特許ウォッチ

公開番号2025061382
公報種別公開特許公報(A)
公開日2025-04-10
出願番号2025006004,2022556765
出願日2025-01-16,2020-10-14
発明の名称単語対応装置、学習装置、単語対応方法、学習方法、及びプログラム
出願人日本電信電話株式会社
代理人弁理士法人ITOH
主分類G06F 40/44 20200101AFI20250403BHJP(計算;計数)
要約【課題】従来技術よりも少量の教師データから、従来技術よりも高精度な教師あり単語対応を実現する。
【解決手段】単語対応装置において、第一言語文と第二言語文とを入力とし、前記第一言語文と前記第二言語文との間の言語横断のスパン予測問題を生成する問題生成部と、言語横断のスパン予測問題とその回答からなる正解データを用いて作成した言語横断スパン予測モデルを用いて、前記スパン予測問題の回答となるスパンを予測するスパン予測部とを備える。
【選択図】図1
特許請求の範囲【請求項１】
第一言語文と第二言語文とを入力とし、前記第二言語文に含まれ、前記第一言語文に含まれる第一単語に対応する第一スパンを、スパン予測モデルを用いて予測するスパン予測部を備え、
前記スパン予測モデルは、第一言語文に含まれる第一単語と、第二言語文と、を少なくとも入力とし、入力された第二言語文に含まれ、第一単語に対応するスパンを正解データとして用いた学習を行うことにより得られたモデルである
単語対応装置。
続きを表示（約 1,200 文字）【請求項２】
第一言語文と第二言語文とを入力とし、前記第二言語文に含まれ、前記第一言語文に含まれる第一単語に対応する第一スパンを、スパン予測モデルを用いて予測するスパン予測部を備え、
前記スパン予測モデルは、教師あり学習を行うことにより得られたモデルである
単語対応装置。
【請求項３】
前記スパン予測部は更に、前記スパン予測モデルを用いて、第一言語文に含まれ、前記第二言語文に含まれる第二単語に対応する第二スパンを予測する
請求項１に記載の単語対応装置。
【請求項４】
前記第一スパンの予測結果と、前記第二スパンの予測結果とに基づいて、第一言語文に含まれる単語と第二言語文に含まれる単語との対応付けを行う単語対応生成部
を更に備える請求項３に記載の単語対応装置。
【請求項５】
前記第一単語と文脈情報とが所定の記号により区別される
請求項１に記載の単語対応装置。
【請求項６】
単語対応情報と、第一言語文と、第二言語文と、を入力として、前記第一言語文に含まれる単語に対応する、前記第二言語文に含まれるスパンである正解を生成する問題回答生成部と、
前記正解を有する学習データを用いて、スパン予測モデルの学習を行う学習部と
を備える学習装置。
【請求項７】
前記第一言語文における単語と文脈情報とが所定の記号により区別される
請求項６に記載の学習装置。
【請求項８】
単語対応装置が実行する単語対応方法であって、
第一言語文と第二言語文とを入力とし、前記第二言語文に含まれ、前記第一言語文に含まれる第一単語に対応する第一スパンを、スパン予測モデルを用いて予測するスパン予測ステップを備え、
前記スパン予測モデルは、第一言語文に含まれる第一単語と、第二言語文と、を少なくとも入力とし、入力された第二言語文に含まれ、第一単語に対応するスパンを正解データとして用いた学習を行うことにより得られたモデルである
単語対応方法。
【請求項９】
単語対応装置が実行する単語対応方法であって、
第一言語文と第二言語文とを入力とし、前記第二言語文に含まれ、前記第一言語文に含まれる第一単語に対応する第一スパンを、スパン予測モデルを用いて予測するスパン予測ステップを備え、
前記スパン予測モデルは、教師あり学習を行うことにより得られたモデルである
単語対応方法。
【請求項１０】
学習装置が実行する学習方法であって、
単語対応情報と、第一言語文と、第二言語文と、を入力として、前記第一言語文に含まれる単語に対応する、前記第二言語文に含まれるスパンである正解を生成する問題回答生成ステップと、
前記正解を有する学習データを用いて、スパン予測モデルの学習を行う学習ステップと
を備える学習方法。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本発明は、互いに翻訳になっている２文間の単語対応を同定する技術に関連するものである。
続きを表示（約 1,400 文字）【背景技術】
【０００２】
互いに翻訳になっている二つの文において互いに翻訳になっている単語又は単語集合を同定することを単語対応（ｗｏｒｄａｌｉｇｎｍｅｎｔ）という。
【０００３】
互いに翻訳になっている二つの文を入力とし、自動的に単語対応を同定する技術には、多言語処理や機械翻訳に関連する様々な応用がある。例えば、ある言語（例えば英語）の文において付与された人名・地名・組織名等の固有表現に関する注釈を、単語対応に基づいて別の言語（例えば日本語）へ翻訳された文へ写像することにより、その言語の固有表現抽出器の学習データを生成することができる。
【０００４】
従来の単語対応付けは、統計的機械翻訳で用いられた参考文献［１］に記載のモデルに基づいて、対訳データに関する統計情報から互いに翻訳になっている単語対を同定する方法が主流であった。なお、参考文献については、本明細書の最後にまとめて記載している。
【先行技術文献】
【非特許文献】
【０００５】
Elias Stengel-Eskin, Tzu ray Su, Matt Post, and Benjamin Van Durme. A Discriminative Neural Model for Cross-Lingual Word Alignment. In Proceedings of the EMNLP-IJCNLP-2019, pp.910-920, 2019.
【発明の概要】
【発明が解決しようとする課題】
【０００６】
機械翻訳については、ニューラルネットワークを用いる手法により、統計的な手法に比べて大幅な精度向上を達成している。しかし、単語対応では、ニューラルネットワークを用いる手法による精度は、統計的な手法による精度と同等かわずかに上回る程度しかなかった。
【０００７】
非特許文献１に開示されている従来のニューラル機械翻訳モデルに基づく教師あり単語対応は、統計的機械翻訳モデルに基づく教師なし単語対応に比べて精度が高い。しかし、統計的機械翻訳モデルに基づく方法も、ニューラル機械翻訳モデルに基づく方法も、翻訳モデルの学習のために大量（数百万文程度）の対訳データを必要とするという問題点があった。
【０００８】
本発明は上記の点に鑑みてなされたものであり、従来技術よりも少量の教師データから、従来技術よりも高精度な教師あり単語対応を実現することを目的とする。
【課題を解決するための手段】
【０００９】
開示の技術によれば、第一言語文と第二言語文とを入力とし、前記第二言語文に含まれ、前記第一言語文に含まれる第一単語に対応する第一スパンを、スパン予測モデルを用いて予測するスパン予測部を備え、
前記スパン予測モデルは、第一言語文に含まれる第一単語と、第二言語文と、を少なくとも入力とし、入力された第二言語文に含まれ、第一単語に対応するスパンを正解データとして用いた学習を行うことにより得られたモデルである
単語対応装置が提供される。
【発明の効果】
【００１０】
開示の技術によれば、従来技術よりも少量の教師データから、従来技術よりも高精度な教師あり単語対応を実現できる。
【図面の簡単な説明】
（【００１１】以降は省略されています）

関連特許