Journal of KIISE:Software and Applications (한국정보과학회논문지:소프트웨어및응용)

Korean Institute of Information Scientists and Engineers (한국정보과학회)
권호 표지

An English-to-Korean Transliteration Model based on Grapheme and Phoneme

자소 및 음소 정보를 이용한 영어-한국어 음차표기 모델

  • 오종훈 (한국과학기술원 전산학과) ;
  • 최기선 (한국과학기술원 전산학과)
  • Published : 2005.04.01
Download PDF
⟨ Previous Next ⟩

Abstract

There has been increasing interest in English-to-Korean transliteration recently. Previous ,works are related to a direct method like $\rightarrow$Korean graphemes> and a pivot method like $\rightarrow$English phoneme$\rightarrow$Korean graphemes>. Though most of the previous works focus on the direct method, transliteration, however, is a phonetic process rather than an orthographic one. In this point of view, we present an English-Korean transliteration model using grapheme and phoneme information. Unlike the previous works, our method uses phonetic information such as phonemes and their context. Moreover, we also use graphemes corresponding to phonemes. Our method shows about $60\%$ word accuracy.

최근 정보검색과 기계번역과 같은 자연언어응용에서 영-한 자동 음차표기에 대한 관심이 높아지고 있다. 지금까지의 영-한 자동 음차표기 연구에는 $<영어자소{\rightarrow}$한글자소>의 직접방식, <영어자소${\rightarrow$음소$\rightarrow$한글자소>의 피봇방식이 있다 기존의 영-한 음차표기 연구들은 주로 직접방식에 대한 연구가 활발히 진행되어 찼다. 하지만, 음차표기는 직접방식에서 사용하는 단순한 자소 대 자소변환 작업이라기보다는 자소의 음성적 변환 작업이라고 할 수 있다. 따라서 자소 뿐만 아니라 음소 등 음성적 정보가 매우 중요하다. 본 논문에서는 이러한 특성을 이용하여 자소 정보뿐만 아니라 음소 정보를 이용한 음차표기 기법을 제안한다. 주어진 자소와 음소 및 자소와 음소의 문맥정보를 이용하여 한국어 음차표기를 생성하는 본 논문의 기법은 약 $60\%$의 단어 정확도를 나타내었다.

Keywords

References

  1. 이재성, 다국어 정보검색을 위한 영-한 음차표기 및 복원 모델, 박사학위논문, 한국과학기술원 전산학과, 1999
  2. 이희승, 안병희, 고친판 한글 맞춤법강의, 신구문화사, 1994
  3. Kang, Y. and A. A. Maciejewski, 'An algorithm for Generating a Dictionary of Japanese Scientific Terms', Literary and Linguistic Computing, 11(2)., 1996 https://doi.org/10.1093/llc/11.2.77
  4. Knight, K. and J. Graehl, 'Machine Transliteration'. In Proceedings. of the 35th Annual Meetings of the Association for Computational Linguistics (ACL) Madrid, Spain, 1997
  5. Kang B.J. and K-S. Choi, 'Automatic Transliteration and Back-transliteration by Decision Tree Learning', In Proceedings of the 2nd International Conference on Language Resources and Evaluation, Athens, Greece, 2000
  6. 강병주, 한국어 정보검색에서 외래어와 영어로 인한 단어불일치문제의 해결, 박사학위논문, 한국과학기술원 전산학과. 2001
  7. 김정재, 이재성, 최기선, '신경망을 이용한 발음단위 기반 자동 영-한 음차 표기 모델', 한국인지과학회 춘계학술대회 발표논문집, pp. 247-252, 1999
  8. Lee, J. S. and K. S. Choi, English to Korean Statistical transliteration for information retrieval. Computer Processing of Oriental Languages, 12(1):17-37., 1998
  9. Kang I.H. and G.C. Kim, 'English-to-Korean Transliteration using Multiple Unbounded Overlapping Phoneme Chunks', In Proceedings of the 18th International Conference on Computational Linguistics, 2000 https://doi.org/10.3115/990820.990881
  10. 문화부, 표준 외래어 표기법, 1995
  11. James A., Natural Language Understanding, The Benjamin/ Cummings Publishing Company, 1995
  12. Soong Frank. K. and Eng-Fong Huang, A tree-trellis based fast search for finding the n best sentence hypotheses in continuous speech recognition. In IEEE International Conference on Acoustic Speech and Signal Processing, pp, 546-549, 1991
  13. 남영신, 1997, 최신 외래어 사전, 국어사전 별책부록, 서울: 성안당 출판사
  14. Covington, M. A., 'An algorithm to align words for historical comparison', Computational Linguistics, 22,.1996
  15. Levenshtein V. I., Binary codes capable of correcting deletions, insertions and reversals. Doklady Akademii Nauk SSSR 163(4) p845-848, 1965
  16. Daelemans W., Jakub Zavrel, Ko van der Sloot, and Antal van den Bosch, Timble TiMBL: Tilburg Memory Based Learner, version 4.3, Reference Guide, ILK Technical Report 02-10, 2002
  17. Quinlan, J.R., 'Induction of decision trees,' Machine Learning, Vol. 1 pp. 81-106., 1986 https://doi.org/10.1007/BF00116251
  18. Quinlan, J.R., 'C4.5: Programs for Machine Learning', Morgan Kauffman., 1993
  19. Cover, T. M. and P. E. Hart. 1967. Nearest neighbor pattern classification. Institute of Electrical and Electronics Engineers Transactions on Information Theory, 13:2127, 1967
  20. Devijver, P. A. and J, Kittler. Pattern recognition. A statistical approach. Prentice-Hall, London, UK, 1982
  21. Aha, D. W., D. Kibler, and M. Albert, Instancebased learning algorithms. Machine Learning, 6:3766, 1991
  22. C. Stanfill and D. Waltz, 'Toward Memory-based Reasoning,' Communications of the ACM, 29(12), pp. 1213-1228, 1986 https://doi.org/10.1145/7902.7906
  23. Cost, S. and S. Salzberg, A weighted nearest neighbour algorithm for learning with symbolic features. Machine Learning, 10:5778, 1993 https://doi.org/10.1023/A:1022664626993
  24. Kolodner, J., Case-based reasoning. San Mateo, CA: Morgan Kaufmann, 1993
  25. Aha, D. W., Lazy learning: Special issue editorial. Artificial Intelligence Review, 11:710, 1997 https://doi.org/10.1023/A:1006538427943
  26. Manning, C.D. and Hinrich Schutze, Foundations of Statistical natural language Processing, MIT Press, 1999
  27. CMU, The Carnegie Mellon University (CMU) Pronouncing Dictionary v0.6, http://www.speech.cs.cmu.edu/cgi-bin/cmudict
  28. Hall, P., and G. Dowling, 'Approximate string matching,' Computing Surveys, 12(4), 381-402, 1980 https://doi.org/10.1145/356827.356830