구조화된 번역 메모리 기반 독일어-한국어 자동 번역 연구 - ADeKo-Newsletter을 이용하여 -

최승권; 김영길

추천

검색

자료유형: 학술저널

저자정보: 최승권 (한국전자통신연구원) 김영길 (한국전자통신연구원)

저널정보: 한국독어학회 독어학 독어학 제24호

발행연도: 2011.12

수록면: 377 - 396 (20page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

Unter 'Translation Memory(TM)' versteht man eine Datenbank des bilingualen Korpus, d. h. eine zweisprachigen Datensammlung von Paralleltexten. TM+ dagegen ist eine erweiterte Form von TM und besteht aus dem besagten bilingualen Korpus und der linguistischen Struktur als Variable. In der vorliegenden Arbeit verfolgen wir zwei wissenschaftliche Zwecke. Zum einen wollen wir fur die Deutsch-Koreanische Maschinelle Ubersetzung die sogenannte ?strukturierte Translation Memory(TM+)" entwickeln, welche die niedrige Abdeckungrate des TM - eine der ernstzunehmenden Schwachen des herkommlichen Translation Memory(TM) - verbessern soll. Zum anderen wollen wir uberprufen, ob die Qualitat der maschinellen Ubersetzung durch TM+ tatsachlich verbessert werden kann. Der Ubersetzungsprozeß im TM+ besteht foglendermaßen aus: In der ersten Phase wird TM durch Pre-Prozedur in eine ?normale" Schreibform, d.h. ohne Rechtschreibfehler, unnotige Bindestriche oder uberflussige Symbole etc. umgewandelt. In der zweiten Phase, die sich mehr durch distinktive Eigenschaften von TM+ ausgezeichnet wird, werden die Eigennamen wie Personen-, Orts-, sowie Firmenname mithilfe von dem Eigenname-Recognizer durch "PRN" ersetzt. In der dritten Phase ersetzt der morphologische Analyser Datum durch "DATE" und Zahl durch "NUM". In der vierten Phase erfolgt das Chunking der Nominalphrase und sie werden durch "BNP" ersetzt. In der letzten Phase werden schließlich die Satze von der Satzanalyzer durch Variable "S" ersetzt. Auf die derartige Ubersetzung folgt der Evaluationsprozeß, um die Funktionalitat von TM+ fur die Deutsch-Koreanische Maschinelle Ubersetzung zu uberprufen. Statistisch untersucht wurde dabei die Frage, wieviele Satze von ADeKo-Evaluierungskorpus in den 144 Satze von ADeko-Trainingskorpus auftreten. Das waren 36 von ingesamt 46 Satzen(78.26%). Davon wurden 32 Satze (69.57%) qualitativ verbessert, wahrend 4 Satze(8.70%) in ihrer Ubersetzungsqualitat sanken. So kamen wir zu dem Ergebnis, dass insgesamt 60.87%(=69.57% - 8.70%) durch TM+ verbessert wurden.

Unter 'Translation Memory(TM)' versteht man eine Datenbank des bilingualen Korpus, d. h. eine zweisprachigen Datensammlung von Paralleltexten. TM+ dagegen ist eine erweiterte Form von TM und besteht aus dem besagten bilingualen Korpus und der linguistischen Struktur als Variable. In der vorliegenden Arbeit verfolgen wir zwei wissenschaftliche Zwecke. Zum einen wollen wir fur die Deutsch-Koreanische Maschinelle Ubersetzung die sogenannte ?strukturierte Translation Memory(TM+)" entwickeln, welche die niedrige Abdeckungrate des TM - eine der ernstzunehmenden Schwachen des herkommlichen Translation Memory(TM) - verbessern soll. Zum anderen wollen wir uberprufen, ob die Qualitat der maschinellen Ubersetzung durch TM+ tatsachlich verbessert werden kann.Der Ubersetzungsprozeß im TM+ besteht foglendermaßen aus: In der ersten Phase wird TM durch Pre-Prozedur in eine ?normale" Schreibform, d.h. ohne Rechtschreibfehler, unnotige Bindestriche oder uberflussige Symbole etc. umgewandelt. In der zweiten Phase, die sich mehr durch distinktive Eigenschaften von TM+ ausgezeichnet wird, werden die Eigennamen wie Personen-, Orts-, sowie Firmenname mithilfe von dem Eigenname-Recognizer durch "PRN" ersetzt. In der dritten Phase ersetzt der morphologische Analyser Datum durch "DATE" und Zahl durch "NUM". In der vierten Phase erfolgt das Chunking der Nominalphrase und sie werden durch "BNP" ersetzt. In der letzten Phase werden schließlich die Satze von der Satzanalyzer durch Variable "S" ersetzt.Auf die derartige Ubersetzung folgt der Evaluationsprozeß, um die Funktionalitat von TM+ fur die Deutsch-Koreanische Maschinelle Ubersetzung zu uberprufen. Statistisch untersucht wurde dabei die Frage, wieviele Satze von ADeKo-Evaluierungskorpus in den 144 Satze von ADeko-Trainingskorpus auftreten. Das waren 36 von ingesamt 46 Satzen(78.26%). Davon wurden 32 Satze (69.57%) qualitativ verbessert, wahrend 4 Satze(8.70%) in ihrer Ubersetzungsqualitat sanken. So kamen wir zu dem Ergebnis, dass insgesamt 60.87%(=69.57% - 8.70%) durch TM+ verbessert wurden.

#번역메모리 #Translation Memory #구조화된 번역메모리 #Strukturiete Translation Memory #자동 번역 #Maschinelle Ubersetzung #Detusch-Koreanische Ubersetzung #독한번역

참고문헌

참고문헌 신청

최근 본 자료

전체보기

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)