KR102637340B1 - 문장 매핑 방법 및 장치 - Google Patents

문장 매핑 방법 및 장치 Download PDF

Info

Publication number
KR102637340B1
KR102637340B1 KR1020180103655A KR20180103655A KR102637340B1 KR 102637340 B1 KR102637340 B1 KR 102637340B1 KR 1020180103655 A KR1020180103655 A KR 1020180103655A KR 20180103655 A KR20180103655 A KR 20180103655A KR 102637340 B1 KR102637340 B1 KR 102637340B1
Authority
KR
South Korea
Prior art keywords
sentence
source language
translated
sentences
document
Prior art date
Application number
KR1020180103655A
Other languages
English (en)
Other versions
KR20200025779A (ko
Inventor
이지현
나휘동
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020180103655A priority Critical patent/KR102637340B1/ko
Priority to US16/371,949 priority patent/US11055496B2/en
Publication of KR20200025779A publication Critical patent/KR20200025779A/ko
Application granted granted Critical
Publication of KR102637340B1 publication Critical patent/KR102637340B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/40—Processing or translation of natural language
    • G06F40/51—Translation evaluation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/40—Processing or translation of natural language
    • G06F40/58—Use of machine translation, e.g. for multi-lingual retrieval, for server-side translation for client devices or for real-time translation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G06F40/35—Discourse or dialogue representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/40—Processing or translation of natural language
    • G06F40/42—Data-driven translation
    • G06F40/45—Example-based machine translation; Alignment

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Machine Translation (AREA)

Abstract

문장 매핑 방법 및 장치가 개시된다. 일실시예에 따른 문장 매핑 장치는 소스 언어 문서와 소스 언어 문서가 타겟 언어로 번역된 타겟 언어 문서를 획득하고, 타겟 언어 문서를 소스 언어로 번역하여, 번역 문서를 생성하고, 소스 언어 문서와 번역 문서를 비교하여, 소스 언어 문서 내 소스 언어 문장들과 타겟 언어 문서 내 타겟 언어 문장들을 매핑시킬 수 있다.

Description

문장 매핑 방법 및 장치{METHOD AND APPARATUS FOR MAPPING SENTENCES}
아래 실시예들은 문장을 매핑하는 기술에 관한 것이다.
기계 번역과 교차 언어 정보에 대한 검색 등의 응용 서비스에서 병렬 코퍼스는 중요한 리소스이다. 문장 단위의 병렬 코퍼스는 원문과 번역문 쌍의 집합을 구성한다. 번역과 같은 다양한 응용에서 좋은 성능을 위해서는 크고 양질의 병렬 코퍼스가 필요하므로, 문장을 매핑하는 기법의 성능이 중요하다.
길이 기반(length-based) 문장 매핑 방법은 단어나 문자 수를 비교해 유사한 문장들을 매핑하는 기법이다. 이 방법은 간단하고, 속도가 빠른 장점이 있으나 비 정형 문서나 언어 특성의 차이가 큰 언어들 사이에서는 성능이 떨어진다. 사전 기반(lexicon-based) 문장 매핑 방법은 미리 정의된 사전에 따른 룰과 단어 번역기를 활용하여 단어들 간의 매핑을 이용하는 기법이다. 이 방법은 사전에 따른 룰과 단어 번역기의 성능에 따라 매핑 성능이 좌우되고, 속도가 매우 느려 길이 기반 문장 매핑 방법과의 병행이 필요한 제약이 있다.
기계 번역(machine translation-based) 기반 문장 매핑 방법은 순방향 번역기를 이용하여 소스 문서 내 문장을 번역하고, 번역된 문장과 타겟 문서 내 문장 중 가장 유사한 문장을 찾는 방식을 이용한다. 이 방법은 번역기 성능에 따라 매핑 성능이 좌우되고, 순환 의존성(circular dependency) 문제가 발생할 수 있다. 순환 의존성 문제를 해소하면서 매핑 정확도를 향상시키기 위한 매핑 기법의 연구가 요구된다.
일실시예에 따른 문장의 문장 매핑 방법은 소스 언어 문서와 상기 소스 언어 문서가 타겟 언어로 번역된 타겟 언어 문서를 획득하는 단계; 상기 타겟 언어 문서를 소스 언어로 번역하여, 번역 문서를 생성하는 단계; 및 상기 소스 언어 문서와 상기 번역 문서를 비교하여, 상기 소스 언어 문서 내 소스 언어 문장들과 상기 타겟 언어 문서 내 타겟 언어 문장들을 매핑시키는 단계를 포함한다.
일실시예에 따르면, 상기 번역 문서를 생성하는 단계는 상기 타겟 언어 문장들을 각각 번역하여, 상기 타겟 문장들에 일대일로 대응하는 번역 문장들을 생성하는 단계를 포함할 수 있다.
일실시예에 따르면, 상기 소스 언어 문장들과 상기 타겟 언어 문장들을 매핑시키는 단계는 상기 소스 언어 문장들과 상기 번역 문서 내 번역 문장들 사이의 유사도들을 생성하는 단계; 상기 유사도들에 기초하여, 상기 소스 언어 문장들과 상기 번역 문장들을 매핑시키는 단계; 및 상기 매핑된 번역 문장들에 각각 대응하는 타겟 언어 문장들과 상기 소스 언어 문장들을 매핑시키는 단계를 포함할 수 있다.
일실시예에 따르면, 상기 소스 언어 문장들과 상기 타겟 언어 문장들을 매핑시키는 단계는 상기 소스 언어 문장들 중 어느 하나의 소스 언어 문장을 식별하는 단계; 상기 소스 언어 문장과 상기 번역 문서 내 번역 문장들 사이의 유사도들을 각각 생성하는 단계; 및 상기 유사도들 중 가장 높은 유사도에 대응하는 번역 문장과 상기 소스 언어 문장을 매핑시키는 단계를 포함할 수 있다.
일실시예에 따르면, 상기 유사도들을 생성하는 단계는 상기 번역 문장들 중 어느 하나의 번역 문장을 식별하는 단계; 및 상기 소스 언어 문장과 상기 번역 문장에 공통적으로 포함된 적어도 하나의 단어의 중요도에 기초하여, 상기 소스 언어 문장과 상기 번역 문장 사이의 유사도를 생성하는 단계를 포함할 수 있다.
일실시예에 따르면, 상기 유사도를 생성하는 단계는 상기 소스 언어의 동의어 또는 유의어 사전을 이용하여, 상기 소스 언어 문장과 상기 번역 문장에 공통적으로 포함된 적어도 하나의 단어를 추출하는 단계를 포함할 수 있다.
일실시예에 따르면, 상기 중요도는 상기 단어의 TF-IDF(Term Frequency - Inverse Document Frequency)에 기초하여 계산될 수 있다.
일실시예에 따르면, 상기 유사도들을 생성하는 단계는 상기 번역 문장들 중 어느 하나의 번역 문장을 식별하는 단계; 및 상기 소스 언어 문서 내 상기 소스 언어 문장의 위치와 상기 번역 문서 내 상기 번역 문장의 위치에 기초하여, 상기 소스 언어 문장과 상기 번역 문장 사이의 유사도를 생성하는 단계를 포함할 수 있다.
일실시예에 따르면, 상기 유사도들을 생성하는 단계는 상기 번역 문장들 중 어느 하나의 번역 문장을 식별하는 단계; 및 상기 번역 문장에 대응하는 타겟 언어 문장을 소스 언어로 번역했을 때 상기 소스 언어 문장이 생성될 확률에 기초하여, 상기 소스 언어 문장과 상기 번역 문장 사이의 유사도를 생성하는 단계를 포함할 수 있다.
일실시예에 따르면, 상기 번역 문서를 생성하는 단계는 상기 타겟 언어 문서를 번역기들 별로 소스 언어로 번역하여, 상기 번역기들에 대응하는 번역 문서들을 생성하는 단계를 포함하고, 상기 유사도들을 생성하는 단계는 상기 번역 문장들 중 어느 하나의 번역 문장을 식별하는 단계; 상기 소스 언어 문장과 상기 번역 문장 사이의 상기 번역기들 별 유사도들을 생성하는 단계; 및 상기 번역기들 별 유사도들에 기초하여, 상기 소스 언어 문장과 상기 번역 문장 사이의 유사도를 생성하는 단계를 포함할 수 있다.
일실시예에 따르면, 상기 소스 언어 문장들과 상기 타겟 언어 문장들을 매핑시키는 단계는 제1 소스 언어 문장과 매핑된 번역 문장과 제2 소스 언어 문장과 매핑된 번역 문장이 서로 같은 경우, 상기 제1 소스 언어 문장과 상기 제2 소스 언어 문장을 하나의 문장으로 통합하는 단계; 및 상기 통합된 문장을 상기 번역 문장과 매핑시키는 단계를 포함할 수 있다.
일실시예에 따르면, 상기 제1 소스 언어 문장과 상기 제2 소스 언어 문장은 상기 소스 언어 문서 내에서 연속된 문장들일 수 있다.
일실시예에 따르면, 상기 소스 언어 문장들과 상기 타겟 언어 문장들을 매핑시키는 단계는 상기 번역 문서 내 제1 번역 문장과 매핑된 소스 언어 문장과 제2 번역 문장과 매핑된 소스 언어 문장이 서로 같은 경우, 상기 제1 번역 문장과 상기 제2 번역 문장을 하나의 문장으로 통합하는 단계; 및 상기 통합된 문장을 상기 소스 언어 문장과 매핑시키는 단계를 포함할 수 있다.
일실시예에 따르면, 상기 제1 번역 문장과 상기 제2 번역 문장은 상기 번역 문서 내에서 연속된 문장들일 수 있다.
일실시예에 따른 장치는 하드웨어와 결합되어 상술한 방법들 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램에 의해 제어될 수 있다.
도 1은 일실시예에 따른 문장 매핑 방법을 설명하기 위한 순서도이다.
도 2는 일실시예에 따른 문장 매핑 방법을 설명하기 위한 도면이다.
도 3은 일실시예에 따른 문장 매핑 방법을 설명하기 위한 도면이다.
도 4는 일실시예에 따른 유사도 생성을 설명하기 위한 도면이다.
도 5는 일실시예에 따른 유사도 생성을 설명하기 위한 도면이다.
도 6은 일실시예에 따른 유사도 생성을 설명하기 위한 도면이다.
도 7a는 일실시예에 따른 문장 매핑 방법을 설명하기 위한 도면이다.
도 7b는 일실시예에 따른 문장 매핑 방법을 설명하기 위한 도면이다.
도 8은 일실시예에 따른 문장 매핑 장치의 구성을 설명하기 위한 도면이다.
도 9는 일실시예에 따른 장치의 구성의 예시도이다.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설명된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 해당 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
도 1은 일실시예에 따른 문장 매핑 방법을 설명하기 위한 순서도이다.
도 1을 참조하면, 일실시예에 따른 문장 매핑 장치는 소스 언어 문서와 소스 언어 문서가 타겟 언어로 번역된 타겟 언어 문서를 획득할 수 있다(101). 문장 매핑 장치는 문장을 매핑하는 장치로서, 예를 들어 소프트웨어 모듈, 하드웨어 모듈 또는 이들의 조합으로 구현될 수 있다. 소스 언어 문서는 원문에 대응하고, 타겟 언어 문서는 번역문에 대응할 수 있는데, 문장 매핑 장치는 소스 언어 문서 내 문장과 타겟 언어 문서 내 문장 사이의 매핑 관계를 생성할 수 있다. 서로 다른 언어에 대응하는 소스 언어 문서와 타겟 언어 문서 내에서 문장 단위의 병렬 코퍼스는 기계 번역과 교차 언어 정보에 대한 검색과 같은 다양한 응용 서비스에서 중요한 리소스가 될 수 있다. 이에, 소스 언어 문서와 타겟 언어 문서로부터 문장 단위의 원문-번역문 쌍의 집합인 병렬 코퍼스는 확보될 필요가 있다. 문장 매핑 장치는 소스 언어 문서와 타겟 언어 문서 내에서 병렬 코퍼스를 찾을 수 있다.
일실시예에 따르면, 문장 매핑 장치는 타겟 언어 문서를 소스 언어로 번역하여, 번역 문서를 생성할 수 있다(102). 타겟 언어 문서는 소스 언어 문서의 번역문이지만, 문장 매핑 장치는 역방향(예를 들어, 타겟 언어로부터 소스 언어로 번역하는 방향)의 번역기를 이용하여 타겟 언어 문서를 소스 언어로 번역하고, 번역 결과에 따른 번역 문서를 생성할 수 있다. 문장 매핑 장치는 타겟 언어 문서를 문장 단위로 번역할 수 있다. 문장 매핑 장치는 타겟 언어 문서 내 타겟 언어 문장들을 각각 번역하여, 타겟 문장들에 일대일로 대응하는 번역 문장들을 생성할 수 있다. 따라서, 타겟 언어 문장들의 수와 번역 문장들의 수는 같을 수 있다.
일실시예에 따르면, 문장 매핑 장치는 소스 언어 문서와 번역 문서를 비교하여, 소스 언어 문서 내 소스 언어 문장들과 타겟 언어 문서 내 타겟 언어 문장들을 매핑시킬 수 있다(103). 문장 매핑 장치는 소스 언어 문장들 중 어느 하나의 소스 언어 문장과 가장 유사한 번역 문장을 번역 문서 내에서 추출하고, 추출된 번역 문장에 대응하는 타겟 언어 문장과 해당 소스 언어 문장을 매핑시킬 수 있다. 문장 매핑 장치는 소스 언어 문장과 번역 문장 사이의 유사도를 이용하여 매핑 여부를 판단할 수 있는데, 매핑 동작과 관련된 상세한 내용은 후술하겠다.
매핑 결과에 의하여 병렬 코퍼스가 생성될 수 있으며, 생성된 병렬 코퍼스는 순방향(예를 들어, 소스 언어로부터 타겟 언어로 번역하는 방향)의 번역기를 학습하는데 활용될 수 있다. 실시예들에 따라 역방향의 번역기에 기초하여 생성된 병렬 코퍼스를 이용하여 순방향의 번역기를 학습함으로써, 순방향의 번역기에 기초하여 생성된 병렬 코퍼스를 이용하여 순방향의 번역기를 학습하는 경우에 발생하는 순환 의존성 문제가 해소될 수 있다.
도 2는 일실시예에 따른 문장 매핑 방법을 설명하기 위한 도면이다.
도 2를 참조하면, 원문에 대응하는 소스 언어 문서(201)는 n개의 소스 언어 문장들 을 포함한다. 소스 언어 문서(201)의 번역문에 대응하는 타겟 언어 문서(202)는 m개의 타겟 언어 문장들 을 포함한다. 소스 언어 문서(201)와 타겟 언어 문서(202)는 서로 다른 언어로 표현되었기 때문에, 문장들의 수가 일치하지 않을 수 있다.
일실시예에 따르면, 문장 매핑 장치는 소스 언어 문서(201) 내 소스 언어 문장들 과 대응하는 타겟 언어 문서(202) 내 타겟 언어 문장들 사이의 매핑을 수행할 수 있다. 소스 언어 문장들 과 타겟 언어 문장들 은 반드시 일대일 대응일 필요는 없고, 어느 하나의 문장에 복수의 문장들이 매핑될 수 있다. 문장 매핑 장치는 소스 언어 문서(201)와 타겟 언어 문서(202) 사이의 매핑 결과를 이용하여, 번역기(204)를 학습시키기 위한 학습 데이터베이스(203)를 구축할 수 있다. 문장 매핑 장치에 의해 매핑된 병렬 코퍼스는 번역기(204)를 학습시키기 위한 트레이닝 데이터로 활용될 수 있다.
도 3은 일실시예에 따른 문장 매핑 방법을 설명하기 위한 도면이다.
도 3을 참조하면, 문장 매핑 장치는 한국어로 작성된 소스 언어 문서(301)와 소스 언어 문서(301)가 영어로 번역된 타겟 언어 문서(302)를 획득할 수 있다. 문장 매핑 장치는 소스 언어 문서(301) 내 소스 언어 문장들 과 타겟 언어 문서(302) 내 타겟 언어 문장들 을 매핑시킬 수 있다.
일실시예에 따르면, 문장 매핑 장치는 타겟 언어 문장들 을 한국어로 번역하여, 번역 문장들 을 포함하는 번역 문서(303)를 생성할 수 있다. 문장 매핑 장치는 소스 언어 문장들 과 번역 문장들 사이의 유사도들을 생성할 수 있다. 문장 매핑 장치는 총 n x m 개의 유사도들을 계산할 수 있다. 문장 매핑 장치는 소스 언어 문장 와 번역 문장 사이의 스코어인 score(, )를 생성할 수 있다.
일실시예에 따르면, 문장 매핑 장치는 번역 문장들 중 어느 하나의 번역 문장 을 식별할 수 있다. 문장 매핑 장치는 번역 문장 에 대응하는 타겟 언어 문장 을 소스 언어로 번역했을 때 소스 언어 문장 이 생성될 확률 에 기초하여, 소스 언어 문장 과 번역 문장 사이의 유사도를 생성할 수 있다. 유사도 생성과 관련된 실시예들은 후술하겠다.
일실시예에 따르면, 문장 매핑 장치는 소스 언어 문장들 과 번역 문장들 사이의 유사도들에 기초하여, 소스 언어 문장들 과 번역 문장들 을 매핑시킬 수 있다. 문장 매핑 장치는 매핑된 번역 문장들에 각각 대응하는 타겟 언어 문장들과 소스 언어 문장들을 매핑시킬 수 있다.
일실시예에 따르면, 문장 매핑 장치는 소스 언어 문장들 중 어느 하나의 소스 언어 문장 을 식별할 수 있다. 문장 매핑 장치는 식별된 소스 언어 문장 과 번역 문장들 사이의 유사도들 score(, ), score(, ), ??, score(, )을 각각 생성할 수 있다. 문장 매핑 장치는 생성된 유사도들 중 가장 높은 유사도에 대응하는 번역 문장과 소스 언어 문장 을 매핑시킬 수 있다.
예를 들어, 소스 언어 문장 과 번역 문장 이 매핑된 경우, 문장 매핑 장치는 번역 문장 에 대응하는 타겟 언어 문장 와 소스 언어 문장 를 매핑시킬 수 있다. 소스 언어 문장과 타겟 언어 문장 사이의 매핑은 일대일 뿐만 아니라 일대다, 다대일, 또는 다대다로 이루어질 수 있다.
도 4는 일실시예에 따른 유사도 생성을 설명하기 위한 도면이다.
도 4를 참조하면, 문장 매핑 장치는 소스 언어 문장 과 번역 문장 에 공통적으로 포함된 적어도 하나의 단어의 중요도에 기초하여, 소스 언어 문장 과 번역 문장 사이의 유사도를 생성할 수 있다. 문장 매핑 장치는 소스 언어 문장 과 번역 문장 에 공통적으로 포함된 단어의 수가 클수록, 소스 언어 문장 과 번역 문장 사이의 유사도를 높일 수 있다.
일실시예에 따르면, 문장 매핑 장치는 소스 언어의 동의어 또는 유의어 사전을 이용하여, 소스 언어 문장 과 번역 문장 에 공통적으로 포함된 적어도 하나의 단어를 추출할 수 있다. 문장 매핑 장치는 동의어 또는 유의어 사전을 이용하여, 공통 단어의 범위를 확장할 수 있다. 문장 매핑 장치는 소스 언어 문장 과 번역 문장 에서 정확히 일치하지는 않더라도 동의어와 유의어에 해당하는 단어들을 공통적으로 포함된 단어로 판단할 수 있다.
일실시예에 따르면, 문장 매핑 장치는 소스 언어 문장 과 번역 문장 에 공통적으로 포함된 단어의 중요도가 높을수록, 소스 언어 문장 과 번역 문장 사이의 유사도를 높일 수 있다. 단어의 중요도는 해당 단어가 포함된 문서의 수, 해당 단어가 등장한 빈도 등에 기초하여 계산될 수 있다. 일실시예에 따르면, 단어의 중요도는 해당 단어의 TF-IDF(Term Frequency - Inverse Document Frequency)에 기초하여 계산될 수 있다. 단어의 중요도 계산은 상술한 예시에 제한되지 않고, 다양한 기법들이 적용될 수 있다.
도 5는 일실시예에 따른 유사도 생성을 설명하기 위한 도면이다.
도 5를 참조하면, 문장 매핑 장치는 소스 언어 문서(501) 내 소스 언어 문장의 위치와 번역 문서(502) 내 번역 문장의 위치에 기초하여, 소스 언어 문장과 번역 문장 사이의 유사도를 생성할 수 있다. 문장 매핑 장치는 소스 언어 문장의 위치와 번역 문장의 위치가 유사할수록, 소스 언어 문장과 번역 문장 사이의 유사도를 높일 수 있다.
일실시예에 따르면, 문장 매핑 장치는 소스 언어 문장 의 위치와 번역 문장 의 위치 사이의 유사도가 소스 언어 문장 의 위치와 번역 문장 의 위치 사이의 유사도가 높은 것으로 판단할 수 있다. 문장 매핑 장치는 소스 언어 문장 과 번역 문장 사이의 유사도가 소스 언어 문장 과 번역 문장 사이의 유사도보다 높은 것으로 판단할 수 있다.
도 6은 일실시예에 따른 유사도 생성을 설명하기 위한 도면이다.
도 6을 참조하면, 문장 매핑 장치는 소스 언어 문서(601)가 타겟 언어로 번역된 타겟 언어 문서(602)를 획득할 수 있다. 문장 매핑 장치는 타겟 언어 문서(602)를 번역기들 별로 소스 언어로 번역하여, 번역기들에 대응하는 번역 문서들(603, 604, 605, ??)을 생성할 수 있다.
일실시예에 따르면, 문장 매핑 장치는 번역 문서들(603, 604, 605, ??) 별로 번역 문장들 중 번역 문장 , , , ??을 각각 식별할 수 있다. 문장 매핑 장치는 소스 언어 문서(601) 내 소스 언어 문장 과 번역 문장 , , , ??사이의 유사도들 score(, ), score(, ), score(, ), ??을 번역기들 별로 생성할 수 있다. 문장 매핑 장치는 번역기들 별 유사도들 score(, ), score(, ), score(, ), ??에 기초하여, 소스 언어 문장 과 j번째 번역 문장 사이의 유사도를 생성할 수 있다. 일실시예에 따르면, 문장 매핑 장치는 번역기들 별 유사도들 score(, ), score(, ), score(, ), ??의 통계 값을 이용하여 소스 언어 문장 과 j번째 번역 문장 사이의 유사도를 생성할 수 있다. 예를 들어, 문장 매핑 장치는 번역기들 별 유사도들 score(, ), score(, ), score(, ), ?? 중 가장 큰 값을 이용하거나, 평균과 같은 대표 값을 이용할 수 있다.
도 7a는 일실시예에 따른 문장 매핑 방법을 설명하기 위한 도면이다.
도 7a를 참조하면, 문장 매핑 장치는 소스 언어 문서(701) 내 소스 언어 문장들과 번역 문서(702) 내 번역 문장들 사이의 유사도들에 기초하여, 매핑 동작을 수행할 수 있다. 문장 매핑 장치는 번역 문장 과 매핑된 소스 언어 문장 과 번역 문장 과 매핑된 소스 언어 문장 이 서로 같은 경우, 번역 문장 과 번역 문장 을 하나의 문장으로 통합할 수 있다. 일실시예에 따르면, 번역 문장 과 번역 문장 은 번역 문서(702) 내에서 연속된 문장들일 수 있다.
일실시예에 따르면, 문장 매핑 장치는 통합된 번역 문장 (703)을 소스 언어 문장 과 매핑시킬 수 있다. 문장 매핑 장치는 통합된 번역 문장 (703)에 대응하는 타겟 언어 문서(704) 내 타겟 언어 문장 (705)과 소스 언어 문장 을 매핑시킬 수 있다. 연속된 2개의 번역 문장을 기준으로 번역 문장을 통합하는 실시예가 설명되었지만, 연속된 번역 문장의 수는 실시예에 따라 확대될 수 있다.
도 7b는 일실시예에 따른 문장 매핑 방법을 설명하기 위한 도면이다.
도 7b를 참조하면, 문장 매핑 장치는 소스 언어 문서(711) 내 소스 언어 문장들과 번역 문서(712) 내 번역 문장들 사이의 유사도들에 기초하여, 매핑 동작을 수행할 수 있다. 문장 매핑 장치는 소스 언어 문장 과 매핑된 번역 문장 과 소스 언어 문장 과 매핑된 번역 문장 이 서로 같은 경우, 소스 언어 문장 과 소스 언어 문장 을 하나의 문장으로 통합할 수 있다. 일실시예에 따르면, 소스 언어 문장 과 소스 언어 문장 은 소스 언어 문서(711) 내에서 연속된 문장들일 수 있다.
일실시예에 따르면, 문장 매핑 장치는 통합된 소스 언어 문장 (713)을 번역 문장 과 매핑시킬 수 있다. 문장 매핑 장치는 번역 문장 에 대응하는 타겟 언어 문서(714) 내 타겟 언어 문장 과 통합된 소스 언어 문장 (715)을 매핑시킬 수 있다. 연속된 2개의 소스 언어 문장을 기준으로 소스 언어 문장을 통합하는 실시예가 설명되었지만, 연속된 소스 언어 문장의 수는 실시예에 따라 확대될 수 있다.
도 8은 일실시예에 따른 문장 매핑 장치의 구성을 설명하기 위한 도면이다.
도 8을 참조하면, 문장 매핑 장치는 역번역 모듈(801), 유사도 계산 모듈(802) 및 문장 매핑 모듈(803)을 포함할 수 있다. 역번역 모듈(801)은 타겟 언어 문서를 소스 언어로 번역할 수 있다. 유사도 계산 모듈(802)은 소스 언어 문장과 번역 문장 사이의 유사도를 계산할 수 있다. 문장 매핑 모듈(803)은 유사도에 기초하여, 소스 언어 문장과 번역 문장을 매핑할 수 있다. 문장 매핑 모듈(803)은 매핑된 번역 문장에 대응하는 타겟 언어 문장과 소스 언어 문장을 매핑할 수 있다.
도 9는 일실시예에 따른 장치의 구성의 예시도이다.
도 9를 참조하면, 장치(901)는 프로세서(902) 및 메모리(903)를 포함한다. 일실시예에 따른 장치(901)는 상술한 문장 매핑 장치일 수 있다. 프로세서(902)는 도 1 내지 도 8을 통하여 전술한 적어도 하나의 장치들을 포함하거나, 도 1 내지 도 8을 통하여 전술한 적어도 하나의 방법을 수행할 수 있다. 메모리(903)는 상술한 문장 매핑 방법과 관련된 정보를 저장하거나 상술한 문장 매핑 방법이 구현된 프로그램을 저장할 수 있다. 메모리(903)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다.
프로세서(902)는 프로그램을 실행하고, 장치(901)를 제어할 수 있다. 프로세서(902)에 의하여 실행되는 프로그램의 코드는 메모리(903)에 저장될 수 있다. 장치(901)는 입출력 장치(도면 미 표시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 데이터를 교환할 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (20)

  1. 소스 언어 문서와 상기 소스 언어 문서가 타겟 언어로 번역된 타겟 언어 문서를 획득하는 단계;
    상기 타겟 언어 문서를 소스 언어로 번역하여, 번역 문서를 생성하는 단계; 및
    상기 소스 언어 문서와 상기 번역 문서를 비교하여, 상기 소스 언어 문서 내 소스 언어 문장들과 상기 타겟 언어 문서 내 타겟 언어 문장들을 매핑시키는 단계
    를 포함하고,
    상기 소스 언어 문장들과 상기 타겟 언어 문장들을 매핑시키는 단계는,
    제1 소스 언어 문장과 매핑된 번역 문장과 제2 소스 언어 문장과 매핑된 번역 문장이 서로 같은 경우, 상기 제1 소스 언어 문장과 상기 제2 소스 언어 문장을 하나의 문장으로 통합하는 단계; 및
    상기 통합된 문장을 상기 번역 문장과 매핑시키는 단계
    를 포함하는
    문장 매핑 방법.
  2. 제1항에 있어서,
    상기 번역 문서를 생성하는 단계는
    상기 타겟 언어 문장들을 각각 번역하여, 상기 타겟 언어 문장들에 일대일로 대응하는 번역 문장들을 생성하는 단계
    를 포함하는,
    문장 매핑 방법.
  3. 제1항에 있어서,
    상기 소스 언어 문장들과 상기 타겟 언어 문장들을 매핑시키는 단계는
    상기 소스 언어 문장들과 상기 번역 문서 내 번역 문장들 사이의 유사도들을 생성하는 단계;
    상기 유사도들에 기초하여, 상기 소스 언어 문장들과 상기 번역 문장들을 매핑시키는 단계; 및
    상기 매핑된 번역 문장들에 각각 대응하는 타겟 언어 문장들과 상기 소스 언어 문장들을 매핑시키는 단계
    를 포함하는,
    문장 매핑 방법.
  4. 제1항에 있어서,
    상기 소스 언어 문장들과 상기 타겟 언어 문장들을 매핑시키는 단계는
    상기 소스 언어 문장들 중 어느 하나의 소스 언어 문장을 식별하는 단계;
    상기 소스 언어 문장과 상기 번역 문서 내 번역 문장들 사이의 유사도들을 각각 생성하는 단계; 및
    상기 유사도들 중 가장 높은 유사도에 대응하는 번역 문장과 상기 소스 언어 문장을 매핑시키는 단계
    를 포함하는,
    문장 매핑 방법.
  5. 제4항에 있어서,
    상기 유사도들을 생성하는 단계는
    상기 번역 문장들 중 어느 하나의 번역 문장을 식별하는 단계; 및
    상기 소스 언어 문장과 상기 번역 문장에 공통적으로 포함된 적어도 하나의 단어의 중요도에 기초하여, 상기 소스 언어 문장과 상기 번역 문장 사이의 유사도를 생성하는 단계
    를 포함하는,
    문장 매핑 방법.
  6. 제5항에 있어서,
    상기 유사도를 생성하는 단계는
    상기 소스 언어의 동의어 또는 유의어 사전을 이용하여, 상기 소스 언어 문장과 상기 번역 문장에 공통적으로 포함된 적어도 하나의 단어를 추출하는 단계
    를 포함하는,
    문장 매핑 방법.
  7. 제5항에 있어서,
    상기 중요도는 상기 단어의 TF-IDF(Term Frequency - Inverse Document Frequency)에 기초하여 계산되는,
    문장 매핑 방법.
  8. 제4항에 있어서,
    상기 유사도들을 생성하는 단계는
    상기 번역 문장들 중 어느 하나의 번역 문장을 식별하는 단계; 및
    상기 소스 언어 문서 내 상기 소스 언어 문장의 위치와 상기 번역 문서 내 상기 번역 문장의 위치에 기초하여, 상기 소스 언어 문장과 상기 번역 문장 사이의 유사도를 생성하는 단계
    를 포함하는,
    문장 매핑 방법.
  9. 제4항에 있어서,
    상기 유사도들을 생성하는 단계는
    상기 번역 문장들 중 어느 하나의 번역 문장을 식별하는 단계; 및
    상기 번역 문장에 대응하는 타겟 언어 문장을 소스 언어로 번역했을 때 상기 소스 언어 문장이 생성될 확률에 기초하여, 상기 소스 언어 문장과 상기 번역 문장 사이의 유사도를 생성하는 단계
    를 포함하는,
    문장 매핑 방법.
  10. 제4항에 있어서,
    상기 번역 문서를 생성하는 단계는
    상기 타겟 언어 문서를 번역기들 별로 소스 언어로 번역하여, 상기 번역기들에 대응하는 번역 문서들을 생성하는 단계
    를 포함하고,
    상기 유사도들을 생성하는 단계는
    상기 번역 문장들 중 어느 하나의 번역 문장을 식별하는 단계;
    상기 소스 언어 문장과 상기 번역 문장 사이의 상기 번역기들 별 유사도들을 생성하는 단계; 및
    상기 번역기들 별 유사도들에 기초하여, 상기 소스 언어 문장과 상기 번역 문장 사이의 유사도를 생성하는 단계
    를 포함하는,
    문장 매핑 방법.
  11. 삭제
  12. 제1항에 있어서,
    상기 제1 소스 언어 문장과 상기 제2 소스 언어 문장은 상기 소스 언어 문서 내에서 연속된 문장들인,
    문장 매핑 방법.
  13. 소스 언어 문서와 상기 소스 언어 문서가 타겟 언어로 번역된 타겟 언어 문서를 획득하는 단계;
    상기 타겟 언어 문서를 소스 언어로 번역하여, 번역 문서를 생성하는 단계; 및
    상기 소스 언어 문서와 상기 번역 문서를 비교하여, 상기 소스 언어 문서 내 소스 언어 문장들과 상기 타겟 언어 문서 내 타겟 언어 문장들을 매핑시키는 단계
    를 포함하고,
    상기 소스 언어 문장들과 상기 타겟 언어 문장들을 매핑시키는 단계는
    상기 번역 문서 내 제1 번역 문장과 매핑된 소스 언어 문장과 제2 번역 문장과 매핑된 소스 언어 문장이 서로 같은 경우, 상기 제1 번역 문장과 상기 제2 번역 문장을 하나의 문장으로 통합하는 단계; 및
    상기 통합된 문장을 상기 소스 언어 문장과 매핑시키는 단계
    를 포함하는,
    문장 매핑 방법.
  14. 제13항에 있어서,
    상기 제1 번역 문장과 상기 제2 번역 문장은 상기 번역 문서 내에서 연속된 문장들인,
    문장 매핑 방법.
  15. 하드웨어와 결합되어 제1항 내지 제10항 및 제12항 내지 제14항 중 어느 하나의 항의 방법을 실행시키기 위하여 기록 매체에 저장된 컴퓨터 프로그램.
  16. 소스 언어 문서와 상기 소스 언어 문서가 타겟 언어로 번역된 타겟 언어 문서를 획득하고,
    상기 타겟 언어 문서를 소스 언어로 번역하여, 번역 문서를 생성하고,
    상기 소스 언어 문서와 상기 번역 문서를 비교하여, 상기 소스 언어 문서 내 소스 언어 문장들과 상기 타겟 언어 문서 내 타겟 언어 문장들을 매핑시키는 프로세서
    를 포함하고,
    상기 프로세서는,
    상기 소스 언어 문장들과 상기 타겟 언어 문장들을 매핑시키기 위해,
    제1 소스 언어 문장과 매핑된 번역 문장과 제2 소스 언어 문장과 매핑된 번역 문장이 서로 같은 경우, 상기 제1 소스 언어 문장과 상기 제2 소스 언어 문장을 하나의 문장으로 통합하고,
    상기 통합된 문장을 상기 번역 문장과 매핑시키는
    문장 매핑 장치.
  17. 제16항에 있어서,
    상기 프로세서는
    상기 소스 언어 문장들 중 어느 하나의 소스 언어 문장을 식별하고,
    상기 소스 언어 문장과 상기 번역 문서 내 번역 문장들 사이의 유사도들을 각각 생성하고,
    상기 유사도들 중 가장 높은 유사도에 대응하는 번역 문장과 상기 소스 언어 문장을 매핑시키는,
    문장 매핑 장치.
  18. 제17항에 있어서,
    상기 프로세서는
    상기 번역 문장들 중 어느 하나의 번역 문장을 식별하고,
    상기 소스 언어 문장과 상기 번역 문장에 공통적으로 포함된 적어도 하나의 단어의 중요도에 기초하여, 상기 소스 언어 문장과 상기 번역 문장 사이의 유사도를 생성하는,
    문장 매핑 장치.
  19. 제17항에 있어서,
    상기 프로세서는
    상기 번역 문장들 중 어느 하나의 번역 문장을 식별하고,
    상기 소스 언어 문서 내 상기 소스 언어 문장의 위치와 상기 번역 문서 내 상기 번역 문장의 위치에 기초하여, 상기 소스 언어 문장과 상기 번역 문장 사이의 유사도를 생성하는,
    문장 매핑 장치.
  20. 제17항에 있어서,
    상기 프로세서는
    상기 타겟 언어 문서를 번역기들 별로 소스 언어로 번역하여, 상기 번역기들에 대응하는 번역 문서들을 생성하고,
    상기 번역 문장들 중 어느 하나의 번역 문장을 식별하고,
    상기 소스 언어 문장과 상기 번역 문장 사이의 상기 번역기들 별 유사도들을 생성하고,
    상기 번역기들 별 유사도들에 기초하여, 상기 소스 언어 문장과 상기 번역 문장 사이의 유사도를 생성하는,
    문장 매핑 장치.
KR1020180103655A 2018-08-31 2018-08-31 문장 매핑 방법 및 장치 KR102637340B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020180103655A KR102637340B1 (ko) 2018-08-31 2018-08-31 문장 매핑 방법 및 장치
US16/371,949 US11055496B2 (en) 2018-08-31 2019-04-01 Method and apparatus with sentence mapping

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180103655A KR102637340B1 (ko) 2018-08-31 2018-08-31 문장 매핑 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20200025779A KR20200025779A (ko) 2020-03-10
KR102637340B1 true KR102637340B1 (ko) 2024-02-16

Family

ID=69639981

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180103655A KR102637340B1 (ko) 2018-08-31 2018-08-31 문장 매핑 방법 및 장치

Country Status (2)

Country Link
US (1) US11055496B2 (ko)
KR (1) KR102637340B1 (ko)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180070103A (ko) * 2016-12-16 2018-06-26 삼성전자주식회사 인식 방법 및 인식 장치
US10958422B2 (en) * 2017-06-01 2021-03-23 Cotiviti, Inc. Methods for disseminating reasoning supporting insights without disclosing uniquely identifiable data, and systems for the same
CN112906371B (zh) * 2021-02-08 2024-03-01 北京有竹居网络技术有限公司 一种平行语料获取方法、装置、设备及存储介质
CN114217901B (zh) * 2022-02-21 2022-07-29 中国人民解放军国防科技大学 国产操作系统下汉藏语言数据的翻译管理及评估方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030149686A1 (en) 2002-02-01 2003-08-07 International Business Machines Corporation Method and system for searching a multi-lingual database
US20130262077A1 (en) * 2012-03-29 2013-10-03 Fujitsu Limited Machine translation device, machine translation method, and recording medium storing machine translation program
KR101719107B1 (ko) 2016-10-27 2017-04-06 박성국 번역을 위한 서버 및 번역 방법

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3114703B2 (ja) 1998-07-02 2000-12-04 富士ゼロックス株式会社 対訳文検索装置
US8706747B2 (en) * 2000-07-06 2014-04-22 Google Inc. Systems and methods for searching using queries written in a different character-set and/or language from the target pages
US8874431B2 (en) 2001-03-16 2014-10-28 Meaningful Machines Llc Knowledge system method and apparatus
US7412385B2 (en) 2003-11-12 2008-08-12 Microsoft Corporation System for identifying paraphrases using machine translation
JP3937171B2 (ja) 2003-12-02 2007-06-27 日本電気株式会社 翻訳メモリ、プログラムおよび記録媒体
JP4446749B2 (ja) 2004-01-13 2010-04-07 沖電気工業株式会社 文書対応関係検査装置、翻訳処理装置、文書対応関係検査方法、翻訳処理方法、および文書対応関係検査プログラム
US8296127B2 (en) 2004-03-23 2012-10-23 University Of Southern California Discovery of parallel text portions in comparable collections of corpora and training using comparable texts
KR20050034688A (ko) 2005-03-22 2005-04-14 장용석 번역율 검증 및 휴먼검수를 통한 기계 번역 방법 및 그에따른 시스템
CN101464856A (zh) 2007-12-20 2009-06-24 株式会社东芝 平行口语语料的对齐方法和装置
JP2010009237A (ja) 2008-06-25 2010-01-14 Nippon Telegr & Teleph Corp <Ntt> 多言語間類似文書検索装置及び方法及びプログラム及びコンピュータ読取可能な記録媒体
US8150677B2 (en) * 2008-06-26 2012-04-03 Microsoft Corporation Machine translation using language order templates
US9176952B2 (en) * 2008-09-25 2015-11-03 Microsoft Technology Licensing, Llc Computerized statistical machine translation with phrasal decoder
TWI434187B (zh) * 2010-11-03 2014-04-11 Inst Information Industry 文字轉換方法與系統
KR101449551B1 (ko) 2011-10-19 2014-10-14 한국전자통신연구원 유사문장 검색 장치 및 방법, 유사문장 검색 방법을 실행시키기 위한 프로그램이 기록된 기록매체
US9311293B2 (en) * 2012-04-13 2016-04-12 Google Inc. Techniques for generating translation clusters
KR101517975B1 (ko) 2013-11-29 2015-05-06 유한회사 청텍 동시 통/번역 기능을 가지는 이어폰 장치
JP2016071439A (ja) 2014-09-26 2016-05-09 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ 翻訳方法及び翻訳システム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030149686A1 (en) 2002-02-01 2003-08-07 International Business Machines Corporation Method and system for searching a multi-lingual database
US20130262077A1 (en) * 2012-03-29 2013-10-03 Fujitsu Limited Machine translation device, machine translation method, and recording medium storing machine translation program
KR101719107B1 (ko) 2016-10-27 2017-04-06 박성국 번역을 위한 서버 및 번역 방법

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Gu, Jiatao, et al., Universal neural machine translation for extremely low resource languages., arXiv preprint arXiv:1802.05368, Apr. 2018*
Mohaghegh,Mahsa et.al, Parallel Text Identification Using Lexical and Corpus Features for the English-Maori Language Pair, Machine Learning and Applications (ICMLA), 2016 15th IEEE International Conf*
Sennrich, Rico, Barry Haddow, and Alexandra Birch., Edinburgh neural machine translation systems for WMT 16., arXiv preprint arXiv:1606.02891, 2016*

Also Published As

Publication number Publication date
US20200073948A1 (en) 2020-03-05
KR20200025779A (ko) 2020-03-10
US11055496B2 (en) 2021-07-06

Similar Documents

Publication Publication Date Title
KR102637340B1 (ko) 문장 매핑 방법 및 장치
KR102342066B1 (ko) 뉴럴 네트워크 모델을 이용한 기계 번역 방법, 장치 및 그 장치를 학습시키기 위한 방법
KR102589638B1 (ko) 문장 생성 장치 및 방법
US10108607B2 (en) Method and device for machine translation
KR102458244B1 (ko) 기계 번역 방법 및 장치
KR102516364B1 (ko) 기계 번역 방법 및 장치
KR102516363B1 (ko) 기계 번역 방법 및 장치
US20160267077A1 (en) Performance detection and enhancement of machine translation
Xiao et al. A topic similarity model for hierarchical phrase-based translation
Woodsend et al. Text rewriting improves semantic role labeling
Qiang et al. Unsupervised statistical text simplification
Prabhakar et al. Machine transliteration and transliterated text retrieval: a survey
Wang et al. A Bilingual Graph-Based Semantic Model for Statistical Machine Translation.
Santhanavijayan et al. A novel hybridized strategy for machine translation of Indian languages
Bal et al. Bilingual machine translation: English to bengali
Lohar et al. FaDA: fast document aligner using word embedding
US9817808B2 (en) Translation using related term pairs
Jolly et al. Building english–punjabi parallel corpus for machine translation
Krstovski et al. Bootstrapping translation detection and sentence extraction from comparable corpora
Khatri et al. Simple measures of bridging lexical divergence help unsupervised neural machine translation for low-resource languages
Ni et al. Cross-lingual relation extraction with transformers
Niu et al. Faithful target attribute prediction in neural machine translation
Tuan et al. Multi-sentence compression using word graph and integer linear programming
JP2021157219A (ja) 情報処理システム、および情報処理方法
Parekh et al. Contextual label projection for cross-lingual structure extraction

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant