KR101818598B1 - 자동 번역 엔진 서버 및 자동 번역 방법 - Google Patents

자동 번역 엔진 서버 및 자동 번역 방법 Download PDF

Info

Publication number
KR101818598B1
KR101818598B1 KR1020160101258A KR20160101258A KR101818598B1 KR 101818598 B1 KR101818598 B1 KR 101818598B1 KR 1020160101258 A KR1020160101258 A KR 1020160101258A KR 20160101258 A KR20160101258 A KR 20160101258A KR 101818598 B1 KR101818598 B1 KR 101818598B1
Authority
KR
South Korea
Prior art keywords
sentence
translation
dictionary
analysis
text
Prior art date
Application number
KR1020160101258A
Other languages
English (en)
Inventor
이청호
Original Assignee
주식회사 에버트란
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 에버트란 filed Critical 주식회사 에버트란
Priority to KR1020160101258A priority Critical patent/KR101818598B1/ko
Application granted granted Critical
Publication of KR101818598B1 publication Critical patent/KR101818598B1/ko

Links

Images

Classifications

    • G06F17/289
    • G06F17/271
    • G06F17/2755

Landscapes

  • Machine Translation (AREA)

Abstract

자동 번역 엔진 서버 및 자동 번역 방법을 개시한다. 자동 번역 엔진 서버는 언어 별 형태소, 문법데이터를 저장하고, 코퍼스 데이터(corpus)를 구축하여 언어별 구(phrase) 데이터 및 문장패턴 데이터를 저장하는 데이터베이스; 입력된 원문의 띄어쓰기 구조에 따라 원문에 포함된 단어의 형태소와 문장구조 및 구문을 분석하는 분석부; 분석 결과를 기반으로 원문의 문장 성분을 번역문의 문장성분인 대역어로 변환하는 변환부; 및 문장 패턴 사전 및 코퍼스 데이터를 기반으로 번역문을 생성하는 생성부; 를 포함한다.

Description

자동 번역 엔진 서버 및 자동 번역 방법 {SERVER AND METHOD FOR AUTOMATIC TRANSLATION}
본 개시는 자동 번역 서버 및 자동 번역 방법에 관한 것으로, 구체적으로 코퍼스(corpus) 데이터베이스를 이용한 자동 번역 서버 및 방법에 관한 것이다.
본 명세서에서 달리 표시되지 않는 한, 이 섹션에 설명되는 내용들은 이 출원의 청구항들에 대한 종래 기술이 아니며, 이 섹션에 포함된다고 하여 종래 기술이라고 인정되는 것은 아니다.
최근 빅데이터 기술의 발전과 보급 확대로 빅데이터 기술의 응용 분야도 다양해 지고 있다. 특히 인공지능(Artificial Intelligence) 기술의 성능향상은 빅데이터 기술의 활용 분야를 더욱 확대하고 있다. 종래의 자동번역기술은 규칙기반(Rule-Based Machine Translation: RBMT), 패턴기반, 통계기반(Statistical Machine Translation: SMT) 등의 기술로 발전되어 왔으나, 자동 번역의 품질의 신뢰도가 떨어지는 문제점을 갖고 있었다. 최근에는 자동번역기술에 인공지능 기술을 접목시킨 인공지능 기계번역(Neuronal Machine Translation: NMT) 기술이 급부상하며, 자동번역의 번역 품질을 향상시킬 수 있는 대안으로 떠오르고 있다.
규칙기반 기계번역엔진에서 자동번역 과정은 원문 문장의 형태소분석과 구문분석을 수행하고, 대상 언어의 문장 형태로의 변환과 생성의 4단계를 거쳐 수행된다. 구체적으로 종래 규칙 기반 번역 엔진 구조에서의 번역 흐름을 나타낸 도 1을 참조하면, 원문을 입력 받아, 언어별 형태소 사전과 문법 사전 데이터베이스를 기반으로 형태소 분석과 구문 분석을 수행하고, 원문 언어의 어휘를 번역문 언어의 어휘로 변환 후, 번역문을 생성한다.
그러나 하나의 단어가 여러 품사를 갖고 있거나, 여러 가지 의미를 갖고 있어, 형태소 분석 및 구문분석에서 언어의 모호성이 상시 존재한다. 이로 인해 어순 오류가 발생하거나 자연스럽지 못한 번역문이 생성된다. 이 때문에, 자동번역의 품질은 번역자가 직접 번역한 결과와 비교하여 기계번역의 품질이 현저하게 떨어지는 것이 기존 규칙기반 기계번역엔진의 기술적인 한계이다.
1. 한국 특허공개 제 10-2010-0031800호(2010.03.25) 2. 한국 특허등록 제 10-2011-0066467호(2011.06.17)
본 개시는 NMT(Neuronal Machine Translation: NMT) 기술을 기반으로 영어와 한국어 간 번역 품질을 향상시키는 자동번역서버를 제공한다. 구체적으로, 기존의 기술적인 한계를 갖고 있던 규칙기반 기계번역엔진의 기술적 한계를 극복하기 위해 대용량의 고품질 양방향 코퍼스를 기반으로 하여, 자동번역의 번역 품질을 향상시키는 번역 엔진 서버 및 자동 번역 방법을 제공한다.
하나의 실시예로서, 자동 번역 방법은 형태소 사전, 문법사전을 구축하고, 코퍼스(corpus) 데이터를 구축하여 구(phrase) 사전 및 문장패턴 사전 데이터를 생성하는 단계; 원문을 입력 받아, 상기 형태소 사전 및 구 사전을 기반으로 입력된 원문의 형태소를 분석하고, 문법 사전을 기반으로 구문 분석을 수행하는 단계; 분석 결과에 따라 원문을 대역어로 변환하는 단계; 및 문장 패턴 사전 및 코퍼스 데이터를 기반으로 번역문을 생성하는 단계; 를 포함한다.
다른 실시예로서 자동 번역 엔진 서버는, 언어 별 형태소, 문법데이터를 저장하고, 코퍼스 데이터(corpus)를 구축하여 언어별 구(phrase) 데이터 및 문장패턴 데이터를 저장하는 데이터베이스; 입력된 원문의 띄어쓰기 구조에 따라 원문에 포함된 단어의 형태소와 문장구조 및 구문을 분석하는 분석부; 분석 결과를 기반으로 원문의 문장 성분을 번역문의 문장성분인 대역어로 변환하는 변환부; 및 문장 패턴 사전 및 코퍼스 데이터를 기반으로 번역문을 생성하는 생성부; 를 포함한다.
이상에서와 같은 자동 번역 엔진 서버 및 그 방법은 자동 번역의 품질을 향상시키는 효과를 창출한다. 실시예에 따른 자동 번역 엔진 서버 및 자동 번역 방법은 기재한 효과 외에 다른 효과도 가질 수 있다.
도 1은 종래 규칙 기반 번역 엔진 구조에서의 번역 흐름을 나타낸 도면
도 2는 실시예에 따른 자동 번역 서버의 구성을 나타낸 블록도
도 3은 원문 구조 및 번역문의 구조 분석 실시예를 나타낸 도면
도 4는 실시예에 따른 자동 번역 방법의 데이터 흐름을 나타낸 흐름도이다.
도 5는 원문과 번역문 형태소 및 구문 분석 정보를 이용한 구(phrase) 사전 구축 방법의 실시예를 나타낸 도면
도 6은 원문과 번역문의 형태소 및 구문 분석 정보를 이용한 문장 생성 사전 구축 실시예를 나타낸 도면
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 도면부호는 동일 구성 요소를 지칭한다.
본 발명의 실시 예들을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 발명의 실시 예에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
본 개시는 휴먼 번역에 의해서 구축된 대량의 고품질 양방향 코퍼스를 이용하여 원문과 번역문장의 형태소 및 구문분석을 수행하여 양쪽 언어의 형태소 단위 별로 연결을 시키고, 구문분석 결과의 문장 성분 별로 연결을 시켜 구(phrase) 사전과 문장 생성 정보를 대용량 데이터베이스(Big Data Engine)에 저장한다. 이를 통해 새로운 문장을 번역할 때 구축된 데이터베이스를 이용하여 번역 품질을 향상시킨다.
도 2는 실시예에 따른 자동 번역 서버의 구성을 나타낸 블록도이다.
도 2를 참조하면, 자동 번역 서버(200)는 데이터베이스(210), 분석부(230), 변환부(250) 및 생성부(270)를 포함하여 구성될 수 있다.
데이터베이스(210)는 코퍼스 기반의 자동 번역에 필요한 일련의 데이터를 저장 및 관리한다. 데이터베이스(210)는 언어 별 형태소 사전(211), 문법사전(213), 구(phrase) 사전(217) 및 병렬 코퍼스(corpus) 데이터베이스(219)로 구성될 수 있다. 형태소 사전(211)에는 언어별로 뜻을 가진 가장 작은 말의 단위가 되는 형태소를 데이터베이스화 하여 저장한다. 문법사전(213)에는 언어 별로 문장을 구성하는 규칙 및 품사별 활용 규칙 등 문법 데이터가 저장되고, 구(phrase) 사전(217)에는 둘 이상의 단어로 이루어진 이어 동사와 같은 구에 대한 데이터가 저장된다. 병렬 코퍼스 데이터베이스(219)는 언어학에서 구조를 이루고 있는 텍스트인 코퍼스(말뭉치)를 저장한다. 코퍼스는 단일한 언어(단일언어 말뭉치) 또는 여러 언어(다중언어 말뭉치)의 텍스트를 포함하고 있는 경우가 있다. 여러 언어 간의 비교를 위해 특별히 형태화된 다중언어 코퍼스는 '정렬된 병렬 코퍼스(aligned parallel corpora)'이고, 병렬 코퍼스도 데이터베이스(219)에 저장된다.
분석부(230)는 입력된 원문의 띄어쓰기 구조에 따라 원문에 포함된 단어의 형태소와 문장구조 및 구문을 분석한다. 예컨대, 분석부(230)는 사람이 번역한 대량의 양방향 코퍼스(약 100만 문장 이상)를 대상으로 각각의 원문과 번역문에 대한 형태소분석(명사, 동사, 형용사 등의 품사) 및 구문분석(주어, 서술, 목적어, 보어 등)을 수행한다.
변환부(250)는 분석 결과를 기반으로 원문의 문장성분을 번역문의 문장성분으로 변환하고, 생성부(270)는 문장 패턴 사전 및 코퍼스 데이터를 기반으로 번역문을 생성한다. 예컨대, 생성부(270)는 원문의 형태소와 번역문의 형태소 단위로 사전을 참조하여 대역을 연결한다. 실시예에 있어서, 자동 번역 서버는 번역 과정을 통해 원문과 번역문에 대응되는 단어를 자가 학습으로 용어집으로 구축하고, 각 단어 별로 사용되는 의미와 품사 정보를 형태소 데이터베이스에 저장한다.
도 3은 원문 구조 및 번역문의 구조 분석 실시예를 나타낸 도면이다.
도 3에 도시된 바와 같이, 원문 문장 'A first operating BZ2 state can be a operating state at which a very small amount of fuel is metered, especially for catalyst heating을 띄어쓰기 구조 및 영문 문장 구조를 반영하여 형태소 및 코퍼스 별로 분류한다. 그러면, 문장의 중심 동사를 기준으로 상위구조와 하위구조를 포함하는 트리 구조 형태로 문장 구조가 분석되고 분석 결과에 따라 분석 단위 별 대역어로 변환된다.
이후 각각의 번역어구를 연결하여 번역문' 제 1 동작 BZ2 상태는 특히 촉매 가열을 위해 매우 소량의 연료가 계량되는 작동 상태일 수 있다.'를 생성한다.
도 4는 실시예에 따른 자동 번역 방법의 데이터 흐름을 나타낸 흐름도이다.
구체적으로 도 4는 대용량으로 구축된 고품질 병렬 코퍼스에 대해서 각 문장 별로 형태소 및 구문분석을 수행하여 구(phrase) 사전과 문장 생성 사전을 구축하여 기존의 규칙기반 번역엔진의 과정에서 형태소 분석 및 생성 단계에서 이를 활용하여 번역 품질을 향상시키는 과정을 도시한다.
도 4에 도시된 워크벤치는 사용자가 편리하게 병렬코퍼스로부터 형태소 및 구분 분석 정보를 저장시켜 구(Phrase) 사전의 생성과 문장 생성정보를 사전에 저장하고, 새로운 문장을 번역할 때 적용된 구(phrase)사전과 문장 패턴을 보여주기 위해 개발된 도구이다.
S410 단계에서 형태소 사전, 문법사전을 구축하고, 코퍼스 데이터(corpus)를 구축하여 구(phrase) 사전, 문장패턴 사전을 생성하는 과정을 수행한다.
S420 단계에서는 원문을 입력 받아, 형태소 사전 및 구 사전을 기반으로 입력된 원문의 형태소를 분석하고, S430 단계에서는 문법 사전을 기반으로 구문 분석을 수행하는 단계를 수행한다.
S440 단계에서는 분석된 결과에 따라 원문을 번역어로 변환하고, S450 문장 패턴 사전 및 코퍼스 데이터를 기반으로 번역문을 생성한다.
도 5는 원문과 번역문 형태소 및 구문 분석 정보를 이용한 구(phrase) 사전 구축 방법의 실시예를 나타낸 도면이다.
도 5에 도시된 바와 같이, 원문과 번역문의 형태소 단위로 매핑이 이루어진 후에, 원문과 번역문의 구조분석결과를 이용하여 구조분석의 최하위 노드의 부모(상위) 노드 단위로 매핑 시켜 원문과 번역문 구(Phrase)을 사전으로 등록한다. 예컨대, 'very small amount of'는 '매우 소량의' 라는 번역문 사전으로 등록하고, 'operating state'는 작동 상태 등 구 또는 코퍼스 단위의 번역 데이터를 구축한다.
도 6은 원문과 번역문의 형태소 및 구문 분석 정보를 이용한 문장 생성 사전 구축 실시예를 나타낸 도면이다.
도 6에 도시된 바와 같이, 다음은 문장 생성 사전을 생성하는 방법으로서, 문장의 구조분석 결과에서 최상위 노드(용언)을 중심으로 하위 노드(child node)를 기준으로 영어 문장인 경우에는 전치사, 한글 문장인 경우에는 조사와 어미를 기준으로 문장 생성 사전을 구축한다. 도 6에서 원문인 영어는 전치사와 동사를 기준으로 문장의 구성을 표시하고, 그 대역어인 한국어에서는 주격을 포함하는 모든 조사와 동사의 어미를 기준으로 하여 분리하여 문장 생성 규칙을 동사를 중심으로 기호화하여 저장한다.
기재한 바와 같이 원문의 문장 패턴과 번역문의 문장 패턴을 저장시켜 놓고, 새로운 문장을 번역할 때 번역문 생성 과정에서 원문과 동일한 패턴을 검색하여 이에 대응되는 문장 생성 정보(번역문 패턴)을 이용하여 번역문을 생성함으로써, 기계적인 번역결과보다 매끄러운 번역 결과를 생성할 수 있도록 한다.
개시된 내용은 예시에 불과하며, 특허청구범위에서 청구하는 청구의 요지를 벗어나지 않고 당해 기술분야에서 통상의 지식을 가진 자에 의하여 다양하게 변경 실시될 수 있으므로, 개시된 내용의 보호범위는 상술한 특정의 실시예에 한정되지 않는다.
210: 데이터베이스
230: 분석부
250: 변환부
270: 생성부

Claims (4)

  1. 자동 번역 방법에 있어서,
    형태소 사전, 문법사전을 구축하고, 코퍼스(corpus) 데이터 및 다수의 언어 간 비교를 위해 형태화된 다중언어 코퍼스인 정렬된 병렬 코퍼스(aligned parallel corpora)를 구축하여 구(phrase) 사전 및 문장패턴 사전 데이터를 생성하는 단계;
    원문을 입력 받아, 상기 형태소 사전 및 구 사전을 기반으로 입력된 원문의 형태소를 분석하고, 상기 문법 사전을 기반으로 구문 분석을 수행하는 단계;
    분석 결과에 따라 원문을 대역어로 변환하는 단계; 및
    문장 패턴 사전 및 코퍼스 데이터를 기반으로 번역문을 생성하는 단계; 를 포함하고,
    상기 구문 분석을 수행하는 단계; 는
    사람이 번역한 대량의 양방향 코퍼스를 대상으로 각각의 원문과 번역문에 대한 명사, 동사, 형용사를 포함하는 형태소 분석 및 주어, 서술, 목적어, 보어를 구분하는 구문분석을 수행하는 단계;
    상기 구문분석결과에 따라 구(phrase) 사전과 문장 생성 사전을 구축하는 단계;
    띄어쓰기 구조 및 영문 문장 구조를 반영하여 형태소 및 코퍼스 별로 분류하는 단계;
    문장의 중심 동사를 기준으로 상위구조와 하위구조를 포함하는 트리 구조 형태로 문장 구조를 분석하는 단계; 및
    분석 결과에 따라 분석 단위 별 대역어로 변환하는 단계; 를 포함하고
    상기 사전데이터를 생성하는 단계; 는
    원문과 번역문을 형태소 단위로 매핑하는 단계;
    상기 원문과 번역문의 구조분석결과를 이용하여 원문 구조 최하위 노드의 상위 노드 단위로 원문과 번역문을 매핑 시켜 원문과 번역문 구(Phrase)를 사전으로 등록하는 단계;
    용언을 포함하는 최상위 노드를 중심으로 하위 노드(child node)를 기준으로 영어 문장인 경우에는 전치사, 한글 문장인 경우에는 조사와 어미에 대한 문장 생성 사전을 구축하는 단계; 를 포함하는 것을 특징으로 하는 자동 번역 방법.
  2. 제 1항에 있어서, 상기 문장 패턴 사전 및 코퍼스 데이터를 기반으로 번역문을 생성하는 단계는
    원문 문장 패턴과 번역문 문장 패턴을 저장하고, 입력되는 문장을 번역하는 경우, 입력된 원문과 동일한 패턴을 검색하여 검색 결과에 대응되는 문장 생성 정보를 통해 번역문을 생성하는 것을 특징으로 하는 자동 번역 방법.
  3. 자동 번역 엔진 서버에 있어서,
    언어 별 형태소, 문법데이터를 저장하고, 코퍼스 데이터(corpus)를 구축하여 언어별 구(phrase) 데이터, 문장패턴 데이터 및 다수의 언어 간 비교를 위해 형태화된 다중언어 코퍼스인 정렬된 병렬 코퍼스(aligned parallel corpora)를 저장하는 데이터베이스;
    입력된 원문의 띄어쓰기 구조에 따라 원문에 포함된 단어의 형태소와 문장구조 및 구문을 분석하는 분석부;
    상기 분석 결과를 기반으로 원문의 문장 성분을 번역문의 문장성분인 대역어로 변환하는 변환부; 및
    문장 패턴 사전 및 코퍼스 데이터를 기반으로 번역문을 생성하는 생성부;를 포함하고
    상기 분석부는 사람이 번역한 대량의 양방향 코퍼스를 대상으로 각각의 원문과 번역문에 대한 명사, 동사, 형용사를 포함하는 형태소 분석 및 주어, 서술, 목적어, 보어를 구분하는 구문분석을 수행하고, 띄어쓰기 구조 및 영문 문장 구조를 반영하여 형태소 및 코퍼스 별로 분류하고, 문장의 중심 동사를 기준으로 상위구조와 하위구조를 포함하는 트리 구조 형태로 문장 구조를 분석하고,
    상기 변환부는 상기 분석부로부터 전달된 분석 결과에 따라 분석 단위 별 대역어로 변환하고,
    상기 생성부는
    원문과 번역문을 형태소 단위로 매핑하고 상기 원문과 번역문의 구조분석결과를 이용하여 원문 구조 최하위 노드의 상위 노드 단위로 원문과 번역문을 매핑 시켜 원문과 번역문 구(Phrase)를 사전으로 등록하고 용언을 포함하는 최상위 노드를 중심으로 하위 노드(child node)를 기준으로 영어 문장인 경우에는 전치사, 한글 문장인 경우에는 조사와 어미에 대한 문장 생성 사전을 구축하는 것을 특징으로 하는 자동 번역 서버.
  4. 제 3항에 있어서, 상기 생성부는
    원문 문장 패턴과 번역문 문장 패턴을 저장하고, 입력된 문장을 번역하는 경우, 상기 입력된 원문과 동일한 패턴을 검색하여 검색 결과에 대응되는 문장 생성 정보를 통해 번역문을 생성하는 것을 특징으로 하는 자동 번역 서버.
KR1020160101258A 2016-08-09 2016-08-09 자동 번역 엔진 서버 및 자동 번역 방법 KR101818598B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160101258A KR101818598B1 (ko) 2016-08-09 2016-08-09 자동 번역 엔진 서버 및 자동 번역 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160101258A KR101818598B1 (ko) 2016-08-09 2016-08-09 자동 번역 엔진 서버 및 자동 번역 방법

Publications (1)

Publication Number Publication Date
KR101818598B1 true KR101818598B1 (ko) 2018-03-02

Family

ID=61729336

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160101258A KR101818598B1 (ko) 2016-08-09 2016-08-09 자동 번역 엔진 서버 및 자동 번역 방법

Country Status (1)

Country Link
KR (1) KR101818598B1 (ko)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109299479A (zh) * 2018-08-21 2019-02-01 苏州大学 通过门控机制将翻译记忆融入神经机器翻译的方法
KR20200010144A (ko) * 2019-09-30 2020-01-30 네이버 주식회사 모바일 기기의 입력 인터페이스 내에서 맞춤법 검사를 지원하는 방법 및 시스템
CN111104796A (zh) * 2019-12-18 2020-05-05 北京百度网讯科技有限公司 用于翻译的方法和装置
KR20200066009A (ko) * 2018-11-30 2020-06-09 주식회사 솔트룩스 한국어 구문 분석을 활용한 정보 처리 시스템
KR102244448B1 (ko) 2020-10-05 2021-04-27 주식회사 플리토 전문 번역 서비스 플랫폼을 제공하기 위한 방법
KR20220006203A (ko) 2020-07-08 2022-01-17 이은숙 번역 및 감수 효율화 기능을 제공하는 컴퓨터 프로그램
CN114168251A (zh) * 2022-02-14 2022-03-11 龙旗电子(惠州)有限公司 语言切换方法、装置、设备、计算机可读存储介质及产品
US11604931B2 (en) 2019-09-27 2023-03-14 Samsung Electronics Co., Ltd. Electronic device and controlling method of electronic device

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100805190B1 (ko) 2006-09-07 2008-02-21 한국전자통신연구원 영어 문장 분리 장치 및 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100805190B1 (ko) 2006-09-07 2008-02-21 한국전자통신연구원 영어 문장 분리 장치 및 방법

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109299479A (zh) * 2018-08-21 2019-02-01 苏州大学 通过门控机制将翻译记忆融入神经机器翻译的方法
KR20200066009A (ko) * 2018-11-30 2020-06-09 주식회사 솔트룩스 한국어 구문 분석을 활용한 정보 처리 시스템
KR102143158B1 (ko) 2018-11-30 2020-08-11 주식회사 솔트룩스 한국어 구문 분석을 활용한 정보 처리 시스템
US11604931B2 (en) 2019-09-27 2023-03-14 Samsung Electronics Co., Ltd. Electronic device and controlling method of electronic device
KR20200010144A (ko) * 2019-09-30 2020-01-30 네이버 주식회사 모바일 기기의 입력 인터페이스 내에서 맞춤법 검사를 지원하는 방법 및 시스템
KR102158544B1 (ko) * 2019-09-30 2020-09-22 네이버 주식회사 모바일 기기의 입력 인터페이스 내에서 맞춤법 검사를 지원하는 방법 및 시스템
CN111104796A (zh) * 2019-12-18 2020-05-05 北京百度网讯科技有限公司 用于翻译的方法和装置
CN111104796B (zh) * 2019-12-18 2023-05-05 北京百度网讯科技有限公司 用于翻译的方法和装置
KR20220006203A (ko) 2020-07-08 2022-01-17 이은숙 번역 및 감수 효율화 기능을 제공하는 컴퓨터 프로그램
KR102301097B1 (ko) 2020-10-05 2021-09-13 주식회사 플리토 번역 단말들의 평가 정보에 기반하여 전문 번역 서비스 플랫폼을 제공하기 위한 방법
KR102306377B1 (ko) 2020-10-05 2021-10-01 주식회사 플리토 인공 신경망을 활용한 전문 번역 서비스 플랫폼을 제공하기 위한 방법
KR102310578B1 (ko) 2020-10-05 2021-10-12 주식회사 플리토 최적의 번역 모델을 활용하여 전문 번역 서비스 플랫폼을 제공하기 위한 방법
KR102301096B1 (ko) 2020-10-05 2021-09-13 주식회사 플리토 최적화된 번역 단말을 선별하여 전문 번역 서비스 플랫폼을 제공하기 위한 방법
KR20220045881A (ko) 2020-10-05 2022-04-13 주식회사 플리토 전문 번역 서비스 플랫폼을 제공하기 위한 방법
KR102296624B1 (ko) 2020-10-05 2021-09-02 주식회사 플리토 번역 단말들의 연계를 통해 전문 번역 서비스 플랫폼을 제공하기 위한 방법
KR102244448B1 (ko) 2020-10-05 2021-04-27 주식회사 플리토 전문 번역 서비스 플랫폼을 제공하기 위한 방법
CN114168251A (zh) * 2022-02-14 2022-03-11 龙旗电子(惠州)有限公司 语言切换方法、装置、设备、计算机可读存储介质及产品

Similar Documents

Publication Publication Date Title
KR101818598B1 (ko) 자동 번역 엔진 서버 및 자동 번역 방법
US6760695B1 (en) Automated natural language processing
KR100911621B1 (ko) 한영 자동번역 방법 및 장치
Miháltz et al. Methods and results of the Hungarian WordNet project
KR100530154B1 (ko) 변환방식 기계번역시스템에서 사용되는 변환사전을생성하는 방법 및 장치
Garje et al. Survey of machine translation systems in India
KR20130123037A (ko) 양방향 자동 통역 및 번역 서비스 제공 장치 및 그 방법
Neale et al. Leveraging lexical resources and constraint grammar for rule-based part-of-speech tagging in Welsh
Raulji et al. Sanskrit machine translation systems: a comparative analysis
Boguslavsky et al. Creating a Universal Networking Language module within an advanced NLP system
WO1997040453A1 (en) Automated natural language processing
Rathod Machine translation of natural language using different approaches
Bakay et al. A tree-based approach for English-to-Turkish translation
Sethi et al. Hybridization based machine translations for low-resource language with language divergence
Rathod et al. English to Sanskrit translator and synthesizer (ETSTS)
Islam et al. Polygot: An approach towards reliable translation by name identification and memory optimization using semantic analysis
Garje et al. Transmuter: an approach to rule-based English to Marathi machine translation
Kumar et al. Machine translation survey for Punjabi and Urdu languages
Nguyen et al. A tree-to-string phrase-based model for statistical machine translation
Bhalla et al. Improving the quality of MT output using novel name entity translation scheme
Wu et al. Parsing-based Chinese word segmentation integrating morphological and syntactic information
Reddy et al. NLP challenges for machine translation from English to Indian languages
Ariaratnam et al. A shallow parser for Tamil
Atrey et al. Issues in parsing and POS tagging of hybrid language
JP3919732B2 (ja) 機械翻訳装置及び機械翻訳プログラム

Legal Events

Date Code Title Description
GRNT Written decision to grant