ピボット言語を用いたインドネシア諸語の対訳辞書生成

インドネシアの多くの言語は、オーストロネシア語族に属しており、同じ祖語を持つ非常に類似した言語です。 この言語間の新しい対訳辞書（たとえば、マレー語とミナンカバウ語）を作成するために、 二つの対訳辞書（マレー語とインドネシア語の対訳辞書とミナンカバウ語とインドネシア語の対訳辞書）に共通のピボット言語（インドネシア語）で， 各辞書の対訳ペアを繋いだネットワークを生成し、両端の単語ペア（kutukan（マレー語）とkiparaik（ミナンカバウ語））を対訳ペアとして抽出します。 しかし、ピボット言語の単語が多義語の場合（sumpah（インドネシア語）は宣誓、約束、呪いといった意味を持つ）、 意味の異なる単語ペア（kutukan（マレー語）とjanji（ミナンカバウ語））が抽出される可能性がある。 そこで、対称なトポロジーの単語ペアのみを抽出することで精度を向上させます。

[Arbi H. Nasution, Yohei Murakami Toru Ishida. A Generalized Constraint Approach to Bilingual Dictionary Induction for Low-Resource Language Families, ACM Transactions on Asian and Low-Resource Language Information Processing, Vol. 17, No. 2, pp. 9:1-29, 2018.,
Arbi H. Nasution, Yohei Murakami Toru Ishida. Plan Optimization to Bilingual Dictionary Induction for Low-Resource Language Families, ACM Transactions on Asian and Low-Resource Language Information Processing, Vol. 20, No. 2, pp. 29:1-28, 2020.]

ニューラルネットワークを用いたインドネシア諸語の対訳辞書生成

オーストロネシア語族に属しているインドネシアの多くの言語は、非常に類似しています。 これらの非常に類似した言語は、同じ祖語の単語から派生した同根語と呼ばれる単語を持ちます。 同根語は各言語の発音の発達に伴い、同じ単語から言語ごとに派生していくため、 同根語の発音は言語間で規則的な変化（単語の最後のoがaに変わるなど）が見られる場合があります。 この規則的な変化をニューラルネットワークで学習し、一方の言語の単語にこの規則を適用することで、訳語を生成することを目指します。 また、獲得された規則の類似性から言語間の派生関係などの仮説を生成し、比較言語学へ寄与することも目指します。

非中央集権型のニューラル機械翻訳

高精度のニューラル機械翻訳を構築するには、大規模な高品質の対訳データが必要となります。 しかし、このような対訳データの構築には多大なコストが生じるため、一組織では構築が困難です。 また、異なる組織が作成した対訳データを収集するにも、著作権の問題があり、集約がなかなか進みません。 そこで、対訳データを一カ所に集約して学習するのではなく、各データ所有者の下で対訳データを学習してモデルを生成し、 そのモデルを連邦制で連携させる連邦学習を用いることで、非中央集権型のニューラル機械翻訳の構築を目指します。

発表情報: 北川勘太朗, 張禹王, 村上陽平. マルチエージェント強化学習を用いたニューラル機械翻訳の連携, 情報処理通信学会総合大会, 2024