• 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.

• Annual Conference on Human and Language Technology
• /
• 2019.10a
• /
• pp.236-238
• /
• 2019

신경망 기계 번역(Neural Machine Translation)은 주로 지도 학습(Supervised learning)을 이용한 End-to-end 방식의 연구가 이루어지고 있다. 그러나 지도 학습 방법은 데이터가 부족한 경우에는 낮은 성능을 보이기 때문에 BERT와 같은 대량의 단일 언어 데이터로 사전학습(Pre-training)을 한 후에 미세조정(Finetuning)을 하는 Transfer learning 방법이 자연어 처리 분야에서 주로 연구되고 있다. 최근에 발표된 MASS 모델은 언어 생성 작업을 위한 사전학습 방법을 통해 기계 번역과 문서 요약에서 높은 성능을 보였다. 본 논문에서는 영어-한국어 기계 번역 성능 향상을 위해 MASS 모델을 신경망 기계 번역에 적용하였다. 실험 결과 MASS 모델을 이용한 영어-한국어 기계 번역 모델의 성능이 기존 모델들보다 좋은 성능을 보였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2006.05a
• /
• pp.629-632
• /
• 2006

본 논문에서는 영어 학습을 도와주고 영한 기계번역 시스템의 평가를 통해 기계번역 시스템의 성능 개선을 위한 도구인 HS-eLearner를 설계, 구현하였다. HS-eLearner는 영어 문장의 번역 뿐만 아니라 입력 문장의 구조, 문장에 사용된 단어의 의미를 제공하여 사용자의 효과적인 영어 학습을 보조하는 기능을 가진다. 또한 사용자가 번역된 문장을 평가하여 사용자에 의한 객관적인 번역 시스템에 대한 평가를 기대할 수 있으며 평가 결과를 개발자에게 제공함으로써 번역 시스템의 성능 개선에 사용될 수 있다. 즉 사용자와 개발자간의 커뮤니케이션을 제공함으로써 사용자의 요구를 수용할 수 있는 시스템으로의 개선을 용이하게 한다.

• 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.

• Journal of the Korea Convergence Society
• /
• v.12 no.10
• /
• pp.27-35
• /
• 2021

Automatic post editing is a research field that aims to automatically correct errors in machine translation results. This research is mainly being focus on high resource language pairs, such as English-German. Recent APE studies are mainly adopting transfer learning based research, where pre-training language models, or translation models generated through self-supervised learning methodologies are utilized. While translation based APE model shows superior performance in recent researches, as such researches are conducted on the high resource languages, the same perspective cannot be directly applied to the low resource languages. In this work, we apply two transfer learning strategies to Korean-English APE studies and show that transfer learning with translation model can significantly improves APE performance.

• The Journal of the Convergence on Culture Technology
• /
• v.10 no.1
• /
• pp.121-128
• /
• 2024

With the recent rise in the use of AI-based online translation tools, interest in their methods and effects on education has grown. This study involved 30 prospective elementary school teachers who completed an English writing task using an AI-based online translation tool. The study focused on assessing the impact of these tools on English writing skills and their practical applications. It examined the usability, educational value, and the advantages and disadvantages of the AI translation tool. Through data collected via writing tests, surveys, and interviews, the study revealed that the use of translation tools positively affects English writing skills. From the learners' perspective, these tools were perceived to provide support and convenience for learning. However, there was also recognition of the need for educational strategies to effectively use these tools, alongside concerns about methods to enhance the completeness or accuracy of translations and the potential for over-reliance on the tools. The study concluded that for effective utilization of translation tools, the implementation of educational strategies and the role of the teacher are crucial.

• Journal of the Korea Convergence Society
• /
• v.8 no.8
• /
• pp.247-253
• /
• 2017

This study is strategically researched to regain the signification of capstone design by correcting the errors neglected the importances of meetings in the convergent English translation capstone design. For this, intial-meetings were designed to be students-centered except for explaining some basic knowledge and information. Mid-meetings were completely students-centered for the students to present their ideas, debate the contents and give feedbacks to one another. Final-meetings were also students-centered for the students to adjust and confirm the results. To validate the importance of students-centered meetings, the qualitative study has been done through interviewing students. In the interviews, almost all of them said they had motivation, confidence, and self-efficacy. Finally attempting capstone design in the future, students-centered meetings should be considered important. Hopefully this kind of capstone design will be used and studied continuedly and lively as a useful method in the field of English education.

• Annual Conference on Human and Language Technology
• /
• 2010.10a
• /
• pp.130-135
• /
• 2010

문장 정렬은 두 개의 문서 간의 대응이 되는 문장을 찾는 작업이다. 이 방법은 통계적 기계 번역의 학습 문서인 병렬 말뭉치를 자동으로 구축하는데 필수적인 방법이다. 본 연구에서는 길이 정보에 추가적으로 유사도 정보를 반영하는 한영 문장 정렬 방법을 제안한다. 먼저 한국어로 된 문서를 기계번역 시스템에 적용하여 영어 문서로 변환한다. 그리고 번역된 영어로 된 문서 결과와 영어로 된 대상 문서 간의 정렬 작업을 수행한다. 정렬 완료된 결과와 원시 문서, 대상 문서로부터 최종적인 결과를 생성해낸다. 본 논문에서는 기계 번역을 이용하는 방법과 더불어 기존의 길이 기반 문장 정렬 프로그램에 문장 유사도 정보를 추가하여 단어 정렬의 성능 향상을 꾀하였다. 그 결과 "21세기 세종기획"의 최종 배포본 내에 포함된 한영 병렬 말뭉치에 대해 한영 문장 정렬 F-1 자질의 결과가 89.39%를 보였다. 이 수치는 기존의 길이 기반의 단어 정렬의 성능 평가 결과와 비교했을 때 약 8.5% 가량 성능이 향상되었다.

• Journal of Digital Convergence
• /
• v.18 no.6
• /
• pp.99-108
• /
• 2020

This study aimed to investigate beginner-level learners' use of translators in L2 writing, and shed light on its validity in writing performance through their responses on the necessity, reliability and limitation of machine translation. 117 university students from beginner-level L2 writing classes participated in the survey. Additionally, 11 of them were interviewed about their answers. The survey and interview data revealed varying viewpoints such as reliability and effects as well as reasons for choosing translator-assisted writing. The vast majority(76.1%) used web-based machine translators for their writing activities, and employed various strategies to help their insufficient L2 skills and to increase their motivation and confidence. On the other hand, they exhibited its detrimental effects including it could lead to plagiarism, and interfere with the learning process unless they post-edited the given translation. However, translators were viewed as a new, efficient, and valid educational tool for effective and successful L2 writing.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2013.05a
• /
• pp.293-296
• /
• 2013

통계기반 기계번역 시스템 (SBMT system)은 기계번역시스템 중에서 최근 활발히 연구되고 있는 분야이다. 통계기반 기계번역은 대용량의 말뭉치를 사용할 수 있어 특정 언어 쌍에 제한을 덜 받아 모델을 자동으로 학습할 수 있으며 다른 언어에 일반화하여 적용이 가능하다는 장점이 있다. 그러나 영어와 한국어 간 통계기반 기계번역에 있어서는 어순의 차이로 인한 문제를 해결할 필요성이 여전히 남아 있다. 이에 본 연구에서는 영어와 한국어 간 이중언어 말뭉치를 구축하고 통계기반 기계번역 훈련 시스템인 Moses 에 기반하여 구현한 베이스 시스템을 이용하여 이중언어 간 어순처리 및 단어정렬의 최적화 방안을 연구하였다.