スライド .dl.itc.u-.ppt

移行派原理主義の問題点 レベルが上がるにつれて構造が大きくなる。それでも言語AからBへ移行できるのは、 部分の意味は一度決まると、それを組み合わせることで全体の意味が決まるという構成性原理を前提にしてるからなのだが…… 言語A,B間で単語の対応は一意的でない。 湯、水　? water 一方の言語にしか存在しない文法的性質や機能語あり 冠詞、名詞の性 それでも複雑な変換表を作ればなんとかごまかせるかも 移行派原理主義の問題点 最も深刻なのは 意味の文脈依存性 名詞の単数、複数の区別のない言語Aからある言語Bへ変換するには、文脈情報が必要。しかも文脈の数は無限。 デフォールトを単数に変換し、文脈で証拠が出れば複数と変換。 「けっこうです」?”thank you” or “no thank you” デフォールトでは解けない！？ 記号について-- 少し視野を広げ人工知能の視点から-- 記号と公理系から閉じた知識体系を作る（前記ヴィトゲンシュタイン) 記号はそれ自体でひとつの存在。記号を用いた推論は、想定する集合上での操作として定義できる（外延的論理） 80年代までの人口知能はこの路線だった。なにしろ、入出力が貧弱で計算機の外側の世界と通信できなかったから しかし、限定目的の貧弱なシステムしか作れなかった。（エキスパートシステム） 80年代後半から外界とのインタラクションが重視されるようになった。 ロボットにおける subsumption architecture 分散知能 エージェント（これは現在ではソフトウェア工学） 文脈情報を考慮した記号処理への動き 記号は、 a. コアになる意味 b. 文脈に依存した、つまり言語使用における意味 からなる。 そこで、b.を考慮するために事例を大量に集めて事例ベース翻訳が考案された。 翻訳事例 「太郎は小説を読んだ」 vs “Taro read a novel” には太郎＝人間、小説＝文字メディア、という文脈によって「読む」を規定する力あり。 しかし、それにしても個々の単語のコアな意味は予め与えないと動かない。 文脈情報を考慮した記号処理への動き 単語の意味 単語の意味を要素に分解して表現する方法（80年代） Kill = cause (someone (alive ? death)) 何を基本要素におけば十分なのか？ 90年代以降の主流は その単語が使われた文脈に共起する単語で意味の曖昧さを解消する。 大規模コーパス（２０ヶ月分のNYタイムス）で、 capital の資本、首都の意味の曖昧さ解消などが９０％の精度でできた。 未知語の翻訳も文脈に共起する単語の類似性を使って推定する方法が提案されている。 経験主義あるいはデータ主義 文脈あるいは言語使用における意味というデータ主導の方法をもっとラディカルにするのが経験主義 IBMの統計的機械翻訳（90年代初頭） 人間でも気がつかないような英仏の言い回しの翻訳を純粋に機械的手法（統計的機械学習）で発見した。 EM, ビタビ探索など 大量のメモリと高速な計算機 大量の質のよい翻訳文の対(教師データ） これがなかなか簡単に入手できない 現実には、質の悪い翻訳対データでなんとかしないと 対訳でない場合。同じ内容について、あるいは同じトピックについての述べている２言語コーパス 基本語彙の辞書くらいはある 計算機は早いし、記憶容量も大きいとは言え 機械学習パラダイムもなんとなく出尽くした？？ 人間との共同作業？？ 補遺：2言語コーパスからの対訳抽出 Parallel Corpus（平行、対訳コーパス） Aligned Corpus: 種々の研究あり。要はどのようにして2つの言語のコーパスにおける文、単語、複合語、句を 対応付ける(align) するかに集中。 ９０年代前半にきれいな2言語対訳コーパスを対象にした多数の研究があり。 ９０年代後半に、Noisy Parallel Corpus　への展開が試みられた (Fung94,Fung98) 二言語コーパスからの対訳抽出 -- Aligned corpus の場合-- 対訳コーパスからの対応文のペアを求める Gale and Church 1993 2言語の文書　S,Tから対応付け(Alignment) Aを求める。 SとTの対応する文のペアを bead という。 例 B=(言語　language), B=(les eaux mineral, mineral water) Alignment=argmaxA P(A|S,T)= argmaxA P(A,S,T) Bkは 文書先頭からk番目の構造（名詞句などのようなもの） 対訳コーパスからの対応文のペアを求める 例 B=(言語