| 1 はじめに | |
| 2 パタン対収集の方法 | |
| 2.1 和英辞書を参照する方法 | |
| 2.2 日本語辞書の語義を参照する方法 | |
| 2.3 人の知識を内省する方法 | |
| 3 パタン対収集方法の評価 | |
| 3.1 用例数とパタン対数の比較 | |
| 3.2 必要なパタン数と用例数の見積もり | |
| 4 おわりに | |
| ＜謝辞＞ | |
| ＜参考文献＞ |
意味解析技術の重要性が指摘されているが, 機械翻訳では, 動詞と名詞の意味的共起を結合価パタンとして記述し, それを原言語と目的言語で対にしたパタン対(構文意味辞書)の使用が有効であることが 知られている。 この方法には, パタン記述精度とパタン対収集の2つの課題がある。
パタン記述精度の問題については, 日英機械翻訳では, 名詞の意味属性を2,000種類以上に分類すれば, 日本語の用言を訳し分けるのに必要なパタン対が記述できることが 知られている[池原93]。
パタン対収集の問題についても, 種々のヒューリスティックスや学習技術を応用した方法が提案されている。 例えば, 黒橋らは例文とシソーラスを用いて文型を同定する方法を提案し, 精度は人手作成の方法と同等以上である可能性を示している[黒橋92]。 また, アルモアリムらは学習技術を用いたバタン対の自動抽出方法を提案し, 6動詞に対し各27〜80の対訳用例を用いたパタン対の抽出実験に 成功している[Almuallim 94a][Almuallim 94b]。 しかし, 日英翻訳では使用頻度の高い和語動詞のパタン対の機械学習だけで 1,000万ペアの単純な日英対訳文が必要であると言われており[金田94], 作成すべきパタン対の総数が不明であること, パタン対の網羅的収集に必要な単純な用例を多数収集するのは困難であることなどの基本的な問題が 未解決である。
これに対し, 訓練されたアナリストであれば, 類推により1例文から1パタンを作成することが期待される。 そこで本稿では, 人手による3つのパタン対作成方法を実験し, 日英機械翻訳にはどれだけの数のパタン対が必要か, どのようにすれば作成できるかについて和語動詞1,000語を中心に検討する。 そして, その結果を踏まえることにより, パタン対全体の必要数についての推定を試みる。
結合価パタンを記述するには, 格要素となる名詞が2,000種類以上に分類されている 必要がある[池原93]。 本稿ではこの条件を満たしている日英翻訳システムALT-J/E[池原89]の 枠組みを対象にパタン対の作成方法を検討する。
(1) パタン対収集の方法
パタン対を収集する第1の方法として人間用の辞書の使用が考えられる。 和英辞書には, 日本語の語句に対し, 語義ごとに対応する英語の語句, 語法, 例文などが記載されている。 従って, 用言の頂目に対する語法や例文を分析し, 格要素, 副詞要素などの日本語側の制約条件を整理すれば, パタン対を作成することができる。
数冊の和英辞書から得たパタン対は, 当初, 汎用パタン対10,000件, 慣用パタン対5,000件であった[池原93」。 その後, 類似の汎用パタン対の統合や慣用パタン対の一部の汎用パタン対化により, 汎用パタン対10,000件と慣用パタン対3,000件から成る構文意味辞書が 完成した[横尾94]。
(3) 翻訳実験における充足性
この構文意味辞書を使用して, 情報処理装置関連の仕様書(1,361文)の翻訳実験を行なったところ, 試験文中に現れた用言の種類は142件で, 辞書から使用されたパタン対は, 120用言に対する154件であった。 試験文中の22の用言(22パタン)はパタン対が登緑されておらず, 23の用言に対しては合計25のパタン対が 不足していることがわかった[白井94a]。 中でも, パタン対が不足している用言は, 単語当たりの語義の多い和語動詞が多く見られた。
(1)パタン対収集の方法
和語動詞は語義が多いため, パタン対を網羅的に収集するのは容易でない。 和語動詞については, 従来, 日本の言語学者(20名あまり)を中心に, その語義と対応する用例を収集分析する研究が進められており, 漢字表記の推らぎを除く861動詞に対して, 語義と語義毎の用例がIPAL動詞辞書[IPA 87]としてまとめられている。
そこで, 第2の方法としてこの辞書を使用したパタン対の収集を考える。 具体的には, IPAL動詞辞書の各語義に示されている用例文に対し, 日本語原文に忠実で, かつ英語として十分通用する英訳文を翻訳家に作成してもらい, その対訳から構文意味辞書に登緑するパタン対の収集を試みる[白井94b]。
(2) 収集されたパタン対の数
上記の方法では, 861の和語動詞に対して, 5,243文(和文75,000字, 英文40,000語)の例文が得られた。 現在, パタン作成作業は, 実施中であるが, これらのうちの740動詞に対する4,500例文から1,290パタン対が新規に作成され, 既存のパタン対のうち, 410件が修正された。 逆に, 第1の方法で得られたパタン対には, 第2の方法では得られないものがかなり多く含まれていることもわかった。
これらの結果から, 第1の方法, 第2の方法のいずれの場合にも, 得られたパタン対には欠落が多いことがわかる。
(3) 追加拡充の程度
IPAL用例辞書は, 日本語動詞の語義分類に基づいて, 用例が作成されている。 従って, 日英翻訳用のパタン対の観点からは, 日本語動詞の語義とパタン対との対応関係(1語義が1パタンに対応するか)が問題となる。 そこで, 日本語の語義の多い代表的な4動詞について, 語義とパタン対の対応関係を調査した(表1[白井94b])。 その結果によれば, 両者が1対1に対応するものは, 4割にとどまり, 両者は必ずしも対応しないことがわかった。 即ち, IPAL辞書の語義分類は, 英語に訳出する上では必ずしも適切でないことを意味している。 日英翻訳では, 日本語と英語の意味的対応関係に即して, 日本語を分類する必要のあることがわかる。
| 分類動詞 | 「語義」対「パタン対」の関係 | 合計 | ||||
| 1対1 | 1対n | m対1 | m対n | 保留 | ||
| あがる | 8 | 5 | 1 | 3 | 1 | 18 |
| あげる | 14 | 2 | 1 | 1 | 3 | 21 |
| だす | 8 | 9 | 5 | 4 | 1 | 27 |
| でる | 13 | 3 | 10 | 4 | 2 | 32 |
| 合計 | 43 43.9% | 19 19.4% | 17 17.3% | 12 12.2% | 7 7.1% | 98 100% |
(1)パタン対収集の方法
前節までの結果から, 人間用の和英辞書, 日本語辞書の双方からパタン対を収集しても, まだ十分な数が得られないことがわかった。 日本語例文とパタン対の関係を観察したところ, 同じ動詞を使用していても, 動詞の使われ方のニュアンスが異なるときに, 新たな英語パタンが必要となる場合が多いことに気づく。 そこで第3の方法として, 英語の理解できる日本人が辞書等を手がかりにして自分の知織を引き出し, 日本語としてニュアンスの異なる用法を可能な限り列挙するという方法で用例の収集を 試みることにした。
列挙する用例は, 作業にかける時間にもよるが, ある程度の時間以上考えても用例が思い浮かばなくなるまで抽出することとした。 用例数の具体的な抽出目標数としては, いくつかの動詞に対する試行結果に基づき, IPAL動詞辞書の語義数の3〜4倍に設定した。 また, これらの日本語用例に対する英訳は, 3.2節と同様に翻訳専門家に依頼して対訳用例集を作成することとした。
(2) 収集されたパタン対の数
上記の方法に基づけば, 約半人年の作業により, 300動詞(漢字表記の異なり見ると450動詞, 語義数では1,700件)に対し, 用例5,200文(和文65,000字, 英文34,000語)が収集された。 また, 収集した用例のうちランダムに選択した30動詞(1,100用例文)から パタン対の抽出を試行したところ, 新たに300パタンが抽出された。 第1, 第2の方法で得られなかったパタン対が, 動詞当たり平均10パタンも見つかったことになる。
適当に選んだ約30の和語動詞に対して2節で述べた3方法を適用し, 得られた用例数とパタン対数を比較した(表2)。 表から以下のことがわかる。
| �� | 第1の方法に加えて第2の方法を実施すれば, 第1で得られるパタン対の数の2倍近くのパタン対が収集できる。 | |
| �� | 第1, 第2の方法に加えて第3の方法を実施すれば, 第1, 第2で得られるパタン対の数のさらに2倍以上のパタン対が収集できる。 |
以上から, 和語動詞についていえば, 第1の方法では1,500動詞に対する4,000パタン対が 収集され[池原93], 第2の方法では1,000動詞に対し1,500パタン対が新たに収集され, 第3の方法では1,200動詞に対する4,000パタン対がさらに収集される見込みである。
なお, 第3の方法による用例収集では網羅性が問題となるが, 一部の動詞について別のアナリストが用例を作成したところ, 格要素の各詞などは異なるものの, パタン対を作成する上では等価とみなせる例文が再現率90%以上で収集されたので, アナリストによる差異はあまり問題ではないと思われる。
| IPAL標記 | 漢字表記 | 方法1 で収集 | 方法2で収集 | 方法3で収集 | 一般P の合計 |
慣用P | |||
| 語義数 | 例文数 | 追加P | 用例数 | 新規P | |||||
| あく | 空く 開く | 4 5 | 10 | 12 | 4 2 |
13 12 | 4 4 | 12 11 | 1 0 |
| あける | 空ける 明ける 開ける | 4 4 3 |
11 | 17 | 1 0 1 |
14 9 9 | 5 2 2 |
10 6 6 | 0 1 1 |
| あがる | 上がる | 7 | 18 | 31 | 16 | 90 | 16 | 39 | 12 |
| あげる | 上げる | 8 | 21 | 31 | 13 | 98 | 16 | 37 | 14 |
| いれる | 入れる | 5 | 19 | 30 | 12 | 113 | 28 | 45 | 10 |
うまる うずまる |
埋まる | 2 | 5 3 | 6 4 | 2 | 5 | 1 | 5 | 0 |
うめる うずめる |
埋める | 3 | 4 4 | 5 4 |
1 | 9 | 0 | 4 | 1 |
| おちる | 落ちる | 8 | 11 | 21 | 7 | 53 | 23 | 38 | 1 |
| おとす | 落とす | 6 | 14 | 19 | 5 | 53 | 15 | 26 | 3 |
| きまる | 決まる | 3 | 8 | 17 | 2 | 32 | 10 | 15 | 2 |
| きめる | 決める | 3 | 14 | 20 | 4 | 28 | 5 | 12 | 0 |
| ぐすす | 崩す | 6 | 4 | 4 | 2 | 8 | 2 | 10 | 0 |
| くずれる | 崩れる | 5 | 4 | 6 | 2 | 13 | 4 | 11 | 0 |
| さく | 割く 裂く | 2 1 | 5 | 7 | 0 5 |
4 3 | 2 0 | 4 6 | 0 0 |
| さく | 咲く | 1 | 1 | 1 | 0 | 3 | 2 | 3 | 0 |
| さける | 避ける | 3 | 6 | 11 | 0 | 9 | 2 | 5 | 0 |
| さける | 裂ける | 1 | 1 | 3 | 2 | 4 | 1 | 4 | 0 |
| たつ | 立つ 発つ 建つ 経つ |
5 2 1 2 | 13 | 24 | 4 0 0 0 |
75 6 5 3 | 30 1 0 0 |
39 3 1 2 | 11 0 0 0 |
| たつ | 断つ 絶つ |
4 4 | 1 3 | 0 0 |
6 6 | 1 2 | 5 6 | 0 0 | |
| たてる | 立てる 建てる |
8 1 | 9 1 | 17 | 7 0 |
69 5 | 29 0 | 44 1 | 7 0 |
| だす | 出す | 16 | 27 | 53 | 15 | 95 | 22 | 53 | 21 |
| でる | 出る | 22 | 32 | 40 | 5 | 145 | 38 | 65 | 18 |
| はいる | 入る | 7 | 23 | 34 | 11 | 105 | 31 | 49 | 5 |
| 合計 | 156 | 271 | 426 | 123 | 1102 | 298 | 577 | 108 | |
日英機械翻訳において, パタン対記述の対象となる述語には, 和語動詞のほか, サ変動詞や形容詞系の述語がある。 サ変動詞の場合は1動詞あたり1〜2パタンのものが多いと予想され, 内省による用例文の作成は比較的容易であり, 第3の方法によるパタン対収集が可能である。 形容詞系の述語は和語動詞と同様に多義性があり, 第2, 第3の方法によりパタン対を収集する必要がある。
以上を踏まえてパタン対の数を推定すると表3を得る。 表3では, 推定されたパタン対の数に対し本稿の方法によりどれだけ収集できる見込みかも示す。 この表から, 日英機械翻訳では, 汎用パタン, 慣用パタンを含めると, 約25,000のパタン対が必要と推定されること, また, これらのパタン対は, 第1, 第2の方法に加えて, 第3の方法を実施することにより収集可能となることがわかる。
| 比較項目 パタンの種類 |
必要量の見込み | 第1 の方法(結果) | 第2の方法(追加見込み＝作業中) | 第3 の方法(追加見込み＝一部実施) | |||||||
| 用言数 | パタン対の数 | 用言数 | パタン対の数 | *対象用言数 | 用例数 | パタン対見込 | 対象用言数 | 見込み用例数 | パタン対見込 | ||
| 汎 用 パ タ ン 対 |
和語動詞 | 1,500 | 9,500 | 1,500 | 4,000 | 1,000 | 5,200 | 1,500 | 1,200 | 15,000 | 4,000 |
| サ変動詞 | 6,500 | 8,000 | 3,000 | 4,000 | --- | --- | --- | 4,000 | 8,000 | 4,000 | |
| 形容詞系 | 2,000 | 3,000 | 1,100 | 2,000 | 200 | 2,400 | 500 | 500 | 2,000 | 500 | |
| 小計 | 10,000 | 20,500 | 5,600 | 10,000 | 1,200 | 7,600 | 2,000 | 5,700 | 25,000 | 8,500 | |
| 慣用パタン対 | --- | 5,000 | --- | 3,000 | --- | --- | --- | --- | 不明 | 不明 | |
| 合計 | 10,500 | 25,500 | 5,600 | 13,000 | 1,200 | 7,600 | 2,000 | 5,700 | 25,000 | 8,500 | |
日英機械翻訳において, 用言の意味を訳し分けるのに必要なパタン対の数とその収集手段について述ベた。 具体的には, 単語当たりの語義が多くパタン対作成が困難な和語動詞を中心に検討し, �］賊兌�書からパタン対を収集する方法, ��日本語動詞の語義対応の用例文を英訳してパタン対を抽出する方法, ��それらを参考に, 人の知識に基づいて作成した用例文を英訳してパタン対を抽出する方法, の3つのパタン対用例収集の方法を比較した。 その結果, 主要な約1,000の和語動詞を意味に応じて訳し分けるには, 7,500件のパタン対が必要であることがわかった。 また, 従来の和英辞書から収集できるパタン対の数は必要数の約1/4であること, 和英辞書と日本語辞書の語義分類を使用する場合は約1/2であること, 必要なパタン対を網羅的に収集するには人の知織を内省して用例を作成する方法が 適していることなどがわかった。
また, 上記の結果から推定すると, サ変動詞, 形容詞系の述語, 用言性慣用表現などを含むパタン対全体では, 約25,000パタンが必要であること, それらのパタンも人の知識を内省する方法で抽出された用例から比較的容易に収集できる 見込みであることがわかった。
現在, 第1の方法で得られたバタン対を拡充するため, 第2, 第3の方法を並行して実施中であり, 和語動詞, サ変動詞, 形容詞系述語に対してそれぞれ, 5,000件, 4,000件, 2,000件(合計11,000件)のパタン対を収集済みである。 また, 慣用パタンとしては3,000件が収集済みである。 今後は, 残されたパタン対(汎用パタン約9,000件, 慣用パタン2,000件)を整備していく予定である。
本検討にご協力くださった山本弥生氏を始めとするNTTアドバンステクノロジの各位に感謝する。