我们为您提供开发AI翻译引擎和生成式AI所需的
以及微调所需的
大规模语言模型构建
支持。

在机器翻译及多语言生成式AI的开发与调优中，双语语料库的重要性日益凸显。此外，当译员着手处理新领域的翻译工作时，若能利用公司内部积累的翻译记忆库，翻译效率将大幅提升。然而，自行收集系统化的双语语料库并非易事，从外部采购数据并专注于目标成果的开发或翻译工作，可以说是一种更高效的做法。

选择双语语料库的要点包括以下6点。
1）语言组合
2）领域
3）质量
4）数量
5）数据类型
6）是否有上下文

1）中的“语言组合”是指译员翻译的语言对，或是机器翻译开发中用于训练的语言对，例如是日语与英语，还是日语与中文。在注册到所使用的翻译辅助工具的翻译记忆库时，同样可以说“语言组合”是最重要的要素。此外，若追求更自然的表达，哪种语言是原文也是一个重要因素。具体来说，即使同样被称为“日语与英语的双语语料库”，由日语原文翻译成英语，与由英语原文翻译成日语，其英语表达的流畅度以及翻译背景自然会有所不同。

2）中的“领域”是指旅游、医疗、法律、经济、科学技术等领域。通过对想要提高精度的领域数据进行机器学习，可以加速开发进程。若要构建语言模型以提高特定领域的机器翻译精度，通常认为达到10万对左右的数据量即可见效。在利用双语语料库制作专业术语词典时，领域的重要性更是不言而喻。以我司为例，日本国内所需求的领域，在以观光立国为名、致力于应对入境游客的时代是旅游领域，而为了加强面向访日及定居外国人的医疗服务，则需要医疗领域的双语语料库。此外，需求在几年间发生了变迁，转向了用于发布和说明业务内容的演示资料，以及记录会议或活动演讲及其后续问答的商务领域。

3）中的“质量”换言之即精度，取决于双语语料库的制作方法。最好是人工翻译的数据，如果使用机器翻译且未经人工核对或修正，质量自然会下降。此外，即使是人工翻译的双语数据，也可能出现原文1句被译为2句以上的情况，若要求原文与译文必须一一对应，则会影响质量。再者，如果翻译时过度省略，也不能称之为高质量的双语语料库。

关于4）中的“数量”，例如，如果目的是为了注册到公司内部使用的翻译辅助工具的翻译记忆库或词汇字典中，那么在特定领域拥有数万对双语语料库，对于译员来说已经足够有用了。在开发机器翻译引擎等进行特定领域的机器学习时，据说10万对数据就能产生一定的效果。另一方面，在开发通用机器翻译引擎时，则需要数千万对数据。由此可见，所需的双语语料库数量会根据用途的不同而有很大差异。

关于5）中的“数据类型”，是指创建双语语料库的原始文件是报告书/白皮书、发布会/会见/问答等中的哪一种。如果想要对书面语进行机器学习，使用报告书/白皮书创建的双语语料库会更有效；如果想要对口语进行机器学习，则使用从发布会/会见/问答中创建的双语语料库会更有效。由于本公司的双语语料库对属性进行了细致管理，因此可以按数据类型提取双语语料库。

关于6）中的“有无上下文”，是指多个句子之间是否存在语义上的联系。具体来说，字典中收录的例句，其条件仅在于包含特定的词条，与其他例句之间没有脉络联系。因此，判断为“无上下文”。相比之下，报告书由于是针对某一事件或现象的描述由多个句子构成，因此属于“有上下文”。同样，会见和问答也因为多个发言者交替对话，可以说“有上下文”。不仅限于机器翻译，为了让聊天机器人生成更高精度的回答，现在比以往任何时候都更需要用于机器学习的双语语料库“有上下文”。

总结
选定双语语料库时，需要根据用途考虑上述1）至6）项。特别是针对特定领域进行机器学习时，考虑质量、数据类型以及是否有必要具备上下文至关重要。为了活用符合目的的双语语料库，请首先查看我司的免费样本数据。