Recently, there has been interest in automatically generated word classes for improving statistical machine translation (SMT) quality: e.g, (Wuebker et al, 2013). We create new models by replacing words with word classes in features applied during decoding; we call these “coarse models”. We find that coarse versions of the bilingual language models (biLMs) of (Niehues et al, 2011) yield larger ...

近年，動詞の意味フレーム推定タスクでは，推定対象の動詞の文脈化単語埋め込みに基づき，動詞全体で一度にクラスタリングを行う手法がいくつか提案されている．しかし，このような手法には大きく 2 つの欠点が存在する．1 つは動詞の表層的な情報を過度に考慮するため，意味の似た異なる動詞の用例をまとめづらいこと，もう 1 つは同じ動詞の用例がその動詞自身が持つ意味の異なり数以上のクラスタに分割されることである．本論文では，これらの欠点を克服するために，マスクされた単語埋め込みと 段階クラスタリングを用いた動詞の意味フレーム推定手法を提案する．FrameNet を用いた実験を通し，マスクされた単語埋め込みを活用することが動詞の表層的な情報に強く依存したクラスタの構築を抑制し，また，2 段階のクラスタリングを行うことで各動詞の用例が属するクラスタの異なり数を適正化できることを示す．