AAMT長尾賞

本論文は、木構造から木構造への変換に基づく翻訳 (Tree-to-Tree translation, T2T) において、目的言語の依存構造の情報を用いて、依存構造木言語モデルによる翻訳候補のリランキングや、英語の副詞のような挿入位置の自由度が大きい要素の挿入位置を決定する方法を提案し、複数の言語対において翻訳精度を改善できることを示した。また翻訳候補のリランキングや自由度が高い要素の位置決めの問題にRNN言語モデル(Recurrent Neural Networklanguage model)を用いることにより翻訳精度をさらに改善できることを示した。本研究の成果はKyotoEBMTとして公開されている。
このように本論文は、木構造から木構造への変換に基づく翻訳および用例翻訳(Example-Based Machine Translation, EBMT)に関する長年の研究の到達点を示し、かつ、ニューラル機械翻訳の技術を取り入れたT2T/EBMTの新しい研究の方向性を示す優れた論文であり、AAMT長尾学生奨励賞にふさわしいと考える。