한영 기계 번역에서 ST의 유형적 특징에 따른 번역 오류 분석

박옥수

추천

검색

질문

자료유형: 학술저널

저자정보: 박옥수 (嶺南大學校)

저널정보: 동아인문학회 동아인문학 東亞人文學第41輯

발행연도: 2017.12

수록면: 155 - 183 (29page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

지난 몇 년 동안 기계번역의 기술은 통계 기계번역(SMT: Statistical Machine Translation)에서 신경망 기계번역(NMT: Neural Machine Translation)으로 괄목할만한 발전을 보여주었다. 딥러닝(deep learning)이 도입되면서 기계번역의 연구는 주로 인공지능의 시스템과 알고리즘을 개발하는 컴퓨터 공학 분야로 제한되었다. 그러나 NMT의 품질은 인간 번역으로 구성된 병렬 코퍼스의 질과 양이 결정적인 영향을 미친다. NMT의 작동 과정에서 신경망이 학습하는 모범 번역은 인간이 투입한다. 그리고 정확한 원문의 입력도 중요한 요소가 된다. 기계번역을 통해 우수한 품질의 결과물을 생산하기 위해서는 번역자가 정확한 원문을 입력하고, 번역물을 수정할 수 있어야 한다. 특히 한영번역의 경우 원문의 정확도는 번역물 품질에 주요 변수가 된다. 틀린 맞춤법이나 구문, 비문 등이 포함된 원천 텍스트를 입력하면 당연히 오류의 확률이 더 높아진다. 자연언어처리에서 원천 언어의 특징도 주요 변수가 된다. 예를 들면 원천 언어가 한국어인 경우, 조사의 사용이나 언어사용 환경에 따라 번역 오류가 발생할 수 있다.
이런 상황을 고려해 볼 때 기계번역의 오류 유형을 제시하고, 원천텍스트와의 관련성을 고찰하는 연구가 필요하고, 이는 인문학 분야에서 수행되는 것이 바람직하다. 원문의 검토가 사전 처리 과정이라면 기계번역의 결과물을 평가하고, 품질을 개선하는 방안을 제시하는 것은 후처리 과정이 된다.
이 연구에서는 한영 기계번역에서 인간의 사전 처리와 후처리 문제를 살펴본다. 연구의 목적은 원천 텍스트의 정확도와 연계해서 오류를 항목별로 분석함으로써 기계번역의 오류 문제에 접근하는 방식을 제시하고 오류를 줄이는 방안을 논의하는 데 있다.

Over the past few years, the technology of machine translation has made remarkable progress from Statistical Machine Translation (SMT) to Neural Machine Translation (NMT). With the introduction of deep learning, the study of machine translation has been performed mainly in the field of computer engineering, which develops systems and algorithms for artificial intelligence. However, the quality and quantity of parallel corpus composed of human translation has a decisive influence on the quality of NMT. In the process of NMT, the model translation that neural network learns is input by human. Also, input of source text is an important factor. The translator must be able to input the correct original text and modify the translation to get excellent quality results in machine translation. Especially, in the case of Korean-English translation, the accuracy of the original text is the main variable for the translation quality. To reduce errors, the translator must enter the correct source text. Inputting source text that contains incorrect spelling, imprecise phrases, and non-grammatical sentences will, of course, increase the probability of error. In the natural language processing, the characteristics of the source language are also the main variables. For example, if the source language is Korean, translation errors may occur depending on the use of the postposition or contextual situation. Given this situation, the accuracy of the source text becomes a major factor in the quality of translation. While the review and revision of the original text is a preprocessing process, evaluating the results of the machine translation and suggesting ways to improve the quality is a postprocessing process.
Considering this situation, it is necessary to study the relation between the source text and the error type of machine translation, and it is desirable to perform it in the field of humanities.
In this study, we examine human preprocessing and postprocessing issues in Korean-English machine translation. The purpose of this study is to present the error problem of machine translation by analyzing the error in line with the accuracy of the source text, and discussing ways to reduce translation errors.

#한영기계번역 #오류 분석 #원천 언어 #신경망 기계번역 #딥러닝 #Korean-English machine translation #error analysis #source text #neural machine translation #deep learning

참고문헌 (15)

참고문헌 신청

[단행본] - 고정민 / 2003 / 베이직 영작문: Back to the Basic / 다락원

[학술대회논문] - 노은정 / 2016 / 한국어 수사구조 분류체계 수립 및 주석 코퍼스 구축 / 제28회 한글 및 한국어 정보처리 학술대회논문집 : 33 ~ 38

[학술대회논문] - 손대능 / 2016 / 딥러닝 모형 기반 한국어 개체명 연결 / 제28회 한글 및 한국어 정보처리 학술대회 논문집 : 90 ~ 95

[학술대회논문] - 신준철 / 2016 / 다의어 분별 정확률 개선을 위한 보조사의 통사격 결정 / 제28회 한글 및 한국어 정보처리 학술대회 논문집 : 102 ~ 104

[학술지(정기간행물)] - 이건일 / 2015 / 심층학습을 이용한 기계번역 연구동향 / 한국 정보과학회지 33 (10) : 40 ~ 47

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

박옥수

소속기관 嶺南大學校

주요연구분야 인문학 > 기타 인문학 TOP 5%

논문수 11 이용수 3,402

이 논문과 함께 이용한 논문

딥러닝 기반의 미래기술 전망

김영형 , 신기웅 , 이용환 Proceedings of KIIT Conference 2015 .06

딥러닝 기반 푸드 검색 시스템을 위한 데이터베이스

정다운 , 이승재 , 이근동 외 3명 한국통신학회 학술대회논문집 2017 .11

모바일 환경에서의 딥러닝 기반 음식 영상 검색을 위한 요구사항 분석

손형관 , 이승재 , 정다운 외 1명 대한전자공학회 학술대회 2017 .11

딥러닝을 이용한 애완동물 대변 인식 시스템

이재정 , 김영우 , 강석준 외 1명 한국통신학회 학술대회논문집 2017 .06

한국어 음소 단위 LSTM 언어모델을 이용한 문장 생성

안성만 , 정여진 , 이재준 외 1명 지능정보연구 2017 .06

최근 본 자료

전체보기

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

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (15)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)