訳を実現するアテンションニューラル機械翻訳モデルで構成される(例えば非特許文献1参照)。翻訳モデル35は、多言語間で共有されるモデルであってもよいし、翻訳元と翻訳先の言語毎に異なるモデルを含んでもよい。演算処理部30は、翻訳モデル35の機械学習を行うためのプログラムを実行してもよい。上記の各プログラムは、通信ネットワーク10等から提供されてもよいし、可搬性を有する記録媒体に格納されていてもよい。
なお、演算処理部30は、所定の機能を実現するように設計された専用の電子回路又は再構成可能な電子回路などのハードウェア回路であってもよい。演算処理部30は、CPU、GPU、TPU、MPU、マイコン、DSP、FPGA及びASIC等の種々の半導体集積回路で構成されてもよい。
記憶部31は、翻訳サーバ3の機能を実現するために必要なプログラム及びデータを記憶する記憶媒体であり、例えばHDD又はSSDを含む。また、記憶部31は、例えばDRAM又はSRAM等を含み、演算処理部30の作業エリアとして機能してもよい。記憶部31は、例えば翻訳モデル35のプログラム、及び機械学習に基づき翻訳モデル35を規定する種々のパラメータ群を記憶する。パラメータ群は、例えばニューラルネットワークの各種重みパラメータを含む。
通信部32は、所定の通信規格にしたがい通信を行うためのI/F回路であり、通信ネットワーク10又は外部機器等に翻訳サーバ3を通信接続する。所定の通信規格には、IEEE802.3,IEEE802.11a/11b/11g/11ac、USB、HDMI、IEEE1395、WiFi、Bluetooth等が含まれる。
翻訳システム1における翻訳サーバ3は上記の構成に限定されず、種々の構成を有してもよい。本実施形態の翻訳方法は、クラウドコンピューティングにおいて実行されてもよい。
2.動作
以上のように構成される翻訳システム1及び翻訳装置2の動作について、以下説明する。
以上のように構成される翻訳システム1及び翻訳装置2の動作について、以下説明する。
2-1.全体動作
本実施形態に係る翻訳システム1の動作について、図1,図5を用いて説明する。図5は、翻訳システム1の動作を説明するための図である。
本実施形態に係る翻訳システム1の動作について、図1,図5を用いて説明する。図5は、翻訳システム1の動作を説明するための図である。
本実施形態の翻訳システム1は、ユーザ5の所望の入力文T1を翻訳装置2から入力する。翻訳システム1において、翻訳サーバ3は、翻訳装置2から入力文T1及び翻訳先の言語等を示す情報を受信して、翻訳元の言語から入力文T1を翻訳先の言語に機械翻訳する翻訳処理を実行する。翻訳処理は、例えば翻訳装置2からの情報を翻訳モデル35に入力して実行される。翻訳サーバ3は、翻訳処理の結果として翻訳文T2を生成し、翻訳装置2に送信する。
また、本実施形態において、翻訳サーバ3は、翻訳文T2を機械翻訳して翻訳元の言語に戻す逆翻訳処理を行う。逆翻訳処理は、例えば翻訳サーバ3が翻訳装置2から翻訳文T2及び翻訳元の言語等を示す情報を受信することにより、上記の翻訳処理と同様に実行可能である。翻訳サーバ3は、逆翻訳処理の結果として逆翻訳文T3aを生成し、翻訳装置2に送信する。翻訳装置2では、ユーザ5に対する翻訳結果の出力が行われる。
以上のような翻訳システム1の動作の一例を図5に示す。以下では、翻訳元の言語が日本語であり、翻訳先の言語が英語である例を説明する。
図5の例では、「ここでお預かりします」という入力文T1に対して翻訳処理が行われ、その結果、「I will take it here.」という翻訳文T2が生成されている。また、当該翻訳文T2に対して逆翻訳処理が行われ、その結果、「ここで取らせていただきます。」という逆翻訳文T3aが生成されている。
本例において、翻訳文T2は、特に誤訳なく入力文T1を正確に翻訳しており、翻訳サーバ3による翻訳処理は成功している。また、逆翻訳文T3aも、特に誤訳なく翻訳文T2を正確に翻訳しており、逆翻訳処理も成功している。しかしながら、逆翻訳文T3a中の「取ら」と入力文T1中の「預かり」とによると、逆翻訳文T3aと入力文T1とはかけ離れたこと意味するように乖離している。
上記のように入力文T1から乖離した逆翻訳文T3aによると、翻訳サーバ3による翻訳処理も逆翻訳処理も個別には成功しているにも拘わらず、ユーザ5に、機械翻訳が失敗したとの誤解を与えてしまう事態が懸念される。このような事態は、翻訳文T2中の「take」のように、複数の語義を有する多義語が含まれることに起因すると考えられる。
そこで、本実施形態の翻訳装置2は、翻訳文T2中の多義語に起因して入力文T1から異なった逆翻訳文T3a中の部分について、入力文T1を考慮して言い換えるように補正する。図5に、補正後の逆翻訳文T3を例示する。
図5の例において、補正後の逆翻訳文T3は、「ここで預からせていただきます。」というように、入力文T1とは言い回しが異なるものの、意味的には乖離しておらず、整合している。本実施形態の翻訳装置2は、このような補正結果の逆翻訳文T3をユーザ用の表示エリアA1(図1)に表示することで、上記のようなユーザの誤解を回避することができる。以下、翻訳装置2の動作の詳細を説明する。
2-2.翻訳装置の動作
本実施形態に係る翻訳装置2の動作の詳細を、図6~図7Bを参照して説明する。
本実施形態に係る翻訳装置2の動作の詳細を、図6~図7Bを参照して説明する。
図6は、本実施形態に係る翻訳装置2の動作を示すフローチャートである。図7Aは、翻訳装置2の動作において取得される各種情報を例示する表である。図7Bは、図7Aの情報に基づく補正結果の逆翻訳文T3を例示する表である。
図6に示すフローチャートの各処理は、翻訳装置2の制御部20によって実行される。本フローチャートは、例えば、ユーザ5の操作に応じて開始される。
まず、翻訳装置2の制御部20は、例えばユーザ5による操作部22の操作により、入力文T1を取得する(S1)。ステップS1の処理は、操作部22に限らず、マイク26、ネットワークI/F23或いは機器I/F24など各種の取得部を用いて行われてもよい。例えば、マイク26からのユーザ5の発話音声等が音声入力されてもよく、音声認識に基づき入力文T1が取得されてもよい。図7Aに、種々のケースにおいてステップS1で取得される入力文T1を例示する。
次に、制御部20は、ネットワークI/F23を介して、取得した入力文T1を含む情報を翻訳サーバ3に送信し、翻訳サーバ3からの応答として翻訳文T2を取得する(S2)。翻訳サーバ3は、翻訳文T2と共に各種付加情報を翻訳装置2に送信できる。例えば、付加情報として、翻訳処理時のアテンションスコアを含めることができる。図7Aに、各ケースの入力文T1に応じた翻訳文T2を例示する。本例の翻訳文T2は、太字で示すように多義語を含んでいる。
次に、制御部20は、翻訳サーバ3からネットワークI/F23を介して、翻訳文T2に対する逆翻訳処理の結果として生成される逆翻訳文T3aを取得する(S3)。図7Aに、入力文T1及び翻訳文T2に応じて生成される逆翻訳文T3aを例示する。本例の逆翻訳文T3aは、多義語に起因して入力文T1から乖離している。
次に、制御部20は、取得した入力文T1及び翻訳文T2に基づいて、逆翻訳文の言い換え補正を行う(S4)。逆翻訳文の言い換え補正は、取得された逆翻訳文T3aを、入力文T1を考慮して言い換えるように補正する処理である。図7Aの例の逆翻訳文T3aに対する言い換え補正後の逆翻訳文T3を、図7Bに示す。ステップS4における逆翻訳文の言い換え補正の処理については後述する。
次に、制御部20は、翻訳システム1における翻訳結果の出力として、入力文T1、翻訳文T2および補正後の逆翻訳文T3を表示部23に表示させる(S5)。翻訳結果は、表示部23における表示に限らず、スピーカ27からの音声出力あるいは外部機器へのデータ送信など、種々の手段で出力可能である。
翻訳装置2の制御部20は、翻訳結果の出力により(S5)、本フローチャートによる処理を終了する。
以上の翻訳装置2の動作によると、図7Aに示すように翻訳文T2中の多義語に起因して入力文T1から乖離した逆翻訳文T3aが、逆翻訳文の言い換え補正(S4)により、図7Bに示すように自動的に言い換えて出力される(S5)。この際、ユーザ5の操作等を介在させず自動的に処理を完結することができる。
2-2-1.逆翻訳文の言い換え補正について
図6のステップS4における逆翻訳文の言い換え補正(図6のS4)の処理を、図8を参照して説明する。
図6のステップS4における逆翻訳文の言い換え補正(図6のS4)の処理を、図8を参照して説明する。
図8は、翻訳装置2における逆翻訳文の言い換え補正の処理を例示するフローチャートである。図8のフローチャートは、図6のステップS1~S3において各文T1,T2,T3aが取得された後に実行される。
まず、制御部20は、例えば入力文T1、翻訳文T2及び逆翻訳文T3aの各々に関する形態素解析を行う(S11)。なお、ステップS11における処理の一部又は全部は適宜、省略されてもよい。
次に、制御部20は、逆翻訳文T3aにおける言い換え対象の検出処理を行う(S12)。本処理では、翻訳文T2中の多義語に起因して入力文T1から乖離したと考えられる、逆翻訳文T3中の訳語が、言い換え対象として検出される。
例えば、図7Aにおけるケース番号「1」の例では、翻訳文T2中の「football」が多義語であることから、逆翻訳文T3中で対応する単語「ラグビー」と、入力文T1中で対応する単語「サッカー」とが異なっている。ステップS12において、制御部20は、入力文T1と、翻訳文T2と、逆翻訳文T3aとの各々における語句の間の対応付けを行って、上記の逆翻訳文T3中で言い換え対象の訳語「ラグビー」を検出する。なお、言い換え補正の処理対象とする「語句」は、1つの単語或いは形態素であってもよいし、複数の単語等を含んでもよい。ステップS12の処理の詳細については後述する。
制御部20は、ステップS12の処理の結果、言い換え対象の訳語を検出すると(S13でYES)、逆翻訳文T3において言い換え対象の訳語を、対応する入力文T1中の単語に置換する(S14)。これにより、例えば上記の例において逆翻訳文T3中の訳語「ラグビー」が、「サッカー」に言い換えられる。
ここで、ステップS14の処理が、動詞および形容詞などの活用語に適用されると、文章中で置換された語句の前後の繋がり等が不自然になる場合が考えられる。そこで、例えば制御部20は、ステップS14の置換後の語句が活用語であるか否かを判断する(S15)。例えば、上記の例では、「サッカー」が名詞であって活用語でないことから、制御部20は、ステップS15でNOに進む。なお、ステップS15の判断は、ステップS14における置換前の言い換え対象の語句を用いてもよい。
制御部20は、置換後の語句が活用語であると判断した場合(S15でYES)、活用変換処理を行う(S16)。本処理において、制御部20は、置換後の逆翻訳文の一部又は全部の語句に活用形の変換等を行って、置換された部分の前後関係をスムージングする。活用変換処理(S16)の詳細は後述する。
制御部20は、活用変換処理によってスムージングされた逆翻訳文T3を補正結果として、図6のステップS4を終了する。その後のステップS5において、補正結果の逆翻訳文T3が出力される。
一方、制御部20は、置換後の語句が活用語でないと判断した場合(S15でNO)、活用変換処理(S16)を行わずに、図6のステップS4を終了する。この場合、ステップS14の置換結果が補正結果となる。
また、言い換え対象が検出されなかった場合(S13でNO)、制御部20は、ステップS14~S16の処理を行わずに、図6のステップS4を終了する。この場合、ステップS5で表示される逆翻訳文T3は、ステップS3で取得された逆翻訳文T3aから特に変更されないこととなる。
以上の処理によると、逆翻訳処理で生成された逆翻訳文T3aにおいて、翻訳文T2中の多義語に起因する訳出のずれを、入力文T1の語句に置換する簡単な処理によって、精度良く補正された逆翻訳文T3を得ることができる。
また、動詞等の活用語を言い換え対象とした場合も、活用変換処理(S16)により、補正結果の逆翻訳文T3を不自然でないものにすることができる。なお、ステップS15の判断は省略されてもよく、制御部20はステップS14後にステップS16に進んでもよい。
2-2-2.言い換え対象の検出処理
実施形態1における言い換え対象の検出処理(図8のS12)の詳細を、図9,図10を用いて説明する。以下では、図3の言い換え対象リストD1を参照して行われる処理例を説明する。
実施形態1における言い換え対象の検出処理(図8のS12)の詳細を、図9,図10を用いて説明する。以下では、図3の言い換え対象リストD1を参照して行われる処理例を説明する。
図9は、本実施形態における言い換え対象の検出処理を例示するフローチャートである。図10は、本実施形態の言い換え対象の検出処理に用いるアライメントテーブルを例示する図である。
まず、制御部20は、入力文T1と翻訳文T2間のアライメントを取る(S21)。アライメントは、二文間で対訳の関係にある語句の組を整理する処理である。ステップS21の処理は、例えば、翻訳モデル35による翻訳処理時に得られるアテンションスコア(非特許文献1参照)が、より高い語句同士を対応付けることによって行える。アライメントを取る語句としては、特に単語に限らず、Byte Pair Encodingに基づくサブワード等の機械翻訳において想定される各種の語彙粒度において設定可能である。
また、制御部20は、翻訳文T2と逆翻訳文T3a間のアライメントを取る(S22)。ステップS22の処理は、例えば、逆翻訳処理時に得られるアテンションスコアを用いて行うことができる。なお、ステップS21,S22の処理の順序は特に限定されない。
制御部20は、ステップS21,S22の処理結果として、例えば図10に示すようにアライメントテーブルD3を生成する(S23)。アライメントテーブルD3は、識別番号毎のアライメントデータD30において、入力文T1中の語句と、翻訳文T2中の語句と、逆翻訳文T3a中の語句とを対応付けて記録する。
図10の例は、図6のステップS3において、図7Aのケース番号「1」の逆翻訳文T3aが取得された場合を例示している。本例では識別番号n2のアライメントデータD30において、入力文T1中の単語「サッカー」と、翻訳文T2中の単語「football」と、逆翻訳文T3中の単語「ラグビー」とが互いに対応付けられている。ステップS23において、制御部20は、当該テーブルD3への記録を、言い換え対象の候補に制限してもよく、例えば名詞及び動詞といった特定の品詞に制限してもよい。
図9に戻り、制御部20は、アライメントテーブルD3から、例えば識別番号において順番に、1つのアライメントデータD30を選択する(S24)。
次に、制御部20は、記憶部21に格納された言い換え対象リストD1を参照して、選択中のアライメントデータD30が、言い換え対象リストD1に該当するか否かを判断する(S25)。ステップS25の判断は、アライメントデータD30における翻訳文中の語句が、言い換え対象リストD1における多義語に含まれ、且つ同データD30における入力文中及び逆翻訳文中の各語句が、それぞれ当該多義語の対訳語彙に含まれるか否かに応じて行われる。
例えば、上記の識別番号n2のアライメントデータD30の選択時に、制御部20は、図3の言い換え対象リストD1における多義語に登録された「football」と、対応する対訳語彙の「サッカー」及び「ラグビー」とに基づき、ステップS25でYESに進む。一方、選択中のアライメントデータD30における入力文中の語句と翻訳文中の語句と逆翻訳文中の語句とのうちの少なくとも1つが言い換え対象リストD1に含まれていない場合、制御部20はステップS25でNOに進む。
また、アライメントデータD30における入力文の単語と逆翻訳文の単語とが同じ場合も、制御部20はステップS25でNOに進む。ステップS25の判断は、各単語の活用形の違い等は特に無視して行うことができる。ステップS25の判断により、多義語に起因する入力文T1と逆翻訳文T3aとの差異が検知される。
制御部20は、選択中のアライメントデータD30が言い換え対象リストD1に該当すると判断すると(S25でYES)、当該アライメントデータD30における逆翻訳文中の語句を、言い換え対象として特定する(S26)。
制御部20は、例えばアライメントテーブルD3における全てのアライメントデータD30が選択されたか否かを判断する(S27)。選択されていないアライメントデータD30がある場合(S27でNO)、制御部20は、未選択のアライメントデータに関してステップS21以降の処理を行う。これにより、逆翻訳文T3a中の各々の語句が言い換え対象か否か検出される。
なお、制御部20は、選択中のアライメントデータD30が言い換え対象リストD1に該当しないと判断すると(S25でNO)、ステップS26の処理を行わず、ステップS27に進む。
制御部20は、アライメントテーブルD3における全てのアライメントデータD30の選択後(S27YES)、図8のステップS12を終了する。その後のステップS14では、言い換え対象として特定された語句を検出結果として、言い換えの置換が行われる。
以上の処理によると、言い換え対象リストD1を参照して、多義語に起因する入力文T1と逆翻訳文T3aとの差異を検知することにより(S25)、適切な言い換え対象を精度良く検出することができる。
例えば、入力文T1から翻訳文T2の翻訳処理が失敗し、翻訳文T2に誤訳があることに起因して、入力文T1と逆翻訳文T3とが乖離した場合に、入力文T1を考慮して逆翻訳文T3を言い換えることが不当であると考えられる。このような場合には、ステップS25で言い換え対象リストD1に該当しないことから、言い換え対象として誤検出されないようにすることができる。
ステップS21,S22の処理において、アテンションスコアに、対応付けの可否のためのしきい値が設けられてもよい。また、翻訳処理を実行する翻訳モデル35とは独立した方法でアライメントを取ってもよく、IBMモデル或いは隠れマルコフモデルといった統計的機械翻訳における手法が採用されてもよい。この場合、誤訳が生じた際にはアライメントの処理時に対応付けされないようにして、誤訳箇所を言い換え対象から外すことができる。
2-2-3.活用変換処理
実施形態1における活用変換処理(図8のS16)の詳細を、図11,図12を用いて説明する。以下では、不自然な文章から流暢な文章への変換を機械学習させた学習済みモデルD2により、活用変換処理を実現する例を説明する。
実施形態1における活用変換処理(図8のS16)の詳細を、図11,図12を用いて説明する。以下では、不自然な文章から流暢な文章への変換を機械学習させた学習済みモデルD2により、活用変換処理を実現する例を説明する。
図11は、本実施形態における活用変換処理を例示するフローチャートである。図12は、本実施形態の活用変換処理に用いる学習済みモデルD2を説明するための図である。図11のフローチャートは、予め機械学習が行われた学習済みモデルD2が、記憶部21に格納された状態で行われる。
まず、制御部20は、図8のステップS14による置換後の逆翻訳文の一部又は全体を、活用変換における基本形の単語が羅列された文章に変換する(S31)。以下、ステップS31のように変換された文章を「羅列文」という。なお、羅列文は基本形に限らず、予め定めた活用形の羅列に設定可能である。
次に、制御部20は、変換した羅列文を学習済みモデルD2に入力する(S32)。学習済みモデルD2は、羅列文を入力すると流暢な文章を出力する言語処理を実現する。図12に、学習済みモデルD2による言語処理の一例を示す。
図12の例では、基本形の単語の羅列として「預かる」と「せ」と「て」と「いただく」と「ます」とを含む羅列文T31が学習済みモデルD2に入力される。本例において、学習済みモデルD2は、入力された羅列文T31に基づいて、「預からせていただきます」という流暢な文章T32を出力する。
次に、制御部20は、学習済みモデルD2による言語処理を実行して、学習済みモデルD2の出力により、補正結果の逆翻訳文T3を取得する(S33)。これにより、制御部20は、図8のステップS16を終了する。
以上の活用変換処理によると、学習済みモデルD2の言語処理により、置換後の逆翻訳文の不自然さを解消するスムージングを実現して、流暢な逆翻訳文T3を得ることができる。
以上のような学習済みモデルD2は、機械学習に基づく機械翻訳機と同様に構成できる。例えば、学習済みモデルD2の構造には、各種リカレントニューラルネットワークなど、機械翻訳機として用いられる種々の構造が適用可能である。また、当該モデル35の機械学習は、機械翻訳機の訓練データに用いる対訳コーパスの代わりに、種々の羅列文と、当該羅列文と同じ内容について出力させたい程度に流暢な文章とを互いに関連付けたデータを用いることにより、実施できる。
3.まとめ
以上のように、本実施形態に係る翻訳装置2は、操作部22などの取得部と、制御部20とを備える。取得部は、第1の言語における入力文T1を取得する(S1)。制御部20は、取得部によって取得された入力文T1に対する機械翻訳を制御する。制御部20は、入力文T1に基づいて、第1の言語から第2の言語に入力文T1が機械翻訳された結果を示す翻訳文T2を取得し(S2)、翻訳文T2に基づいて、第2の言語から第1の言語に翻訳文T2が機械翻訳された結果を示す逆翻訳文T3aを取得する(S3)。制御部20は、入力文T1に基づいて、取得した逆翻訳文T3aにおいて翻訳文T2における多義語に対応する訳語を、入力文T1における当該多義語に対応する語句に変更するように、逆翻訳文T3aにおいて訳語を含む部分を補正する(S4)。
以上のように、本実施形態に係る翻訳装置2は、操作部22などの取得部と、制御部20とを備える。取得部は、第1の言語における入力文T1を取得する(S1)。制御部20は、取得部によって取得された入力文T1に対する機械翻訳を制御する。制御部20は、入力文T1に基づいて、第1の言語から第2の言語に入力文T1が機械翻訳された結果を示す翻訳文T2を取得し(S2)、翻訳文T2に基づいて、第2の言語から第1の言語に翻訳文T2が機械翻訳された結果を示す逆翻訳文T3aを取得する(S3)。制御部20は、入力文T1に基づいて、取得した逆翻訳文T3aにおいて翻訳文T2における多義語に対応する訳語を、入力文T1における当該多義語に対応する語句に変更するように、逆翻訳文T3aにおいて訳語を含む部分を補正する(S4)。
以上の翻訳装置2によると、機械翻訳の結果の逆翻訳文T3aを、入力文T1を考慮して部分的に補正する簡単な処理により、逆翻訳文T3の精度を良くすることができる。
本実施形態において、制御部20は、取得した逆翻訳文T3aおよび入力文T1の間で翻訳文T2中の多義語に応じた差異を検知して(S25)、逆翻訳文T3aの補正を行う。これにより、翻訳文T2の多義語に起因して入力文T1から乖離した部分を検知して、当該部分を補正することにより、精度の良い逆翻訳文T3を得ることができる。
本実施形態の翻訳装置2は、第2の言語における多義語と、第1の言語における多義語の訳語とを関連付けたデータリストの一例である言い換え対象リストD1を記憶する記憶部21をさらに備える。制御部20は、言い換え対象リストD1を参照して、多義語に応じた差異を検知する(S25)。補正したい多義語を予め言い換え対象リストD1に登録しておくことで、逆翻訳文T3aの補正を精度良く行える。
本実施形態において、制御部20は、取得した逆翻訳文T3aにおいて多義語に対応する訳語を、入力文T1において当該多義語に対応する語句に置換し(S14)、逆翻訳文T3aにおいて置換された語句を含む部分の活用形を変換して、逆翻訳文T3aの補正結果を取得する(S16)。動詞などの活用語を言い換え対象として補正した場合にも、精度の良い逆翻訳文T3を得られる。
本実施形態において、制御部20は、逆翻訳文T3aにおいて置換された語句を含む部分が所定の活用形に変換された文章の一例として羅列文を学習済みモデルD2に入力して(S32)、学習済みモデルD2からの出力によって逆翻訳文T3aの補正結果を取得する(S33)。学習済みモデルD2は、第1の言語における所定の活用形の語句が並んだ文章を入力すると、流暢な文章を出力するように機械学習されている。当該機械学習においては適宜、学習済みモデルD2に獲得させる流暢さの程度を設定可能である。例えば、学習済みモデルD2は、所定の活用形の語句が並んだ文章よりも流暢な文章を出力可能である。学習済みモデルD2により得られる流暢な文章T31において補正結果の逆翻訳文T3を得ることができる。
本実施形態の翻訳方法は、翻訳装置2などのコンピュータによって実行される方法である。本方法は、コンピュータが、第1の言語における入力文T1を取得するステップと、入力文T1に基づいて、第1の言語から第2の言語に入力文T1が機械翻訳された結果を示す翻訳文T2を取得するステップと、翻訳文T2に基づいて、第2の言語から第1の言語に翻訳文T2が機械翻訳された結果を示す逆翻訳文T3aを取得するステップとを含む。本方法は、コンピュータが、入力文T1に基づいて、取得した逆翻訳文T3aにおいて翻訳文T2における多義語に対応する訳語を、入力文T1において当該多義語に対応する語句に変更するように、逆翻訳文T3aにおいて訳語を含む部分を補正するステップを含む。
本実施形態では、以上の翻訳方法をコンピュータに実行させるためのプログラムが提供される。以上の翻訳方法によると、入力文T1が機械翻訳された翻訳文T2に対する逆翻訳文T3の精度を良くすることができる。
(他の実施形態)
以上のように、本出願において開示する技術の例示として、実施形態1を説明した。しかしながら、本開示における技術は、これに限定されず、適宜、変更、置換、付加、省略などを行った実施の形態にも適用可能である。また、上記各実施形態で説明した各構成要素を組み合わせて、新たな実施の形態とすることも可能である。そこで、以下、他の実施形態を例示する。
以上のように、本出願において開示する技術の例示として、実施形態1を説明した。しかしながら、本開示における技術は、これに限定されず、適宜、変更、置換、付加、省略などを行った実施の形態にも適用可能である。また、上記各実施形態で説明した各構成要素を組み合わせて、新たな実施の形態とすることも可能である。そこで、以下、他の実施形態を例示する。
上記の実施形態1では、言い換え対象リストD1を用いて入力文T1と逆翻訳文T3aとの間の差異すなわち意味の揺れを検知する言い換え対象の検出処理(図9)を説明した。言い換え対象リストD1は用いない変形例について、図13~図15を用いて説明する。
図13は、言い換え対象の検出処理の変形例1を示すフローチャートである。図14は、言い換え対象の検出処理の変形例1を説明するための図である。本変形例では、図9と同様の処理において、ステップS25の代わりに、制御部20は、アライメントデータD30における入力文の単語と逆翻訳文の単語との間の類似度を算出する(S25a)。類似度の算出には、例えばWord2Vec或いはGloveなどの単語分散表現を利用することができる。
制御部20は、算出した類似度が所定のしきい値未満である場合(S25bでYES)、言い換え対象として特定する(S26)。所定のしきい値は、例えば意味の揺れの有無が検知される値に設定される。図14では、入力文の単語「アンケート」に対して、逆翻訳文の単語が「質問票」の場合と「問診票」の場合とを例示している。例えばしきい値を「0.7」に設定すると、前者では、類似度0.8がしきい値よりも大きく、意味の揺れがないと検知される(S25bでNO)。一方、後者では、類似度0.8がしきい値よりも小さく、意味の揺れがあると検知される(S25bでYES)。
また、本変形例では、アライメントを行うステップS21A,S22Aにおいて、上述したように誤訳がある場合には誤訳箇所が対応付けされない手法が採用される。本変形例によると、ステップS25bで検知される意味の揺れ、即ち入力文T1と逆翻訳文T3a間の差異を、誤訳ではなく翻訳文T2に起因するものに制限することができる。
図15は、言い換え対象の検出処理の変形例2を示すフローチャートである。本変形例では、図13と同様の処理において、ステップS25a,S25bの代わりに、類義語辞書を用いる(S28)。類義語辞書は、例えば上記の例の「アンケート」と「問診票」のように、意味が類似した語群を類義語として登録している。そこで、制御部20は、アライメントデータD30中の入力文の単語と逆翻訳文の単語とが類義語辞書に類義語として登録されていない場合(S28でNO)、意味の揺れがあると考えられることから、言い換え対象として特定する(S26)。類義語辞書としては、例えばWordNetなどを用いることができる。
上記の実施形態では、活用変換処理(図11)に、流暢な文章への変換を機械学習させた学習済みモデルD2を用いたが、他の方法で活用変換処理を行ってもよい。例えば、文章中で隣り合う単語の共起性を表す指標を表す言語モデルスコアを用いてもよい。例えば、制御部20は、図11のフローチャートの代わりに、ステップS14で置換された語句の活用形を、翻訳元の言語の文法ルールに基づき活用を変形させながら言語モデルスコアを計算してもよい。この際、制御部20は、最も言語モデルスコアが高い活用形の文章を選出して、補正結果の逆翻訳文T3を得ることができる。
また、上記の各実施形態では、翻訳装置2の外部の翻訳サーバ3において機械翻訳が行われる例を説明した。本実施形態では、翻訳装置2の内部で機械翻訳が行われてもよい。例えば、翻訳装置2の記憶部21に翻訳モデル35と同様のプログラムを格納しておき、制御部20が当該プログラムを実行してもよい。また、本実施形態の翻訳装置2は、サーバ装置であってもよい。
以上のように、本開示における技術の例示として、実施の形態を説明した。そのために、添付図面および詳細な説明を提供した。
したがって、添付図面および詳細な説明に記載された構成要素の中には、課題解決のために必須な構成要素だけでなく、上記技術を例示するために、課題解決のためには必須でない構成要素も含まれ得る。そのため、それらの必須ではない構成要素が添付図面や詳細な説明に記載されていることをもって、直ちに、それらの必須ではない構成要素が必須であるとの認定をするべきではない。
また、上述の実施の形態は、本開示における技術を例示するためのものであるから、特許請求の範囲またはその均等の範囲において、種々の変更、置換、付加、省略などを行うことができる。
本開示は、各種の機械翻訳に基づく翻訳装置、翻訳方法およびプログラムに適用可能である。
Claims (7)
- 第1の言語における入力文を取得する取得部と、
前記取得部によって取得された入力文に対する機械翻訳を制御する制御部と
を備え、
前記制御部は、
前記入力文に基づいて、前記第1の言語から第2の言語に前記入力文が機械翻訳された結果を示す翻訳文を取得し、
前記翻訳文に基づいて、前記第2の言語から前記第1の言語に前記翻訳文が機械翻訳された結果を示す逆翻訳文を取得し、
前記入力文に基づいて、取得した逆翻訳文において前記翻訳文における多義語に対応する訳語を、前記入力文における当該多義語に対応する語句に変更するように、前記逆翻訳文において前記訳語を含む部分を補正する
翻訳装置。 - 前記制御部は、取得した逆翻訳文および入力文の間で前記翻訳文中の多義語に応じた差異を検知して、前記逆翻訳文の補正を行う
請求項1に記載の翻訳装置。 - 前記第2の言語における多義語と、前記第1の言語における前記多義語の訳語とを関連付けたデータリストを記憶する記憶部をさらに備え、
前記制御部は、前記データリストを参照して、前記多義語に応じた差異を検知する
請求項2に記載の翻訳装置。 - 前記制御部は、
取得した逆翻訳文において前記多義語に対応する訳語を、前記入力文において当該多義語に対応する語句に置換し、
前記逆翻訳文において置換された語句を含む部分の活用形を変換して、前記逆翻訳文の補正結果を取得する
請求項1~3のいずれか1項に記載の翻訳装置。 - 前記制御部は、前記逆翻訳文において置換された語句を含む部分が所定の活用形に変換された文章を学習済みモデルに入力して、前記学習済みモデルからの出力によって前記逆翻訳文の補正結果を取得し、
前記学習済みモデルは、前記第1の言語における前記所定の活用形の語句が並んだ文章を入力すると、流暢な文章を出力するように機械学習された
請求項4に記載の翻訳装置。 - コンピュータによって実行される翻訳方法であって、
第1の言語における入力文を取得するステップと、
前記入力文に基づいて、前記第1の言語から第2の言語に前記入力文が機械翻訳された結果を示す翻訳文を取得するステップと、
前記翻訳文に基づいて、前記第2の言語から前記第1の言語に前記翻訳文が機械翻訳された結果を示す逆翻訳文を取得するステップと、
前記入力文に基づいて、取得した逆翻訳文において前記翻訳文における多義語に対応する訳語を、前記入力文における当該多義語に対応する語句に変更するように、前記逆翻訳文において前記訳語を含む部分を補正するステップと
を含む翻訳方法。 - 請求項6に記載の翻訳方法をコンピュータに実行させるためのプログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020566156A JPWO2020149069A1 (ja) | 2019-01-15 | 2019-12-16 | 翻訳装置、翻訳方法およびプログラム |
CN201980087217.1A CN113228028A (zh) | 2019-01-15 | 2019-12-16 | 翻译装置、翻译方法以及程序 |
US17/354,211 US20210312144A1 (en) | 2019-01-15 | 2021-06-22 | Translation device, translation method, and program |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019-004402 | 2019-01-15 | ||
JP2019004402 | 2019-01-15 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
US17/354,211 Continuation US20210312144A1 (en) | 2019-01-15 | 2021-06-22 | Translation device, translation method, and program |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2020149069A1 true WO2020149069A1 (ja) | 2020-07-23 |
Family
ID=71613302
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/JP2019/049200 WO2020149069A1 (ja) | 2019-01-15 | 2019-12-16 | 翻訳装置、翻訳方法およびプログラム |
Country Status (4)
Country | Link |
---|---|
US (1) | US20210312144A1 (ja) |
JP (1) | JPWO2020149069A1 (ja) |
CN (1) | CN113228028A (ja) |
WO (1) | WO2020149069A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230095352A1 (en) * | 2022-05-16 | 2023-03-30 | Beijing Baidu Netcom Science Technology Co., Ltd. | Translation Method, Apparatus and Storage Medium |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016071439A (ja) * | 2014-09-26 | 2016-05-09 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America | 翻訳方法及び翻訳システム |
WO2018110096A1 (ja) * | 2016-12-13 | 2018-06-21 | パナソニックIpマネジメント株式会社 | 翻訳装置および翻訳方法 |
JP2018195248A (ja) * | 2017-05-22 | 2018-12-06 | パナソニックIpマネジメント株式会社 | 翻訳表示装置、コンピュータ端末及び翻訳表示方法 |
JP2018206356A (ja) * | 2017-06-08 | 2018-12-27 | パナソニックIpマネジメント株式会社 | 翻訳情報提供方法、翻訳情報提供プログラム、及び翻訳情報提供装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5521816A (en) * | 1994-06-01 | 1996-05-28 | Mitsubishi Electric Research Laboratories, Inc. | Word inflection correction system |
US20070016401A1 (en) * | 2004-08-12 | 2007-01-18 | Farzad Ehsani | Speech-to-speech translation system with user-modifiable paraphrasing grammars |
JP4064413B2 (ja) * | 2005-06-27 | 2008-03-19 | 株式会社東芝 | コミュニケーション支援装置、コミュニケーション支援方法およびコミュニケーション支援プログラム |
CA2675208A1 (en) * | 2007-01-10 | 2008-07-17 | National Research Council Of Canada | Means and method for automatic post-editing of translations |
JP5100445B2 (ja) * | 2008-02-28 | 2012-12-19 | 株式会社東芝 | 機械翻訳する装置および方法 |
DE102016114265A1 (de) * | 2016-08-02 | 2018-02-08 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zum zumindest teilweise maschinellen Transferieren einer in einer Quellsprache abgefassten Wortfolge in eine Wortfolge einer Zielsprache |
-
2019
- 2019-12-16 CN CN201980087217.1A patent/CN113228028A/zh active Pending
- 2019-12-16 WO PCT/JP2019/049200 patent/WO2020149069A1/ja active Application Filing
- 2019-12-16 JP JP2020566156A patent/JPWO2020149069A1/ja active Pending
-
2021
- 2021-06-22 US US17/354,211 patent/US20210312144A1/en not_active Abandoned
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016071439A (ja) * | 2014-09-26 | 2016-05-09 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America | 翻訳方法及び翻訳システム |
WO2018110096A1 (ja) * | 2016-12-13 | 2018-06-21 | パナソニックIpマネジメント株式会社 | 翻訳装置および翻訳方法 |
JP2018195248A (ja) * | 2017-05-22 | 2018-12-06 | パナソニックIpマネジメント株式会社 | 翻訳表示装置、コンピュータ端末及び翻訳表示方法 |
JP2018206356A (ja) * | 2017-06-08 | 2018-12-27 | パナソニックIpマネジメント株式会社 | 翻訳情報提供方法、翻訳情報提供プログラム、及び翻訳情報提供装置 |
Also Published As
Publication number | Publication date |
---|---|
JPWO2020149069A1 (ja) | 2021-11-25 |
US20210312144A1 (en) | 2021-10-07 |
CN113228028A (zh) | 2021-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8655643B2 (en) | Method and system for adaptive transliteration | |
US8935150B2 (en) | Dynamic generation of auto-suggest dictionary for natural language translation | |
US8494837B2 (en) | Active learning systems and methods for rapid porting of machine translation systems to new language pairs or new domains | |
US9098488B2 (en) | Translation of multilingual embedded phrases | |
US9916306B2 (en) | Statistical linguistic analysis of source content | |
CN105468585A (zh) | 机器翻译装置和机器翻译方法 | |
JP6227179B1 (ja) | 翻訳支援システム等 | |
WO2009101833A1 (ja) | 機械翻訳装置、機械翻訳方法、及びプログラム | |
US20150081273A1 (en) | Machine translation apparatus and method | |
Chang et al. | Time-aware ancient Chinese text translation and inference | |
US20150088486A1 (en) | Written language learning using an enhanced input method editor (ime) | |
US20210312144A1 (en) | Translation device, translation method, and program | |
WO2019225028A1 (ja) | 翻訳装置、システム、方法及びプログラム並びに学習方法 | |
KR20200017600A (ko) | 번역 서비스 제공 장치 및 방법 | |
WO2014169857A1 (zh) | 数据处理装置、数据处理方法以及电子设备 | |
Fuzianti et al. | Translation machine: an introduction | |
KR102437008B1 (ko) | 번역 서비스 제공 장치 및 방법 | |
KR102653880B1 (ko) | 번역 품질 평가 장치 및 방법 | |
Doan | Comparing Encoder-Decoder Architectures for Neural Machine Translation: A Challenge Set Approach | |
Grazina | Automatic Speech Translation | |
Ahmadnia et al. | Augmented spanish-persian neural machine translation [augmented spanish-persian neural machine translation] | |
Ahmadnia et al. | Augmented Spanish-Persian Neural Machine Translation. | |
Rohil et al. | An Interactive System leveraging Automatic Speech Recognition and Machine Translation for learning Hindi as a Second Language | |
Ye et al. | Using Bilingual Segments to Improve Interactive Machine Translation | |
KR20220074528A (ko) | 인공지능 학습 방법을 포함하는 자동 번역 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 19910901 Country of ref document: EP Kind code of ref document: A1 |
|
ENP | Entry into the national phase |
Ref document number: 2020566156 Country of ref document: JP Kind code of ref document: A |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
122 | Ep: pct application non-entry in european phase |
Ref document number: 19910901 Country of ref document: EP Kind code of ref document: A1 |