한영번역기에서의 주어 복원 문제에 대하여

Q: 이 논문에서 정의한 주어 복원이란 무엇인가?

한국어 문장에서 빈번하게 발생하는 주어 생략 현상을 해결하기 위해, 영어로 번역하는 과정에서 문맥과 문법적 규칙을 바탕으로 생략된 주어를 적절하게 찾아내어 채워 넣는 일련의 처리 과정을 의미한다.

Q: 한영 기계 번역에서 효과적인 주어 복원을 위해 활용되는 핵심 요소는 무엇인가?

연구 결과, 문형 정보와 단어, 형태소, 구 정보 등 다양한 언어적 요소를 활용한 복원 전략이 유효하다. 특히 의문문에서는 질문 대상에 따라 you나 it으로, 평서문에서는 서술 대상에 따라 적절한 인칭 대명사로 복원하는 것이 효과적이다.

최정혜

추천

검색

질문

자료유형: 학술저널

저자정보: 최정혜

저널정보: 언어과학회 언어과학연구 언어과학연구 제27집

발행연도: 2003.12

수록면: 385 - 406 (22page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

The primary purpose of this paper is to examine the patterns that some subjects are omitted in Korean-English machine translation, and to suggest a way of subject recovery. The strategy of subject recovery could be roughly divided whether the sentence is simple or not. In the substrategies of subject recovery, both the lexical items and the grammatical items are used; psychological verbs, suffixes, endings, etc. And most of these items are represented by virtue of features which are so flexible and easily addable in FCG(Feature computation Grammar). Together with these, I will compare `TransMaster` (Korean- English machine translator made by Machine Translation Lab in Korea Univ. and Prolangs Co., Ltd.) with another Korean- English math translators(`Han guide 2.0`, `Smartran`).

#주어 복원 #한영기계번역 #한영번역기 #Korean-English machine translation #Korean-English machine translator #subject recovery

참고문헌

참고문헌 신청

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2016-700-002546818

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)