多言語機械翻訳における語彙重複が知識転移に与える影響

多言語ニューラル機械翻訳（MNMT）において、知識転移（knowledge transfer）は特に言語間の類似性が高い場合に翻訳性能を向上させることが知られている。しかし、語彙重複（vocabulary overlap）がどの程度知識転移に寄与するかについては、十分に解明されていない。一般的には、統一された単語埋め込み空間を形成するために共同語彙（joint vocabulary）が用いられるが、分離語彙（disjoint vocabulary）の影響に関する研究は乏しい。2026年5月、ヘルシンキ大学のOona ItkonenとJörg Tiedemannは、arXivプレプリントで語彙重複がMNMTの知識転移に与える影響を系統的に調査した研究を発表した。彼らは、共同語彙と分離語彙、さらにソース言語に関連する補助言語（例：英語とドイツ語）と無関係な補助言語（例：英語と日本語）を比較する実験を設計した。実験はドメイン外（out-of-domain）設定で行われ、転移効果と補助言語の影響を強調した。結果として、関連言語間での広範な語彙重複は確かに翻訳品質を向上させたが、より重要な発見は、ドメインの一致と言語の関連性が共同語彙よりもはるかに重要であるということだった。つまり、語彙が共有されていなくても、ドメインや言語構造が類似していれば、効果的な知識転移が可能である。この結果は、MNMTシステムの語彙設計に重要な示唆を与える。研究者は、共同語彙に依存するのではなく、トレーニングデータのドメイン一貫性や言語間の構造的類似性を優先すべきである。例えば、低リソース言語に対しては、同一語彙を強制するよりも、類似ドメインまたは同系統の補助言語を選択することが有効である。さらに、本研究は語彙重複と言語構造類似性の相互作用、およびより大規模な言語対での検証を今後の課題として挙げている。全体として、この研究はMNMTにおける語彙重複の役割を明確にし、より効率的な多言語翻訳システムの設計への実証的基盤を提供した。