現在は世界中でグローバル化が急速に進行しており、翻訳の機会も増加しています。それに伴い、翻訳業務の効率化やコスト削減を目的に機械翻訳を導入する企業も増えてきました。今後もこの流れは続いていくといえるでしょう。

そして、機械翻訳の質を上げるために重要な役割を果たすものの1つが「対訳コーパス」です。ここでは、対訳コーパスの概要や種類、具体例、入手方法などについてまとめました。

対訳コーパスとは

対訳コーパスとは、多言語間の翻訳文を構造化したもののことを指します。文と文が対訳の形でまとめられており、機械翻訳の学習データとして用いられています。多くのデータを蓄積することによって、機械翻訳アルゴリズムによる品質の高い翻訳を実現することが可能になります。

対訳コーパスの種類

対訳コーパスは、原文と他の1つの言語の翻訳から構成される「2言語パラレルコーパス」、原文と他の複数言語の翻訳から構成される「多言語パラレルコーパス」、原文と他の1つの言語にける複数の翻訳から構成される「2言語多翻訳コーパス」、同じジャンルにおいてある言語のテキストと他の言語のテキストを収録した「2言語比較可能コーパス」の4つに大別されます。

これら4つのうち、最も一般的な対訳コーパスが2言語パラレルコーパスです。多言語パラレルコーパスは、多言語に翻訳された文書・小説などに限って構築することができます。2言語多翻訳コーパスは同一言語においても複数の翻訳者に訳された文書・小説などにおいてのみ構築可能なため、かなり限定的だといえます。

そして、2言語比較可能コーパスは現在注目されている対訳コーパスだといえます。処理が少ない分、比較的短時間で構築することができます。

対訳コーパスが機械翻訳において重要な理由

異なる言語において、単語と単語、文章と文章は一対一で対応しているわけではありません。1つの単語や文章に対して、多くの訳が考えられます。そして、どの訳が最も適切かは文脈などによって判断しなければいけません。

しかし、ストックされているデータが少ない場合にはどうしても不自然な翻訳になることが多くなってしまいます。また、場合によっては誤訳となることもあります。機械翻訳の正確性を上げるためには、大量のデータを学習させる必要があるといえるでしょう。

そのため、多くのデータが含まれている対訳コーパスは良質な機械翻訳を実現するために欠かせません。機械翻訳の質向上のため、多くの翻訳者が情報を提供して対訳コーパスの構築に貢献しています。

対訳コーパスの例

対訳コーパスの例としては、以下のようなものが挙げられます。

これらは、日本語と英語のみ、1つの対訳のみで構成された2言語パラレルコーパスの例です。多言語パラレルコーパスであれば、日本語と英語以外の言語も併せてデータ化されます。また、日本語の原文に対して複数の英訳が収録されている場合は2言語多翻訳コーパスとなります。

対訳コーパスには、ここで挙げたような例が大量にストックされています。とはいえ、ストックが十分ということはなく、また言語は時代によって変化します。そのため、多くの企業では継続的に対訳コーパスの増強に取り組んでいます。

対訳コーパスの入手方法

対訳コーパスの入手は、機械翻訳の学習のために欠かせません。ここでは、インターネット上で提供されている対訳コーパスをまとめました。

質の高い機械翻訳なら十印にお任せください

ここでご紹介したように、機械翻訳の精度を上げるためには対訳コーパスが不可欠です。蓄積されたデータが多ければ多いほど、精度の高い翻訳になるといえるでしょう。

• 

  自動翻訳の翻訳精度を向上させるヒント

  PDFダウンロード (2 MB)

  DOWNLOAD >

×

PDFをダウンロードいただくには
下記の項目のご入力が必要です

[contact-form-7 id="102785" title="ダウンロード許可フォーム（MT）"]