• Proceedings of the Korea Information Processing Society Conference
• /
• 2019.10a
• /
• pp.598-601
• /
• 2019

최근 딥러닝과 신경망 기술을 바탕으로 한 다양한 번역 시스템이 상용화되고 있다. 그러나 문맥을 고려해야하는 경우나 의료, 법학 등 전문적인 지식을 요구하는 경우, 기존의 번역 시스템으로는 원문 작성자가 의도한 대로 자연스러운 번역 결과물을 얻기 어려운 문제점이 있다. 이로 인해 전문적인 지식을 요구하는 문서는 전문 번역 기관에 의뢰하여 번역이 이루어지고 있으며 소비자의 입장에서는 업체로부터 받은 번역물을 평가 과정 없이 사용할 수밖에 없는 상황이다. 따라서 본 논문에서는 사람이 직접 번역한 결과물을 사용자가 가진 번역 신뢰 점수를 반영하여 평가함으로써 양질의 결과물을 도출하고 번역 활동 기여도에 따라 암호화폐로 보상금을 지급하는 블록체인 기반 보상형 공동 번역 모델을 제안한다. 다수의 번역 평가자들로부터 높은 점수를 받은 우수한 번역 결과물을 도출하고, 번역글 평가에 사용되는 사용자별 신뢰도 점수를 블록체인에 저장하여 조작을 방지함으로써 믿을 수 있는 번역 생태계를 조성할 것으로 기대한다.

• 한국어정보학회:학술대회논문집
• /
• 2016.10a
• /
• pp.239-242
• /
• 2016

데이터베이스 기반 자동 주소번역은 입력 오류에 취약하며 범용 기계번역을 이용한 주소번역은 입력 및 번역 주소에 대한 품질 평가가 어렵다. 본 논문에서는 예측할 수 없는 입력 오류에도 대응할 수 있는 자동 주소번역 시스템을 제안한다. 제안 시스템은 n-gram 기반 검색, 미검색/오검색 분류, 번역, 신뢰도 자동평가로 구성된다. 신뢰할 수 있는 입력으로 자동 분류한 영문 국내주소를 국문으로 번역한 결과 95%이상의 정확도를 보였다.

• The Journal of the Korea Contents Association
• /
• v.21 no.5
• /
• pp.259-267
• /
• 2021

Machine translators first appeared in the 1950s and made a leap in translation accuracy by applying the neural translation system in the 2010s. However, it is still having difficulty in translating complex sentences, which made it inconvenient to use machine translators as an English learning tool. Therefore, this study analyzed the usability of a machine translator as an English learning tool through a backtranslation experiment of as phrases. As analysis tools, Google Translator, Naver Papago, and Microsoft Translator, were used since they are representative machine translators using a neural translation system. As a result of the study, findings are: The usability was significantly different according to each as usage when using a machine translator. Accordingly, as usages in sentences were classified into high, ordinary, and low usability. Unlike previous studies, this study has a research contribution in analyzing the machine translator as a direct learning tool and quantifying the usability of the conjunction as.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2011.01a
• /
• pp.25-28
• /
• 2011

본 논문에서는 스마트폰과 같은 모바일 단말기 자체에서 동작하는 경량화된 영한 하이브리드 모바일 번역 엔진을 설계 및 구현하였다. 번역 엔진은 자연스러운 번역과 높은 번역 품질을 위해 번역 메모리(Translation Memory)와 규칙기반의 번역 엔진으로 이중화를 하였다. PC에 비해 하드웨어 제약이 심한 스마트폰 자체에서 구동이 원활하도록 주메모리의 사용을 줄이고 분석 시간 단축을 위하여 핵심 번역 엔진을 포함한 번역 지식 DB가 외장메모리에서 구동되도록 하였다. 실험결과 번역 품질은 BLEU와 NIST 평가치를 기준으로 서버 기반의 구글번역기 대비 70.0%로 사용자의 의미전달이 가능한 실용적인 수준으로 평가되었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.04b
• /
• pp.363-365
• /
• 2000

본 논문은 영/한, 한/영 자동 번역용 대용량 번역 지식의 효과적인 관리를 위한 시스템 개발이다. 현재 개발 중의 ETRI의 영/한, 한/영 자동 번역 시스템의 개발 환경을 분석하고, gdbm 기반의 번역지식관리의 문제점을 정리하였다. 본 논문에서 제시한 번역 지식 관리 시스템은 클라이언트/서버 구조를 가지는 MS SQL 서버 기반의 시스템이다. 번역 지식은 관계형 DB로 모델링하여 스키마를 설계하고 구현하였다. 관리 시스템에는 기존에 gdbm 파일로 구축해 놓은 지식을 번역지식 DB로 변환하기 위한 이전 도구, 번역지식 DB에 저장된 번역 지식을 검색하기 위한 검색 도구, 번역지식의 삽입, 삭제, 변경을 지원하는 구축도구로 구성된다.

• Annual Conference on Human and Language Technology
• /
• 2020.10a
• /
• pp.353-356
• /
• 2020

관용구는 둘 이상의 단어가 결합하여 특정한 뜻을 생성한 어구로 기계번역 시 종종 오역이 발생한다. 이는 관용구가 지닌 함축적인 의미를 정확하게 번역할 수 없는 기계번역의 한계를 드러낸다. 따라서 신경망 기계 번역(Neural Machine Translation)에서 관용구를 효과적으로 학습하려면 관용구에 특화된 번역 쌍 데이터셋과 학습 방법이 필요하다. 본 논문에서는 한-영 관용구 기계번역에 특화된 데이터셋을 이용하여 신경망 기계번역 모델에 관용구를 효과적으로 학습시키기 위해 특정 토큰을 삽입하여 문장에 포함된 관용구의 위치를 나타내는 방법을 제안한다. 실험 결과, 제안한 방법을 이용하여 학습하였을 때 대부분의 신경망 기계 번역 모델에서 관용구 번역 품질의 향상이 있음을 보였다.

• Electronics and Telecommunications Trends
• /
• v.14 no.4 s.58
• /
• pp.131-132
• /
• 1999

일본어로 구성된 일본어 웹 정보를 한국어로 자동 번역하여 주는 한.일 자동 번역 시스템으로서 다중 사용자를 지원하는 서버 형태로 구현되었으며, 일본어 어휘 분석, 일-한 변환, 한국어 생성을 수행하는 번역 엔진부와 일-한 자동 번역에 필요한 한.일 자동 번역용 사전(20만 단어), 번역 규칙 등으로 구성되어 있다.

• Journal of the Korea Convergence Society
• /
• v.11 no.6
• /
• pp.281-288
• /
• 2020

This study delves into acceptance on neural network machine translation (NMT) such as Google Translate and Papago that uses technical acceptance model. In conclusion, it turned out that perceived usefulness impacts translators' attitude towards NMT. In other words, if translators determine that NMT is related to their work and the quality of the deliverables is guaranteed, they were more positive towards it. Unlike the existing normative approach that translators feel threatened by NMT, empirical results tell us translators perceive NMT as a business tool and such perception was largely influenced by advices of their colleagues and friends and expectations for use.

• Annual Conference on Human and Language Technology
• /
• 2021.10a
• /
• pp.9-15
• /
• 2021

기계번역 품질 예측 (Quality Estimation, QE)은 정답 문장에 대한 참조없이 소스 문장과 기계번역 결과를 통해 기계번역 결과에 대한 품질을 수준별 주석으로 나타내주는 태스크이며, 다양한 활용도가 있다는 점에서 꾸준히 연구가 수행되고 있다. 그러나 QE 모델 학습을 위한 데이터 구성 시 기계번역 결과에 대해 번역 전문가가 교정한 문장이 필요한데, 이를 제작하는 과정에서 상당한 인건비와 시간 비용이 발생하는 한계가 있다. 본 논문에서는 번역 전문가 없이 병렬 또는 단일 말뭉치와 기계번역기만을 활용하여 자동화된 방식으로 한국어-영어 합성 QE 데이터를 구축하며, 최초로 단어 수준의 한국어-영어 기계번역 결과 품질 예측 모델을 제작하였다. QE 모델 제작 시에는 Cross-lingual language model (XLM), XLM-RoBERTa (XLM-R), multilingual BART (mBART)와 같은 다언어모델들을 활용하여 비교 실험을 수행했다. 또한 기계번역 결과에 대한 품질 예측의 객관성을 검증하고자 구글, 아마존, 마이크로소프트, 시스트란의 번역기를 활용하여 모델 평가를 진행했다. 실험 결과 XLM-R을 활용하여 미세조정학습한 QE 모델이 가장 좋은 성능을 보였으며, 품질 예측의 객관성을 확보함으로써 QE의 다양한 장점들을 한국어-영어 기계번역에서도 활용할 수 있도록 했다.

• Annual Conference on Human and Language Technology
• /
• 2018.10a
• /
• pp.470-473
• /
• 2018

최근 제안된 순환 신경망 기반 Encoder-Decoder 모델은 기계번역에서 좋은 성능을 보인다. 하지만 이는 대량의 병렬 코퍼스를 전제로 하며 병렬 코퍼스가 소량일 경우 데이터 희소성 문제가 발생하며 번역의 품질은 다소 제한적이다. 본 논문에서는 기계번역의 이러한 문제를 해결하기 위하여 단일-언어(Monolingual) 데이터를 학습과정에 사용하였다. 즉, 역-번역(Back-translation)을 이용하여 단일-언어 데이터를 가상 병렬(Pseudo Parallel) 데이터로 변환하는 방식으로 기존 병렬 코퍼스를 확장하여 번역 모델을 학습시켰다. 역-번역 방법을 이용하여 영-한 번역 실험을 수행한 결과 +0.48 BLEU 점수의 성능 향상을 보였다.