YouTube

Got a YouTube account?

New: enable viewer-created translations and captions on your YouTube channel!

Japanese subtitles

← 22-15 Translation Example

Get Embed Code
2 Languages

Showing Revision 1 created 11/29/2014 by Udacity.

  1. これは構文木を使わない句単位の翻訳の例です
  2. ドイツ語を英語に翻訳しています
  3. このモデルで翻訳の確率を
    3つの構成要素に分けます
  4. まずドイツ語を句に分ける
    分割モデルを見てみましょう
  5. 文章を1、2、3、4、5の句に分けます
  6. 翻訳モデルとしてそれぞれの句が
    うまく英語に翻訳されているのはどれでしょう?
  7. また並び替えモデルとしてそれぞれの句において
    正しい順序とは何でしょうか?
  8. 順番に見ていきましょう まずは分割モデルです
  9. 句のデータベースがあります 中国語のメニューで
    行ったのと同じプロセスを踏みましょう
  10. 頻繁に発生する句を探せば
    その確率を句に適用できます
  11. morgenという句と
    fliegeという句の確率はいくつでしょうか?
  12. 確率も考慮して句を考えてみます
  13. そして高い確率の区分が分かります
  14. 次は翻訳モデルです
    中国語のメニューの両側にいきます
  15. morgenという句はどのくらいtomorrowという
    英語の句に対応していますか?
  16. 他の句に関ついても同じことです
    今のところ簡単ですね
  17. 句の順番を考える
    並び替えモデルというものがあります
  18. それぞれの句の初めと終わりを見て考えましょう
  19. aiはi句の始まりで
    b(iー1)はiの最後から1句前のことです
  20. ドイツ語で比べていますが英語を見ながら
    iのインデックスを考えます
  21. 最後の句である“in Canada”は
    この句に対応します
  22. この句の初めは3番です 最後の句となるのは
    これで“zur Konfernz”に対応しています
  23. 句の最後は7番です
    つまり3から7なので歪みは4になります
  24. 並び替えモデルでは
    これらの数を見て確率分布を出します
  25. 他の句の前後で
    何の句が派生していても変わることはありません
  26. 単に位置がどう変わったかということだけを
    示しているのです
  27. 1対1で翻訳する場合は
    句の場所が変わることはありません
  28. ドイツ語の文章で“nach Kanada”の前に“zur
    Konferenz”があればそれをこのように英訳します
  29. つまりb(i-1)は5となり
    aiとここを交換するとaiも5となります
  30. この場合の歪みは0です
    ここに書いてある単語の言語に関していうと
  31. ソースとターゲットの言語が
    とても似ている言語の組み合わせです
  32. 歪みは0以下なので高い確率質量になります
    他の並び替えに関しては低い確率になります
  33. 言語を変換する方法は数多くあり
    組み合わせによって翻訳の種類も変わります
  34. 歪み0のように低くなったり大きな歪みで
    高くなったりする確率質量が考えられます
  35. これはとても単純なモデルで
    句間の翻訳や区分や並び替えだけを考慮します
  36. 木や他の構成要素に基づく複雑なモデルも
    考えられるかもしれません
  37. これはモデルの翻訳部分です
  38. 最終的に選ぶためにすべての確率を掛けます
  39. しかし派生した英語の文章の確率も考慮します
  40. これは正しい英語の文章でしょうか?
    そのための確率モデルです
  41. バイリンガルモデルというより
    モノリンガルモデルでよい翻訳プロセスになります
  42. すべての可能な分類、翻訳、並び替えを通して
    探索します
  43. この確率にモノリンガルの確率を掛けると
    最も高い値を取得することができます
  44. これで満足のいく翻訳ができます
    難しいのはこのたくさんある可能性から
  45. すぐに表にできる探索技術を考え
    そしてよい翻訳を選ぶことです