Não Aqui!

Slav Petrov; Aria Haghighi; Dan Klein. Coarse-to-Fine Syntactic Machine Translation using Language Projections.

SCFGに基づく翻訳モデルは，n-gram言語モデルを用いない限り，CKYアルゴリズムに類似したアルゴリズムで翻訳ができるので，非常に効率がよい．しかし，n-gram言語モデルを組み合わせようとすると，探索空間が非常に広くなり，計算量が急増する．この問題に対処するため，翻訳先の言語モデルをbi-gramからスタートし，候補を絞ってからtri-gram言語モデルを導入する方法が提案されている（Zhang and Gildea, 2008）．しかし，bi-gram言語モデルと組み合わせるだけでも，計算量はかなり膨大になる．

本論文は，計算量の増大が起こる原因として，「翻訳先の言語の可能な候補（単語）が多すぎること」に着目し，翻訳先の言語モデルの単語をクラスタリングする．翻訳文をデコードするときは，クラスタ数が少ない言語モデル（最小では16 unigrams, or 4096 tri-grams）からデコードを開始し，徐々に言語モデルのクラスタ数を増やしていく，マルチパス・デコーディングを行う．クラスタリング方法としては，ランダムクラスタリング，頻度クラスタリング，HMMクラスタリング，JClusterを試し，HMMクラスタリング，JClusterが低いパープレキシティを達成した．また，翻訳の評価実験では，１回のデコーディングだけで翻訳を行うベースラインと比較して，粒度の異なる言語モデルを用いた複数回のデコーディングを行う方が，翻訳速度，翻訳精度ともに向上することを示した．

プレゼンは，プログレッシブJPEGのように，最初はぼやーっとぼけている文字がだんだんとはっきりしていくアニメーションで，すごく分かりやすかった．