要約
最近の文簡略化システムは、手動で簡略化された並行コーパスから語彙的・構文的な言い換えを学ぶために基本的な機械翻訳モデルを用いている。しかし、これらの手法は手動で構築されたコーパスの品質と量に制限されており、その構築コストは非常に高い。本論文では、二語対訳テキストから学習された大規模な言い換え表現と、複数の参考簡略化例を用いた少量の手動簡略化データを活用することで、統計的機械翻訳を文簡略化に深く適応する手法を提案する。また、本研究は、簡略化システムのチューニングおよび評価に有効な自動評価指標を初めて設計した。この指標は、本タスクにおける反復的開発を促進するものである。