KR20130014106A

KR20130014106A - 다중 번역 엔진을 사용한 번역 장치 및 방법

Info

Publication number: KR20130014106A
Application number: KR1020110076035A
Authority: KR
Inventors: 양성일; 김창현; 서영애; 신종훈; 황금하; 김영길; 박상규
Original assignee: 한국전자통신연구원
Priority date: 2011-07-29
Filing date: 2011-07-29
Publication date: 2013-02-07
Also published as: US20130030790A1

Abstract

다중 번역 엔진을 사용하는 번역 하는 장치 및 방법이 개시된다.
다중 번역 엔진을 사용한 번역 장치는 원본 문장의 구조를 분석하는 구조 분석부; 적어도 하나의 번역 엔진으로부터 원본 문장을 번역한 번역 문장들을 수신하는 문장 수신부; 및 원본 문장의 구조에 따른 번역 엔진의 성능 정보에 기초하여 수신한 번역 문장들 중 하나를 번역 결과 문장으로 결정하는 문장 결정부를 포함할 수 있다.

Description

다중 번역 엔진을 사용한 번역 장치 및 방법{APPARATUS AND METHOD FOR TRANSLATING USING MULTIPLE TRANSLATION ENGINE}

본 발명은 다중 번역 엔진을 사용하는 번역 하는 장치 및 방법에 관한 것으로, 보다 상세하게는 번역 엔진 별로 문장의 특징이나 구조에 따른 번역 성능을 판별하여 저장함으로써, 복수의 번역 엔진이 각각 원문 문장에 따라 번역한 번역 문장의 번역율을 예측하고, 예측 결과에 기초하여 번역 문장을 선택함으로써 복수의 번역 엔진이 번역한 번역 문장 중에서 원본 문장에 최적화된 번역 문장을 선택하는 번역 장치 및 방법에 관한 것이다.

번역 엔진은 제1 언어로 작성된 문서를 자동으로 번역하여 제2 언어로 작성된 문서를 생성하는 구성이다. 이때, 언어는 문장의 표현 방법이나 길이 등과 같은 문장의 특성에 따라 번역하는 방법이 다를 수 있으며 각각의 번역 엔진은 번역하고자 하는 문장의 특성에 최적화하여 개발하므로 동일한 문서도 번역 엔진에 따라 다르게 번역될 수 있다.

그러나, 문서에 따라서는 특성이 각각 다른 문장들을 포함할 수도 있고, 제1 특성의 문장이 대부분인 문서에 제2 특성의 문장이 일부 포함될 수도 있다. 이 경우, 하나의 특성에 최적화 된 번역 엔진을 사용하면 다른 특성의 문장 번역에 오역이 발생할 수 있다.

따라서, 다중 번역 엔진을 사용하여 번역 성능을 향상 시키는 방법이 개발되고 있다. 다중 번역 엔진을 사용하는 종래의 방법에는 목적 언어 모델(LM: Language Model)에 의해 미리 학습된 값을 기초로 다중 번역 엔진에 의해 생성된 복수의 번역 문장 중에서, 최적화된 목적 언어의 형태와 가장 유사한 문장으로 생성된 번역 문장을 번역 결과 문장으로 선택하는 방법과 다중 번역 엔진에 의하여 생성된 복수의 번역 문장 중에서 중복된 번역 문장을 번역 결과 문장으로 선택하는 방법이 있었다.

그러나, 목적 언어 모델을 사용하는 방법은 번역 문장에 목적 언어가 포함되지 않을 가능성이 있고, 중복된 번역 문장을 선택하는 방법은 번역 엔진에 따라 중복된 번역 문장이 없을 가능성이 있었다.

따라서, 특정 단어나 문장, 또는 중복 여부에 제한을 받지 않고 다중 번역 엔진의 번역 문장 중에 원본 문장에 최적화된 번역 문장을 선택할 수 있는 방법이 요청되고 있다.

본 발명은 번역 엔진 별로 문장의 특징이나 구조에 따른 번역 성능을 판별하여 저장함으로써, 복수의 번역 엔진이 각각 원문 문장에 따라 번역한 번역 문장의 번역율을 예측하는 장치 및 방법을 제공한다.

또한, 본 발명은 번역율 예측 결과에 기초하여 번역 문장을 선택함으로써 복수의 번역 엔진이 번역한 번역 문장 중에서 원본 문장에 최적화된 번역 문장을 선택하는 장치 및 방법을 제공한다.

본 발명의 일실시예에 따른 다중 번역 엔진을 사용한 번역 장치는 원본 문장의 구조를 분석하는 구조 분석부; 적어도 하나의 번역 엔진으로부터 원본 문장을 번역한 번역 문장들을 수신하는 문장 수신부; 및 원본 문장의 구조에 따른 번역 엔진의 성능 정보에 기초하여 수신한 번역 문장들 중 하나를 번역 결과 문장으로 결정하는 문장 결정부를 포함할 수 있다.

본 발명의 일실시예에 따른 번역 엔진의 성능 정보 생성 장치는 샘플 문장의 구조를 분석하는 구조 분석부; 적어도 하나의 번역 엔진으로부터 샘플 문장을 번역한 번역 문장들을 수신하는 문장 수신부; 및 상기 번역 문장들과 샘플 문장의 정답 문장 및 샘플 문장의 구조를 기초로 번역 엔진의 성능 정보를 생성하는 성능 정보 생성부를 포함할 수 있다.

본 발명의 일실시예에 따른 번역 방법은 원본 문장의 구조를 분석하는 단계; 적어도 하나의 번역 엔진으로부터 원본 문장을 번역한 번역 문장들을 수신하는 단계; 및 원본 문장의 구조에 따른 번역 엔진의 성능 정보에 기초하여 수신한 번역 문장들 중 하나를 번역 결과 문장으로 결정하는 단계를 포함할 수 잇다.

본 발명의 일실시예에 따른 번역 엔진의 성능 정보 생성 방법은 샘플 문장의 구조를 분석하는 단계; 적어도 하나의 번역 엔진으로부터 샘플 문장을 번역한 번역 문장들을 수신하는 단계; 및 상기 번역 문장들과 샘플 문장의 정답 문장 및 샘플 문장의 구조를 기초로 번역 엔진의 성능 정보를 생성하는 단계를 포함할 수 있다.

본 발명의 일실시예에 의하면, 번역 엔진 별로 문장의 특징이나 구조에 따른 번역 성능을 판별하여 저장함으로써, 복수의 번역 엔진이 각각 원문 문장에 따라 번역한 번역 문장의 번역율을 예측할 수 있다.

또한, 본 발명의 일실시예에 의하면, 번역율 예측 결과에 기초하여 번역 문장을 선택함으로써 복수의 번역 엔진이 번역한 번역 문장 중에서 원본 문장에 최적화된 번역 문장을 선택할 수 있다.

도 1은 본 발명의 일실시예에 따른 다중 번역 엔진을 사용한 번역 장치를 도시한 블록 다이어그램이다.
도 2는 본 발명의 일실시예에 따른 다중 번역 엔진을 사용한 번역 과정의 일례이다.
도 3은 본 발명의 일실시예에 따른 번역 엔진의 성능 정보 생성 방법을 도시한 플로우차트이다.
도 4는 본 발명의 일실시예에 따른 번역 방법을 도시한 플로우차트이다.

이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세하게 설명한다. 본 발명의 일실시예에 따른 다중 번역 엔진을 사용한 번역 방법은 다중 번역 엔진을 사용한 번역 장치에 의해 수행될 수 있다.

도 1은 본 발명의 일실시예에 따른 다중 번역 엔진을 사용한 번역 장치(110)를 도시한 블록 다이어그램이다.

도 1을 참고하면, 본 발명의 일실시예에 따른 다중 번역 엔진을 사용한 번역 장치(110)는 구조 분석부(111), 문장 수신부(112), 성능 정보 생성부(113), 데이터베이스(114) 및 문장 결정부(115)를 포함할 수 있다.

본 발명의 일실시예에 따른 다중 번역 엔진을 사용한 번역 장치(110)는 서로 다른 특성을 갖는 불특정 다수의 번역 엔진이 동일한 원본 문장에 따라 생성하는 서로 다른 번역 문장을 비교하고, 번역 문장 중에서 가장 우수한 번역 문장을 선택함으로써 단일 번역 엔진보다 번역 성능이 향상 시킬 수 있다.

구조 분석부(111)는 원본 문장이나 샘플 문장의 구조를 분석할 수 있다. 이때, 원본 문장은 번역하고자 하는 문장이고, 샘플 문장은 문장의 구조나 특징에 따른 번역 엔진의 성능을 판별하여 데이터베이스화하는 용도로 사용하는 문장일 수 있다.

이때, 구조 분석부(111)는 원본 문장을 형태소 단위로 분석하고, 분석된 형태소의 개수나 종류에 기초하여 원본 문장의 특징을 추출할 수 있다. 이때, 문장의 특징은 해당 문장의 양태, 길이, 존칭, 의문사에 대한 정보를 포함할 수 있다. 일례로, 원본 문장이 "예약 확인은 어디서 하죠"인 경우, 원본 문장의 특징에서 양태는 의문형이고, 길이는 3어절이며, 존칭은 일반 높임이고, 의문사는 위치일 수 있다.

문장 수신부(112)는 다중 번역 엔진(120)으로부터 원본 문장, 또는 샘플 문장을 번역한 번역 문장들을 수신할 수 있다. 구체적으로, 문장 수신부(112)는 다중 번역 엔진(120)에 원본 문장, 또는 샘플 문장을 전송하여 번역을 요청하고, 요청에 따라 다중 번역 엔진(120)의 각 번역 엔진에서 번역된 번역 문장들을 수신할 수 있다.

이때, 다중 번역 엔진(120)는 제1 번역 엔진(121), 제2 번역 엔진(122) 내지 제n 번역 엔진(123)이라는 n개의 번역 엔진으로 구성되며 번역 장치(110)로부터 수신한 문장을 번역 엔진들에서 번역하고, 번역된 번역 문장들을 수집하여 번역 장치(110)로 전송할 수 있다. 이때, 다중 번역 엔진(120)는 수집한 번역 문장들이 각각 어떤 번역 엔진에서 번역된 문장인지에 대한 정보를 해당 번역 문장에 매칭할 수 있다.

또한, 다중 번역 엔진(120)에 포함된 각각의 번역 엔진은 다른 번역 정보를 사용하여 원본 문장 또는 샘플 문장을 번역함으로써 문장의 구조나 특징 및 분야에 따라 번역율이 다를 수 있다. 구체적으로 "AAA"라는 샘플 문장을 제1 번역 엔진(121)은 [A''AA]로 번역하고 제2 번역 엔진(122)는 [AA'A]로 번역할 수 있다. 이때, 번역율은 정답 문장과 번역 문장을 비교하여 번역 문장이 정확하게 번역된 비율일 수 있다.

성능 정보 생성부(113)는 다중 번역 엔진(120)의 번역 엔진들이 각각 샘플 문장을 번역하여 생성한 번역 문장들과 샘플 문장의 정답 문장 및 샘플 문장의 구조를 기초로 번역 엔진의 성능 정보를 생성할 수 있다.

이때, 성능 정보 생성부(113)는 샘플 문장을 번역하여 생성한 번역 문장들과 샘플 문장의 정답 문장을 비교하여 각 번역 엔진의 번역 성능을 판별하고, 판별 결과를 샘플 문장의 구조에 매칭하여 번역 엔진의 성능 정보를 생성할 수 있다. 구체적으로, 성능 정보 생성부(113)는 샘플 문장을 번역한 번역 문장들과 샘플 문장의 정답 문장 간의 유사도를 기초로 각 번역 엔진의 번역 성능을 판별하고, 판별 결과를 샘플 문장의 구조에 매칭함으로써, 문장의 구조에 따른 번역 엔진의 성능 정보를 생성할 수 있다. 이때, 정답 문장은 사용자가 샘플 문장을 번역한 문장일 수 있다. 또한, 번역 엔진의 번역 성능은 번역 엔진이 번역한 번역 문장의 번역율을 포함할 수 있다.

또한, 성능 정보 생성부(113)는 샘플 문장을 번역하여 생성한 번역 문장들과 샘플 문장의 정답 문장을 기초로 문장의 특징에 따른 각 번역 엔진의 번역 성능을 판별하고, 판별 결과를 문장의 특징에 매칭하여 번역 엔진의 성능 정보를 생성할 수 있다. 구체적으로, 성능 정보 생성부(113)는 샘플 문장을 번역한 번역 문장들과 샘플 문장의 정답 문장 간의 유사도를 기초로 샘플 문장의 특징에 해당하는 각 번역 엔진의 번역 성능을 판별할 수 있다.

이때, 성능 정보 생성부(113)는 각 번역 엔진의 번역 성능을 특징 별로 통계화하여 특징 별 각 번역 엔진의 번역 성능을 추정하고, 추정 결과에 따라 각각의 번역 엔진에 특징 별 가중치를 설정할 수 있다. 이때, 번역 엔진의 성능 정보는 번역 엔진 별로 설정된 특징 별 가중치일 수 있다.

데이터베이스(114)는 성능 정보 생성부(113)가 생성한 번역 엔진의 성능 정보를 저장할 수 있다. 또한, 데이터베이스(114)는 목적 언어 모델(LM: Language Model) 확률 값 정보를 더 저장할 수 있다.

문장 결정부(115)는 데이터베이스(114)에 저장된 번역 엔진의 성능 정보에 기초하여 수신한 번역 문장들 중 하나를 번역 결과 문장으로 결정할 수 있다.

이때, 문장 결정부(115)는 번역 엔진의 성능 정보 중에서 원본 문장의 구조와 가장 유사한 샘플 문장의 구조를 검색하고, 검색한 샘플 문장에 매칭된 각 번역 엔진의 번역 성능을 기초로 수신한 번역 문장들 중 하나를 번역 결과 문장으로 결정할 수 있다.

예를 들어, 영어의 5형식 문장에 대한 제1 번역 엔진(121)의 번역율이 0.7이고, 제2 번역 엔진(122)의 번역율이 0.9이며, 원본 문장이 영어의 5형식 문장인 경우, 인 경우, 문장 결정부(115)는 제2 번역 엔진(122)가 번역한 번역 문장을 번역 결과 문장으로 결정할 수 있다. 또한, 영어의 4형식 문장에 대한 제1 번역 엔진(121)의 번역율이 0.9이고, 제2 번역 엔진(122)의 번역율이 0.5이며 원본 문장이 영어의 4형식 문장인 경우, 문장 결정부(115)는 제1 번역 엔진(121)이 번역한 번역 문장을 번역 결과 문장으로 결정할 수 있다.

또한, 문장 결정부(115)는 번역 엔진의 성능 정보 중에서 원본 문장의 특징에 매칭된 각 번역 엔진의 번역 성능을 기초로 수신한 번역 문장들 중 하나를 번역 결과 문장으로 결정할 수 있다.

구체적으로 문장 결정부(115)는 구조 분석부(111)가 분석한 원본 문장의 특징에 따라 각 번역 엔진의 특징 별 가중치 중에서 적어도 하나의 가중치를 선택하여 번역 문장의 번역율을 예측할 수 있다. 예를 들어, 제1 번역 엔진(121)의 의문형 문장에 대한 가중치가 0.32이고, 명령형 문장에 대한 가중치가 0.52이며, 존칭이 없는 문장에 대한 가중치가 0.9이고, 존칭이 있는 문장에 대한 가중치가 0.8이며, 원본 문장의 특징이 명령형이고 존칭이 없는 경우, 문장 결정부(115)는 명령형 문장에 대한 가중치인 0.52와 존칭이 없는 문장에 대한 가중치인 0.9를 기초로 제1 번역 엔진(121)이 생성한 번역 문장의 번역율을 예측할 수 있다. 이때, 문장 결정부(115)는 예측한 번역율이 가장 높은 번역 문장을 번역 결과 문장으로 결정할 수 있다.

본원 발명은 번역 엔진 별로 문장의 특징이나 구조에 따른 번역 성능을 판별하여 저장함으로써, 원문 문장에 따른 번역 문장의 번역율을 예측하고, 가장 번역율이 높은 번역 문장을 선택할 수 있다.

즉, 본원 발명은 번역하고자 하는 원본 문장의 구조나 특징에 최적화된 번역 엔진을 예측하고, 예측한 번역 엔진이 번역한 번역 문장을 선택함으로써 복수의 번역 엔진이 번역한 번역 문장 중에서 원본 문장에 최적화된 번역 문장을 선택할 수 있다.

도 2는 본 발명의 일실시예에 따른 다중 번역 엔진을 사용한 번역 과정의 일례이다.

먼저, 구조 분석부(111)는 도 2에 도시된 바와 같은 원본 문장(210)를 입력 받으면 원본 문장을 명사(n), 조사(j), 대명사(p), 용언(v), 어미(e)와 같은 형태소 단위로 분석할 수 있다. 이때, 구조 분석부(111)는 형태소 단위의 분석 결과(220)에 포함된 형태소의 개수나 종류에 기초하여 원본 문장의 특징(230)을 추출할 수 있다. 일례로, 도 2에서 구조 분석부(111)는 양태는 의문형이고, 길이는 3어절이며, 존칭은 일반 높임이고, 의문사는 위치라는 원본 문장의 특징(230)을 추출할 수 있다.

이때, 문장 수신부(112)는 원본 문장(210)을 다중 번역 엔진(120)에 전송하고, 다중 번역 엔진으로부터 각각의 번역 엔진이 원본 문장을 번역하여 생성한 번역 문장들(240)를 수신할 수 있다.

다음으로, 문장 결정부(225)는 데이터베이스(114)에서 각 번역 엔진의 특징 별 가중치(250)를 추출할 수 있다. 또한, 문장 결정부(225)는 원본 문장(210)의 구조에 따라 데이터베이스(114)에서 목적 언어 모델 확률 값 정보(260)를 추출할 수 있다.

그 다음으로 문장 결정부(225)는 각 번역 엔진의 특징 별 가중치(250) 및 목적 언어 모델 확률 값 정보(260)에 기초하여 번역 문장의 번역율(270)을 예측할 수 있다. 구체적으로 문장 결정부(225)는 각 번역 엔진의 특징 별 가중치(250)에서 원본 문장의 특징(230)에 해당하는 값과 목적 언어 모델 확률 값 정보(260)에서 번역 문장에 포함된 문장의 확률을 기초로 번역 문장의 번역율을 예측할 수 있다.

마지막으로 문장 결정부(225)는 예측한 번역율이 가장 높은 번역 문장을 번역 결과 문장(280)으로 결정함으로써 원본 문장(210)에 최적화된 번역 문장을 번역 결과 문장(280)로 결정할 수 있다.

도 3은 본 발명의 일실시예에 따른 번역 엔진의 성능 정보 생성 방법을 도시한 플로우차트이다.

단계(S310)에서 구조 분석부(111)는 샘플 문장의 구조를 분석할 수 있다. 이때, 구조 분석부(111)는 샘플 문장을 형태소 단위로 분석하고, 분석된 형태소의 개수나 종류에 기초하여 샘플 문장의 특징을 추출할 수 있다. 또한, 구조 분석부(111)는 샘플 문장의 구조나 특징에 따라 샘플 문장의 유형을 분류할 수 있다.

단계(S320)에서 문장 수신부(112)는 다중 번역 엔진(120)에 샘플 문장을 전송하여 번역을 요청하고, 다중 번역 엔진(120)은 요청에 따라 다중 번역 엔진(120)의 각 번역 엔진에서 샘플 문장을 번역하여 번역 문장들을 생성하도록 할 수 있다. 이때, 문장 수신부(112)는 다중 번역 엔진(120)에서 생성된 번역 문장들을 수신할 수 있다.

단계(S330)에서 성능 정보 생성부(113)는 단계(S320)에서 생성된 번역 문장과 샘플 문장의 정답 문장 및 샘플 문장의 구조를 기초로 번역 엔진의 성능을 평가할 수 있다. 이때, 성능 정보 생성부(113)는 샘플 문장을 번역하여 생성한 번역 문장들과 샘플 문장의 정답 문장을 비교하여 각 번역 엔진의 성능을 평가할 수 있다.

단계(S340)에서 성능 정보 생성부(113)는 단계(S330)의 평가 결과를 기초로 각 번역 엔진의 평가 정보를 생성하여 데이터베이스(114)에 저장할 수 있다.

일례로, 성능 정보 생성부(113)는 샘플 문장을 번역한 번역 문장들과 샘플 문장의 정답 문장 간의 유사도를 기초로 각 번역 엔진의 번역 성능을 판별하고, 판별 결과를 단계(S310)에서 분석한 샘플 문장의 구조에 매칭함으로써, 문장의 구조에 따른 번역 엔진의 성능 정보를 생성할 수 있다.

다른 일례로, 성능 정보 생성부(113)는 샘플 문장을 번역한 번역 문장들과 샘플 문장의 정답 문장 간의 유사도를 기초로 단계(S310)에서 분석한 샘플 문장의 특징에 해당하는 각 번역 엔진의 번역 성능을 판별할 수 있다. 이때, 성능 정보 생성부(113)는 각 번역 엔진의 번역 성능을 특징 별로 통계화하여 특징 별 각 번역 엔진의 번역 성능을 추정하고, 추정 결과에 따라 각각의 번역 엔진에 특징 별 가중치를 설정할 수 있다. 이때, 번역 엔진의 성능 정보는 번역 엔진 별로 설정된 특징 별 가중치일 수 있다.

도 4는 본 발명의 일실시예에 따른 번역 방법을 도시한 플로우차트이다.

단계(S410)에서 구조 분석부(111)는 원본 문장의 구조를 분석할 수 있다. 이때, 구조 분석부(111)는 원본 문장을 형태소 단위로 분석하고, 분석된 형태소의 개수나 종류에 기초하여 원본 문장의 특징을 추출할 수 있다. 또한, 구조 분석부(111)는 원본 문장의 구조나 특징에 따라 원본 문장의 유형을 분류할 수 있다.

단계(S420)에서 문장 수신부(112)는 다중 번역 엔진(120)에 원본 문장을 전송하여 번역을 요청하고, 다중 번역 엔진(120)은 요청에 따라 다중 번역 엔진(120)의 각 번역 엔진에서 원본 문장을 번역하여 번역 문장들을 생성하도록 할 수 있다. 이때, 문장 수신부(112)는 다중 번역 엔진(120)에서 생성된 번역 문장들을 수신할 수 있다.

단계(S430)에서 문장 결정부(115)는 데이터베이스(114)에 저장된 번역 엔진의 성능 정보에 기초하여 단계(S420)에서 생성된 번역 문장들의 번역율을 예측할 수 있다. 이때, 문장 결정부(115)는 번역 엔진의 성능 정보 중에서 단계(S410)에서 분석한 원본 문장의 구조와 가장 유사한 샘플 문장의 구조를 검색하고, 검색한 샘플 문장에 매칭된 각 번역 엔진의 번역율을 단계(S420)에서 생성한 번역 문장의 번역율로 예측할 수 있다. 또한, 문장 결정부(115)는 단계(S410)에서 분석한 원본 문장의 특징에 따라 각 번역 엔진의 특징 별 가중치 중에서 적어도 하나의 가중치를 선택하여 단계(S420)에서 생성한 번역 문장의 번역율을 예측할 수 있다.

단계(S440)에서 문장 결정부(115)는 단계(S430)에서 예측한 번역 문장의 번역율을 기초로 단계(S420)에서 생성한 번역 문장 중 하나를 번역 결과 문장으로 결정할 수 있다. 일례로, 문장 결정부(115)는 단계(S430)에서 예측한 번역 문장의 번역율이 가장 높은 번역 문장을 번역 결과 문장으로 결정할 수 있다.

본 발명은 문장의 특징에 따른 각 번역 엔진의 성능을 측정하고, 측정 결과를 저장함으로써, 복수의 번역 엔진이 각각 원문 문장에 따라 번역한 번역 문장의 번역율을 예측할 수 있다.

또한, 번역율 예측 결과에 기초하여 번역 문장을 선택함으로써 복수의 번역 엔진이 번역한 번역 문장 중에서 원본 문장에 최적화된 번역 문장을 선택할 수 있다. 구체적으로, 예측 결과에 따른 가중치를 번역 문장에 부여함으로써 원본 문장과 같은 특징이나 구조의 문장 번역에 최적화된 번역 엔진의 번역 문장이 번역 결과로서 선택되도록 할 수 있다.

이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.

그러므로, 본 발명의 범위는 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.

110: 번역 장치
111: 구조 분석부
112: 문장 수신부부
113: 성능 정보 생성부
115: 문장 결정부
120: 다중 번역 엔진

Claims

원본 문장의 구조를 분석하는 구조 분석부;
적어도 하나의 번역 엔진으로부터 원본 문장을 번역한 번역 문장들을 수신하는 문장 수신부; 및
원본 문장의 구조에 따른 번역 엔진의 성능 정보에 기초하여 수신한 번역 문장들 중 하나를 번역 결과 문장으로 결정하는 문장 결정부
를 포함하는 번역 장치.
제1항에 있어서,
복수의 번역 엔진이 각각 샘플 문장을 번역하여 생성한 번역 문장들과 샘플 문장의 정답 문장 및 샘플 문장의 구조를 기초로 번역 엔진의 성능 정보를 생성하는 성능 정보 생성부
를 더 포함하는 번역 장치.
제2항에 있어서,
상기 성능 정보 생성부는,
샘플 문장을 번역하여 생성한 번역 문장들과 샘플 문장의 정답 문장을 비교하여 각 번역 엔진의 번역 성능을 판별하고, 판별 결과를 샘플 문장의 구조에 매칭하여 번역 엔진의 성능 정보를 생성하는 것을 특징으로 하는 번역 장치.
제2항에 있어서,
상기 문장 결정부는,
번역 엔진의 성능 정보 중에서 원본 문장의 구조와 가장 유사한 샘플 문장의 구조를 검색하고, 검색한 샘플 문장에 매칭된 각 번역 엔진의 번역 성능을 기초로 수신한 번역 문장들 중 하나를 번역 결과 문장으로 결정하는 것을 특징으로 하는 번역 장치.
제2항에 있어서,
상기 구조 분석부는,
원본 문장을 형태소 단위로 분석하고, 분석된 형태소의 개수나 종류에 기초하여 원본 문장의 특징을 추출하는 것을 특징으로 하는 번역 장치.
제5항에 있어서,
상기 성능 정보 생성부는,
샘플 문장을 번역하여 생성한 번역 문장들과 샘플 문장의 정답 문장을 기초로 문장의 특징에 따른 각 번역 엔진의 번역 성능을 판별하고, 판별 결과를 문장의 특징에 매칭하여 번역 엔진의 성능 정보를 생성하는 것을 특징으로 하는 번역 장치.
제5항에 있어서,
상기 문장 결정부는,
번역 엔진의 성능 정보 중에서 원본 문장의 특징에 매칭된 각 번역 엔진의 번역 성능을 기초로 수신한 번역 문장들 중 하나를 번역 결과 문장으로 결정하는 것을 특징으로 하는 번역 장치.
샘플 문장의 구조를 분석하는 구조 분석부;
적어도 하나의 번역 엔진으로부터 샘플 문장을 번역한 번역 문장들을 수신하는 문장 수신부; 및
상기 번역 문장들과 샘플 문장의 정답 문장 및 샘플 문장의 구조를 기초로 번역 엔진의 성능 정보를 생성하는 성능 정보 생성부
를 포함하는 번역 엔진의 성능 정보 생성 장치.
제8항에 있어서,
상기 성능 정보 생성부는,
상기 번역 문장들과 샘플 문장의 정답 문장을 비교하여 각 번역 엔진의 번역 성능을 판별하고, 판별 결과를 샘플 문장의 구조에 매칭하여 번역 엔진의 성능 정보를 생성하는 것을 특징으로 하는 번역 엔진의 성능 정보 생성 장치.
제8항에 있어서,
상기 구조 분석부는,
원본 문장을 형태소 단위로 분석하고, 분석된 형태소의 개수나 종류에 기초하여 원본 문장의 특징을 추출하는 것을 특징으로 하는 번역 엔진의 성능 정보 생성 장치.
제10항에 있어서,
상기 성능 정보 생성부는,
상기 번역 문장들과 샘플 문장의 정답 문장을 기초로 문장의 특징에 따른 각 번역 엔진의 번역 성능을 판별하고, 판별 결과를 문장의 특징에 매칭하여 번역 엔진의 성능 정보를 생성하는 것을 특징으로 하는 번역 엔진의 성능 정보 생성 장치.
원본 문장의 구조를 분석하는 단계;
적어도 하나의 번역 엔진으로부터 원본 문장을 번역한 번역 문장들을 수신하는 단계; 및
원본 문장의 구조에 따른 번역 엔진의 성능 정보에 기초하여 수신한 번역 문장들 중 하나를 번역 결과 문장으로 결정하는 단계
를 포함하는 번역 방법.
제12항에 있어서,
복수의 번역 엔진이 각각 샘플 문장을 번역하여 생성한 번역 문장들과 샘플 문장의 정답 문장 및 샘플 문장의 구조를 기초로 번역 엔진의 성능 정보를 생성하는 단계
를 더 포함하는 번역 방법.
제13항에 있어서,
상기 생성하는 단계는,
샘플 문장을 번역하여 생성한 번역 문장들과 샘플 문장의 정답 문장을 비교하여 각 번역 엔진의 번역 성능을 판별하는 단계; 및
판별 결과를 샘플 문장의 구조에 매칭하여 번역 엔진의 성능 정보를 생성하는 단계
를 포함하는 번역 방법.
제13항에 있어서,
상기 결정하는 단계는,
번역 엔진의 성능 정보 중에서 원본 문장의 구조와 가장 유사한 샘플 문장의 구조를 검색하는 단계; 및
검색한 샘플 문장에 매칭된 각 번역 엔진의 번역 성능을 기초로 수신한 번역 문장들 중 하나를 번역 결과 문장으로 결정하는 단계
를 포함하는 번역 방법.
제13항에 있어서,
상기 분석하는 단계는,
원본 문장을 형태소 단위로 분석하는 단계; 및
분석된 형태소의 개수나 종류에 기초하여 원본 문장의 특징을 추출하는 단계
를 포함하는 번역 방법.
제16항에 있어서,
상기 생성하는 단계는,
샘플 문장을 번역하여 생성한 번역 문장들과 샘플 문장의 정답 문장을 기초로 문장의 특징에 따른 각 번역 엔진의 번역 성능을 판별하는 단계; 및
판별 결과를 문장의 특징에 매칭하여 번역 엔진의 성능 정보를 생성하는 단계
를 포함하는 번역 방법.
제16항에 있어서,
상기 결정하는 단계는,
원본 문장의 특징에 매칭된 각 번역 엔진의 번역 성능을 검색하는 단계; 및
검색 결과를 기초로 수신한 번역 문장들 중 하나를 번역 결과 문장으로 결정하는 단계
를 포함하는 번역 방법.
샘플 문장의 구조를 분석하는 단계;
적어도 하나의 번역 엔진으로부터 샘플 문장을 번역한 번역 문장들을 수신하는 단계; 및
상기 번역 문장들과 샘플 문장의 정답 문장 및 샘플 문장의 구조를 기초로 번역 엔진의 성능 정보를 생성하는 단계
를 포함하는 번역 엔진의 성능 정보 생성 방법.