用語比較
ルールベース機械翻訳と統計的機械翻訳の違い｜人が書いた辞書と規則か、対訳データから推定した確率か（G検定）
ルールベース機械翻訳と統計的機械翻訳は、G検定の自然言語処理で、機械翻訳の方式として並んで出てきます。名前だけでは中身が混ざりやすいので、訳の根拠が何かに絞って比べます。
ルールベースは人が書いた辞書と文法規則で訳し、統計的機械翻訳は対訳データから推定した確率で訳文を選ぶと覚えると、選択肢を切り分けられます。
このページは、統計的機械翻訳の古典的な論文（Brownほか、1993年、Computational Linguistics 19巻2号）と、ルールベース機械翻訳の解説（英語版Wikipedia）の記述をもとに比べます。
この記事の根拠と出典
各セクションの見出しの下に、公式資料で確認した内容か編集部の整理かをラベルで示しています。 試験日・料金・申込条件・試験方式は変わることがあるため、申込前に公式サイトで確認してください。G検定の一次情報確認日: 2026-10-02。
結論
ルールベース機械翻訳
原文と訳文の言語それぞれの文法規則と、単語を対応づける辞書、2つの構造を結ぶ規則を人が用意して訳す。対訳の文章は要らない。
統計的機械翻訳
原文fに対して、訳文eの確率Pr(e)Pr(f|e)が最大になる文を選ぶ。確率は、対訳の文のペアの大量のデータから推定する。
見分け方
選択肢に「辞書と規則」「人手で書いた規則」があればルールベース、「対訳データ」「確率」「言語モデルと翻訳モデル」があれば統計的機械翻訳（試験向けの目安で、実際のシステムには両方を組み合わせたものもある）。
違いを表で確認
| 比較軸 | ルールベース機械翻訳 | 統計的機械翻訳 |
|---|---|---|
| 訳の根拠 | ルールベース：人が書いた辞書と、文法規則・変換規則 | 統計的機械翻訳：訳文の確率Pr(e)と、訳文が原文を説明する確率Pr(f|e)の積 |
| 必要な資源 | ルールベース：対訳の文章は要らない。辞書と規則が要る | 統計的機械翻訳：対訳の文のペアの大量のデータ（論文はカナダ議会の議事録の英仏データを使った） |
| 誤りの直し方 | ルールベース：個別の規則を直して、どの段階で誤ったかを追える | 統計的機械翻訳：確率を推定し直す。まれな形はデータの中で埋もれやすい |
| 弱点 | ルールベース：よい辞書が足りない、規則どうしの干渉・曖昧さ・慣用表現が難しい、新しい分野への適応に費用がかかる | 統計的機械翻訳：対訳データの量と質に左右される |
G検定の学習に使う書籍（Amazon）
試験範囲を通して読むときの1冊です。読んだ章は、このサイトの章別問題で確かめられます。
どこで迷っているかを切り分ける
「辞書」「文法規則」「変換規則」という語が出る人
ルールベース機械翻訳です。原文の言語の構造と訳文の言語の構造を、人が書いた規則で結びます。
「対訳データから確率を推定する」という語が出る人
統計的機械翻訳です。大量の対訳の文のペアから、翻訳の確率を推定します。
「言語モデル」「翻訳モデル」という語が出る人
統計的機械翻訳です。論文は、訳文の確率（言語モデル）と、訳文から原文が生まれる確率（翻訳モデル）の積が最大になる訳文を選ぶと述べます。
具体例で使い分ける
例 1
選択肢に「対訳コーパスから学習する」が出る場合（架空の場面）
「対訳の文のペアの大量のデータから確率を推定して訳文を選ぶ方式はどれか」という問いがあります。
- 対訳データから確率を推定するのは、統計的機械翻訳の考え方です。
- ルールベースは、辞書と規則を人が用意する方式で、対訳の文章は要りません。
結論: 対訳データから確率を推定するなら統計的機械翻訳です。
例 2
選択肢に「対訳データが無い言語の組でも作れる」が出る場合（架空の場面）
「共通の文章が無い言語の組でも、翻訳システムを作れる方式はどれか」という問いがあります。
- 解説は、ルールベースは対訳の文章が要らず、共通の文章が無い言語の組でも作れると述べます。
- 統計的機械翻訳は、確率の推定に対訳データを使います。
結論: 対訳データが無くても作れるのはルールベースです。
例 3
「統計的機械翻訳は文法を一切使わない」と書かれた選択肢が出る場合
「統計的機械翻訳は、言語学的な知識をまったく使わない」という文の正誤を問う問いがあります。
- 論文は、自分たちのアルゴリズムは言語学的な内容が最小限だと述べます。
- 『まったく使わない』と言い切る記述は、論文にはありません。
結論: 「最小限」と「まったく使わない」は別なので、断定する選択肢には注意します。
問題文から答えを選ぶ手順
- 1
訳の根拠を見る
「人が書いた辞書と規則」ならルールベース、「確率」なら統計的機械翻訳です。
- 2
必要な資源を見る
「対訳データ」が要るなら統計的機械翻訳、要らないならルールベースです。
- 3
モデルの名前を見る
「言語モデル」「翻訳モデル」が出れば統計的機械翻訳です。
試験での見分け方
- 1ルールベース機械翻訳は、辞書と、原文の言語・訳文の言語の文法規則、2つを結ぶ規則を人が用意して訳す。
- 2統計的機械翻訳は、Pr(e)Pr(f|e)が最大になる訳文eを選ぶ。Pr(e)は言語モデル、Pr(f|e)は翻訳モデルと呼ばれる。
- 3統計的機械翻訳の確率は、対訳の文のペアの大量のデータから推定する。
誤答しやすい選択肢
ルールベースも対訳データが必要だと考える
修正: 解説は、ルールベースは対訳の文章を必要としないと述べます。必要になるのは辞書と規則です。
統計的機械翻訳は人が規則を書くと考える
修正: 論文が扱うのは、対訳の文のペアから確率を推定する方式です。人が書く規則が中心なのはルールベースです。
どちらかが常に優れていると考える
修正: 今回の資料が示すのは方式の違いと、それぞれの利点・弱点です。どちらが常に優れるという主張はありません。
確認問題
Q1原文fに対して、Pr(e)Pr(f|e)が最大になる訳文eを選ぶ機械翻訳の方式は？
答え: 統計的機械翻訳
Brownほかの論文が、機械翻訳の基本式として示します。
Q2対訳の文章を必要としない機械翻訳の方式は？
答え: ルールベース機械翻訳
辞書と規則を人が用意して訳すため、対訳の文章は要りません。
Q3統計的機械翻訳で、Pr(e)とPr(f|e)はそれぞれ何と呼ばれますか？
答え: Pr(e)は言語モデル、Pr(f|e)は翻訳モデル
論文は、言語モデルの確率Pr(e)と翻訳モデルの確率Pr(f|e)と呼びます。
到達チェック
- ルールベース機械翻訳の根拠（辞書と規則）を言える
- 統計的機械翻訳の根拠（対訳データから推定した確率）を言える
- 言語モデルと翻訳モデルが統計的機械翻訳の用語だと言える
関連ページで確認する
同じ資格で次に知りたいこと
- A3CとDQNの違い｜経験再生で安定させる価値ベースか、並列の非同期学習で安定させるアクター・クリティックか（G検定）
A3CとDQNの違いを、学習の安定のさせ方（経験再生か並列のアクター・ラーナーか）、学ぶもの（行動価値か方策と状態価値か）、必要な計算資源で整理。G検定の深層強化学習の選択肢を切り分ける判断手順と確認問題つき。
- バッグ・オブ・ワーズとTF-IDFの違い｜出現回数をそのまま使うか、稀な語を重くするか（G検定）
バッグ・オブ・ワーズとTF-IDFの違いを、scikit-learn公式ガイドの記述（語順を無視する出現回数の表現、tf×idfの再重みづけ）と3文書の計算例で整理。G検定の自然言語処理の選択肢を切り分ける判断手順と確認問題つき。
- TD学習とモンテカルロ法の違い｜次の1ステップの推定で更新するか、エピソード終了後の実際の収益で更新するか（G検定）
強化学習のTD学習とモンテカルロ法の違いを、更新の目標（TD目標とエピソード全体の収益）、更新のタイミング、ブートストラップの有無で整理。G検定の選択肢を切り分ける判断手順と確認問題つき。
よくある質問
Qルールベース機械翻訳と統計的機械翻訳の違いは？
ルールベースは人が書いた辞書と規則で訳します。統計的機械翻訳は、対訳の文のペアから推定した確率で訳文を選びます。
Q統計的機械翻訳の基本式は？
原文fに対し、Pr(e)Pr(f|e)が最大になる訳文eを選びます。Brownほかの論文は、これを機械翻訳の基本式と呼びます。
Qルールベース機械翻訳に対訳データは必要ですか？
解説は、対訳の文章は必要ないと述べます。辞書と規則が要ります。
次に見る比較
- G検定・DS検定・統計検定2級で重なる用語10語の比較
同じ名前の用語の定義と収録章を、資格ごとに並べます。
- ベイズの定理と条件付き確率の違い（統計検定2級の式と計算例）
求める確率の向きの違いと、陽性になる確率の計算例を確かめます。
- 紛らわしい用語ペア早見表
混同しやすい用語の違いと判定の手掛かりを、資格別の一覧で確かめます。
執筆: ミナト編集部（運営者情報を見る）