機械翻訳ユーザ辞書 共通フォーマット設定
	Asia-Pacific Association for Machine Translation

１．はじめに

翻訳に使用される辞書データの流通・相互利用を促進するため、アジア太平洋機械翻訳協会(AAMT)に加盟する機械翻訳(MT)メーカが中心となり、各社のＭＴシステムのユーザ辞書と相互変換可能なユーザ辞書共通フォーマット(Universal PlatForm; UPF)の設計を開始した。本稿では活動の目的と方針概要を述べる。

商用のＭＴシステムが製品化されて１０年余が経過した。当初、ＭＴシステムは翻訳の専門家向けに設計・開発され、主に技術翻訳に用いられてきたが、近年のインターネットの発達と パソコンの普及により、ＭＴシステムは一般ユーザ にも急速に浸透し始めている。 ＭＴシステムを有効活用するためには、各ユーザ毎に、頻繁に使用する語彙を「ユーザ辞書」として蓄積し、システムの基本辞書と合わせて使う必要がある。しかし辞書作成は一般に時間と労力がかかる仕事であり、個人ユーザ一人一人が辞書を個々に 充実させるのには限界がある。

この問題の具体的解決方法として、個人が個別に蓄えている辞書データを流通させ、相互利用するための環境の整備が挙げられる。現在は国内の２０数社が機械翻訳システムを商品化しているが、それらの機種の違いを越えて、共通にユーザ辞書を交換できる仕組みがあれば、各人がユーザ辞書を作成するコストが大幅に削減できる。このことによりＭＴの利用が促進され、ひいては日本人の外国語文書受発信が促進される。

このような環境整備の具体的活動として、ＡＡＭＴでは、今年度（平成８年度）から来年度にかけ情報処理振興事業協会（ＩＰＡ）の創造的ソフトウエア育成事業の予算補助を受け、各社のＭＴシステムに共通のユーザ辞書記述フォーマットＵＰＦの開発と、ホームページによる仕様公開の活動を開始した。仕様は検討段階においても適宜一般に公開する方針である。

２．ＵＰＦ設計の基本方針

異種システム間で辞書データを交換できるようにするため、以下のような環境を開発する方針である。

（１）共通フォーマットの設計

（２）共通フォーマットと各システムのユーザ辞書の間の双方向コンバータの提供

（３）共通フォーマットで記述された辞書を蓄え流通させるための、一般アクセス可能な電子環境の提供

上記（１）のフォーマット開発は、現実に発売・利用されている複数のシステム間でそのユーザ辞書情報を比較することにより行なうこととした。この方針をとることで、共通フォーマットが現実のシステムから遊離してしまう危険を回避できると考えている。

上記（２）の双方向コンバータは、各ＭＴメーカがそれぞれ独自に開発するものである。共通フォーマット設計の際には、共通フォーマットから各システムのユーザ辞書への変換（ダウンロード）と、各 システムのユーザ辞書から共通フォーマットへの変換（アップロード）との両方が可能となるよう考慮する必要がある。

上記（３）の辞書共有環境としては、ＡＡＭＴのホームページを想定している。また直接ＵＰＦ形式で辞書を記述するための辞書エディタも提供する。各ユーザは共有環境に置かれているＵＰＦ形式の辞書データを自分の使っているＭＴシステムのユーザ辞書のフォーマットに変換して使用することができる。また逆に各ユーザが自分の使用しているＭＴシステムで作成したユーザ辞書は、ＵＰＦ形式に変換してこの辞書共有環境に置き、他ユーザ（異システムユーザも含む）と共有できる。

ＵＰＦは、さしあたり日本語と英語の２カ国語を分析対象として具体的設計をすすめるが、その形式は多言語に対応できるものを目指している。また一つの言語の生成と解析の辞書はできる限り統一した形式で記述できるように仕様設計することを目標としている。具体的記述形式はＳＧＭＬに準拠したタグを用いる。

３．ＵＰＦ設計の具体的活動

３．１．基本変換標準と拡張変換標準

上述したようにＵＰＦは、ＵＰＦから各システムのユーザ辞書への変換（ダウンロード）と各システムのユーザ辞書からＵＰＦへの変換（アップロード）との双方向が可能となるように設計する必要がある。現実に利用されている複数のシステムのユーザ辞書で扱える語彙（品詞）には相違があるから、狭い意味で上記の双方向条件を満たすためには、各システムに共通して記述できる語彙（記述可能な語彙の「ＡＮＤ」）だけを対象範囲とする必要がある。一方、そのような「ＡＮＤ」仕様だけでは、詳細・広 範な語彙情報の記述を許すシステムが有効活用されないという問題が生じる。そこで上記の両方の要求を満たすため、ＵＰＦでは以下の２ 種の対象範囲を設定することとした。

（ａ） 基本言語変換標準

全ＭＴシステムのユーザ辞書で取り扱うことができ、ＵＰＦとの間で相互変換（アップロード・ダウンロード）可能であることを推奨する語彙の情報を記述する形式

（ｂ） 拡張言語変換標準

各ＭＴシステムで記述する可能性のあるすべての語彙の情報を記述する形式

すでに商品化されユーザに使用されている５つの異なるシステムのユーザ辞書の比較検討を元にして、現在上記２種の仕様設計作業を進めている。基本的には第１年度に基本言語標準を、第２年度に拡張言語変換標準を設計するが、基本言語標準の設計に際しても拡張言語標準を考慮する必要があるのは言うまでもない。また拡張言語標準の設計段階で再度基本言語標準に戻って改良する必要が生じるかも知れない。

３．２．基本言語変換標準の概要

基本言語標準の設計に際しては、まず各システム共通の「記述用語」の設定作業を行なう必要があった。つまり、品詞のセット、品詞の呼称など用語と定義の統一から作業を開始した。特に日本語の場合、基本となる品詞設定についても学校文法では機械翻訳にとって不十分であり、準拠すべき標準が存在しない。具体例としては「形容動詞」という品詞を独立の品詞として立てているシステムと「形容詞」の下位として扱っているシステムが存在した。またその登録単位も語幹登録、終止形登録の二通りがあった。このような用語・形式の統一を行ない、原案作りをすすめている。なお、基本言語標準の設計に際しては、言語学的に厳密な現象記述よりもデータの流通性に重点を置いている。

４．基本言語変換標準

４．１．方針

上記で述べたとおり、基本言語変換標準においては、言語的な厳密さより機械翻訳における情報流通性を重視している。また、機械翻訳用のユーザ辞書としての有効性を得るために以下の方針としている。

１． 従来の機械翻訳ユーザの辞書登録は９割が名詞・固有名詞であるため、この２品詞の登録を容易にする。多くのユーザは補助情報を設定せずデフォルト値で登録しているため、必要最低限の情報のみの登録とする。

２． 日英・英日の登録を１回で済ませるために、英日・日英は共通形式とする。

４．２．記述情報

この方針に基づき、基本言語変換標準では以下の品詞を扱い、これ以外の品詞は拡張言語標準で扱うこととする。

また英語ー日本語間の品詞組み合わせは表１に示す内容とする。

以下、各品詞において扱う情報を記述する。

日本語にかかわる情報

英語にかかわる情報

格パターンのマッピング記述方法

英語の語順に従い、各要素が日本語のどの格要素に対応するかを記述する（ただしVはのぞく）

例：

４．３．記述例

以上の情報の記述例を以下に示す。

名詞の例

動詞の例

形容詞の例

４．４．エディタ

以上の情報を簡単に登録できるようにエディタを作成している。このエディタは情報の登録、削除の他、参照ができる．このためＭＴを使用せずに翻訳を行っている場合でも、他のユーザが登録した情報を参照することができ、最新語句情報が得られ翻訳生産性を向上できる。

５．おわりに

本稿では、異システム間でユーザ辞書データを交換・流通させるための共通フォーマット（ＵＰＦ）開発活動の概要を述べた。ＵＰＦとしては、基本標準、拡張標準の２つを開発する方針である。ワーキンググループで原案を作成し、ＡＡＭＴ加盟メンバの承認を経て、ＭＴ業界の標準とし、電子ネットワークによってユーザ辞書データを流通させるのが目標である。

この活動の第１年度末である現時点では、基本標準の仕様がほぼ固まっている。今後は各システムのユーザ辞書との間の双方向変換の確認を行なうのと並行して、拡張標準の設計を行ない、来年度末に基本・拡張の両仕様をＦＩＸして一般公開する予定である。この活動が、個人のもつノウハウの交換、流通を活性化し、ＭＴ技術の普及に貢献し、日本人の外国語情報受発信を促進することを望んでいる。