日本語での論文検索：arXiv、PubMed にERIC、RePEcを追加

arXiv（https://arxiv.org/）は、著名なプレプリント（出版や査読前の論文）サービスです。また、PubMed（https://pubmed.ncbi.nlm.nih.gov/）は、主に医学文献を対象とした世界最大の文献データベースです。更に、今回追加したERIC（https://eric.ed.gov/）とRePEc（http://repec.org/）は、それぞれ、教育学分野および経済学分野の大規模な文献データベースです。一方、NICTでは、みんなの自動翻訳@TexTra（https://mt-auto-minhon-mlt.ucri.jgn-x.jp）という自動翻訳サービスを一般に公開しています。そして、従来より、汎用の翻訳エンジンに加えて、専門の翻訳エンジンを研究開発しており、その中でも学術文献の英日・日英翻訳に強い「サイエンス」翻訳エンジンを研究開発してきました。

今回、NICTでは、arXiv、PubMed、ERIC、RePEcからダウンロードした文献のタイトルと要約を、サイエンス翻訳エンジンにより、全て和訳してデータベースを構築しました。また、それらを、みんなの自動翻訳@TexTraにおいて検索できるデモシステムを一般に公開しました。これらの重要文献データベースが、高精度な日本語で検索できることは利便性が非常に高いです。また、本デモシステムでは、論文検索APIも提供しているため、プログラムからの呼び出しも容易です。

今回利用したサイエンス翻訳エンジンは、従来のニューラル機械翻訳によるものであり、タイトルや要約の機械翻訳には適していますが、論文全体の文脈を捉えた翻訳には能力が不足しています。今後は、大規模言語モデル等を活用することにより、論文全体を高精度に翻訳する自動翻訳エンジンを研究予定です。また、本論文検索デモシステムには、更なる分野のデータベースの追加を目標としています。