KR20130042822A - 패턴 기반 번역과 번역 예문 기반 번역을 사용한 번역 장치 및 방법 - Google Patents

패턴 기반 번역과 번역 예문 기반 번역을 사용한 번역 장치 및 방법 Download PDF

Info

Publication number
KR20130042822A
KR20130042822A KR1020110106928A KR20110106928A KR20130042822A KR 20130042822 A KR20130042822 A KR 20130042822A KR 1020110106928 A KR1020110106928 A KR 1020110106928A KR 20110106928 A KR20110106928 A KR 20110106928A KR 20130042822 A KR20130042822 A KR 20130042822A
Authority
KR
South Korea
Prior art keywords
sentence
translation
band
phrase
translated sentence
Prior art date
Application number
KR1020110106928A
Other languages
English (en)
Inventor
황금하
김창현
서영애
양성일
신종훈
김영길
Original Assignee
한국전자통신연구원
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 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to KR1020110106928A priority Critical patent/KR20130042822A/ko
Publication of KR20130042822A publication Critical patent/KR20130042822A/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
    • G06F40/55—Rule-based translation
    • G06F40/56—Natural language generation
    • 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

Abstract

패턴 기반 번역과 번역 예문 기반 번역을 모두 사용하는 번역 장치 및 방법이 개시된다.
번역 장치는 번역 사전과 번역 패턴 및 번역 규칙 중 적어도 하나를 기초로 원문 문장에 포함된 구들을 번역하여 각 구에 대응하는 제1 대역문을 생성하는 제1 대역문 생성부; 구 단위 번역 예문을 기초로 원문 문장에 포함된 구들을 번역하여 각 구에 대응하는 제2 대역문을 생성하는 제2 대역문 생성부; 제1 대역문의 신뢰도와 제2 대역문의 신뢰도를 기초로 제1 대역문과 제2 대역문 중 하나의 대역문을 선택하는 대역문 선택부; 및 선택된 대역문을 기초로 번역 문장을 생성하는 번역 문장 생성부를 포함할 수 있다.

Description

패턴 기반 번역과 번역 예문 기반 번역을 사용한 번역 장치 및 방법{TRANSLATION APPARATUS AND METHOD USING PHRASE LEVEL TRANSLATION EXAMPLES IN A PATTERN-BASED MACHINE TRANSLATOR}
본 발명은 패턴 기반 번역과 번역 예문 기반 번역을 모두 사용하는 번역 장치 및 방법에 관한 것으로, 보다 상세하게는 구 단위 번역예문을 사용하여 대역문을 생성하고, 패턴 기반에 따라 생성된 대역문과 비교하여 번역 문장을 생성하는 번역 장치 및 방법에 관한 것이다.
제1 언어로 작성된 문서를 번역하여 제2 언어로 작성된 문서를 생성하는 번역 장치들이 개발되고 있다.
이때, 종래의 번역 장치 중 하나인 패턴 기반 번역 장치는 문장의 번역 패턴과 같은 번역 정보에 기초하여 원본 문장을 번역하는 장치이다. 그러나 패턴 기반 번역 장치는 다양한 패턴 및 규칙을 결합하여 번역 패턴을 생성하여야 하므로 자동 학습 또는 사용자 참여를 통해 생성되는 정보를 번역 정보에 실시간으로 추가하기 어렵다는 한계가 있었다.
따라서, 패턴 기반 번역 방법에서 자동 학습 또는 사용자 참여에 의하여 생성되는 정보에 기반한 번역 결과를 반영할 수 있는 방법이 요청되고 있다.
본 발명은 구 단위 번역예문을 사용하여 대역문을 생성하고, 패턴 기반에 따라 생성된 대역문과 비교하여 번역 문장을 생성함으로써 번역 문장의 구 단위로 번역 예문과 패턴 기반에 따른 대역문이 조합되어 번역 성능을 향상 시킬 수 있는 장치 및 방법을 제공한다.
또한, 본 발명은 명사구, 동사구, 관형절 등 구 단위 번역예문을 사용하여 생성한 대역문에 기초하여 번역 문장을 생성함으로써 자연스러운 번역 문장을 생성할 수 있는 장치 및 방법을 제공한다.
본 발명의 일실시예에 따른 번역 장치는 번역 사전과 번역 패턴 및 번역 규칙 중 적어도 하나를 기초로 원문 문장에 포함된 구들을 번역하여 각 구에 대응하는 제1 대역문을 생성하는 제1 대역문 생성부; 구 단위 번역 예문을 기초로 원문 문장에 포함된 구들을 번역하여 각 구에 대응하는 제2 대역문을 생성하는 제2 대역문 생성부; 제1 대역문의 신뢰도와 제2 대역문의 신뢰도를 기초로 제1 대역문과 제2 대역문 중 하나의 대역문을 선택하는 대역문 선택부; 및 선택된 대역문을 기초로 번역 문장을 생성하는 번역 문장 생성부를 포함할 수 있다.
본 발명의 일실시예에 의하면, 구 단위 번역예문을 사용하여 대역문을 생성하고, 패턴 기반에 따라 생성된 대역문과 비교하여 번역 문장을 생성함으로써 번역 문장의 구 단위로 번역 예문과 패턴 기반에 따른 대역문이 조합되어 번역 성능을 향상 시킬 수 있다.
또한, 본 발명의 일실시예에 의하면, 명사구, 동사구, 관형절 등 구 단위 번역예문을 사용하여 생성한 대역문에 기초하여 번역 문장을 생성함으로써 자연스러운 번역 문장을 생성할 수 있다.
도 1은 본 발명의 일실시예에 따른 번역 장치(100)를 도시한 블록 다이어그램이다.
도 2는 본 발명의 일실시예에 따른 번역 예문 관리부(140)를 도시한 블록 다이어그램이다.
도 3은 본 발명의 일실시예에 따른 번역 방법을 도시한 플로우차트이다.
도 4는 본 발명의 일실시예에 따른 번역 예문에 분석 정보를 추가하는 방법을 도시한 플로우차트이다.
이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 일실시예에 따른 번역 장치(100)를 도시한 블록 다이어그램이다.
본 발명의 일실시예에 따른 번역 장치(100)는 패턴 기반 번역과 번역 예문 기반 번역을 모두 사용하는 하이브리드 번역 장치일 수 있다.
도 1을 참고하면, 본 발명의 일실시예에 따른 번역 장치(110)는 원본 문장 분석부(110), 패턴 기반 대역문 생성부(120), 번역 예문 기반 대역문 생성부(130), 대역문 선택부(150) 및 번역 결과 출력부(160)를 포함할 수 있다.
원본 문장 분석부(110)는 번역하고자 하는 원본 문장을 구문 분석하고, 분석된 원문 문장을 구 단위로 패턴 기반 대역문 생성부(120)와, 번역 예문 기반 대역문 생성부(130)에 제공할 수 있다.
패턴 기반 대역문 생성부(120)는 번역 정보 데이터베이스(125)에 저장된 번역 정보를 기초로 원문 문장에 포함된 구들을 번역하여 원문 문장의 각 구에 대응하는 제1 대역문들을 생성할 수 있다. 이때, 대역문은 원문 문장의 각 구와 유사하거나 동일한 의미를 가지는 다른 언어의 글자, 또는 단어일 수 있다. 또한, 번역 정보 데이터베이스(125)에 저장된 번역 정보는 패턴 기반 번역 엔진에서 사용하는 번역 정보이며, 번역 사전과 번역 패턴 및 번역 규칙 중 적어도 하나를 포함할 수 있다.
번역 예문 기반 대역문 생성부(130)는 번역 예문 정보 데이터베이스(135)에 저장된 구 단위 번역 예문을 기초로 원문 문장에 포함된 구들을 번역하여 원본 문장의 각 구에 대응하는 제2 대역문을 생성할 수 있다. 이때, 번역 예문은 명사구, 동사구, 관형절과 같은 구 단위 번역 예문의 원문과 상기 원문을 번역한 번역문을 포함할 수 있다.
이때, 번역 예문 기반 대역문 생성부(130)는 번역 예문 정보 데이터베이스(135)에서 원본 문장에 적용 가능한 구 단위 번역 예문을 검색하고, 검색한 구 단위 번역 예문을 사용하여 제2 대역문을 생성할 수 있다. 이때, 원본 문장에 적용 가능한 구 단위 번역 예문은 원본 문장의 각 구와 동일한 원문의 구일 수 있다.
또한, 번역 예문 관리부(140)는 번역 예문 정보 데이터베이스(135)에 저장된 번역 예문에 분석 정보를 추가하여 번역 예문 기반 대역문 생성부(130)가 원본 문장에 적용 가능한 구 단위 번역 예문을 검색하기 용이하도록 할 수 있다. 이때, 분석 정보는 품사 정보, 단어 정렬 정보, 명사 의미 정보 중 적어도 하나를 포함할 수 있다. 번역 예문 관리부(140)의 구성 및 동작은 이하 도 2를 참조로 상세히 설명한다.
대역문 선택부(140)는 제1 대역문의 신뢰도와 제2 대역문의 신뢰도를 기초로 제1 대역문과 제2 대역문 중 하나의 대역문을 선택할 수 있다. 구체적으로 대역문 선택부(140)는 언어 모델을 사용하여 제1 대역문과 제2 대역문을 평가하여 제1 대역문의 신뢰도와 제2 대역문의 신뢰도를 결정하고, 결정된 제1 대역문의 신뢰도와 제2 대역문의 신뢰도 중에 신뢰도가 높은 대역문을 선택할 수 있다.
번역 결과 출력부(150)는 대역문 선택부(140)가 선택한 대역문을 기초로 번역 문장을 생성하여 출력할 수 있다. 구체적으로 번역 결과 출력부(150)는 대역문 선택부(140)가 선택한 대역문을 기초로 형태소를 생성하여 각 대역문에 결합함으로써 번역 문장을 생성할 수 있다.
이때, 번역 결과 출력부(150)가 생성한 번역 문장은 대역문 선택부(140)의 선택 결과에 따라 각 구 별로 제1 대역문 또는 제2 대역문이 사용될 수 있다. 즉, 본 발명에 따른 번역 결과 출력부(150)는 패턴에 따른 대역문과 번역 예문에 따른 대역문을 조합하여 가장 신뢰도 높은 번역 문장을 생성할 수 있다.
도 2는 본 발명의 일실시예에 따른 번역 예문 관리부(140)를 도시한 블록 다이어그램이다.
도 2를 참고하면, 본 발명의 일실시예에 따른 번역 예문 관리부(140)는 원문 형태소 분석부(210), 번역문 형태소 분석부(220), 의미 태깅부(230) 및 단어 정렬부(240)를 포함할 수 있다.
이때, 자동 학습 또는 사용자 참여로 번역 예문 정보 데이터베이스(135)에 구축된 원형 번역 예문은 예문 출처, 원문 출현 빈도, 번역 또는 정렬 신뢰도, 원문, 대역문, 단어 정렬 정보, 및 문맥 정보 중 적어도 하나를 포함할 수 있다. 또한, 동사구, 명사구, 복합명사, 관형절 중 적어도 하나를 번역 예문으로 사용할 수 있다.
예를 들어 번역 예문 정보 데이터베이스(135)는 "약통으로 사용되는"과 같은 제1 예문에 대하여 " a-cor1 | 3 | 0.382 | 약통 로 사용되 | 被 用作 一 ? ? 盒 | (0:4:0.1);(0:5:0.1);(2:1:0.15) | 뚜껑, 플라스틱, 주사기, s의약품"가 같은 원형 번역 예문을 저장할 수 있다.
또한, 사용자가 구축한 예문은 단어 정렬 정보, 및 문맥 정보가 NULL로 대체될 수 있다.
예를 들어 번역 예문 정보 데이터베이스(135)는 사용자가 구축한 "저도 오늘은 힘들겠네요"란 제2 예문에 대하여 "u-HGD | 1 | 1.0 | 저도 오늘은 힘들겠네요 | 我今天也?? | NULL | NULL"와 같은 원형번역예문을 저장할 수 있다.
이때, 단어 정렬 정보는 대응 단어 정보와 단어 정렬 신뢰도 점수로 구성되고, 문맥 정보는 해당 예문과 공기하는 단어, s의약품과 같은 의미코드, 또는 f양수사와 같은 특정 품사 중 적어도 하나를 포함할 수 있다.
원문 형태소 분석부(210)는 원형 번역 예문에 포함된 원문의 형태소를 분석하여 원문에 품사를 태깅할 수 있다.
대역문 형태소 분석부(220)는 원형 번역 예문에 포함된 대역문의 형태소를 분석하여 대역문에 품사를 태깅할 수 있다.
의미 태깅부(230)는 양국어 양방향 사전을 사용하여 원문, 및 대역문에 포함된 명사에 대하여 각 명사의 의미를 태깅할 수 있다. 이때, 양국어 양방향 사전은 원문을 대역문으로 변환하기 위한 사전과 대역문을 원문으로 변환하기 위한 사전을 포함할 수 있다. 예를 들어 한글을 중국어로 번역하는 경우, 한중 사전과 중한 사전을 양국어 양방향 사전으로 사용할 수 있다.
단어 정렬부(240)는 대응 대역어가 있는 경우 원형 번역 예문에 단어 정렬 정보를 추가할 수 있다.
이때, 번역 예문 관리부(140)는 상기 구성을 통하여 제1 예문에 대한 원형 번역 예문에 분석 정보를 추가하여 " a-cor1 | 3 | 0.382 | 약통: 용언 불가능 보통 명사: s통 + 로: 부사격 조사, 사용되: 일반 동사 | 被: PO 用作:VV 一:NU ?:MW ?:NN:s의약품: 盒:NN:s통 | (0:4-0.1,5-0.1);(2:1-0.15) | 뚜껑,플라스틱,주사기,s의약품"와 분석 번역 예문으로 변경할 수 있다.
이때, 번역 예문 관리부(140)는 원문인 "약통 로 사용되"를 원문 형태소 분석부(210)의 분석 결과에 따라 각 형태소에 대한 품사 정보를 추가하고 구 단위로 사용할 수 있도록 분할한 "약통: 용언 불가능 보통 명사: s통 + 로: 부사격 조사, 사용되: 일반 동사"로 보정하여 등록할 수 있다.
또한, 번역 예문 관리부(140)는 대역문인 "被 用作 一 ? ? 盒"를 대역문 형태소 분석부(220)의 분석 결과에 따라 각 형태소에 대한 품사 정보를 추가하고 구 단위로 사용할 수 있도록 분할한 " 被:PO 用作:VV 一:NU ?:MW ?:NN:s의약품: 盒:NN:s통" 로 보정하여 등록할 수 있다. 이때, 또한, 번역 예문 관리부(140)는 의미 태깅부(230)에 따라 "?: NN: s의약품", "盒: NN: s통"에 각각 s의약품과 s통이라는 각 명사의 의미를 태깅할 수 있다.
그리고, 번역 예문 관리부(140)는 단어 정렬부(240)가 추가한 단어 정렬 정보를 원형 번역 예문의 정렬 신뢰도 정보에 (0:4-0.1,5-0.1);(2:1-0.15)와 같은 형태로 추가할 수 있다. 이때, 단어 정렬 정보는 체언, 수식언, 용언과 같은 내용어에 한해서만 추가할 수도 있다.
다른 예로, 번역 예문 관리부(140)는 상기 구성을 통하여 제2 예문에 대한 원형 번역 예문에 분석 정보를 추가하여 "u-HGD | 1 | 1.0 | 저: 인칭대명사: s사람 + 도: 일반 보조사, 오늘-는: 지시 시간 부사. 힘들: 성상 형용사 + 겠: 미래 시제 선어말 어미 + ㅂ니다: 평서형 종결 어미| 我: PN: s사람 今天:NT 也:AD ??:AJ | (0:0:0.7);(1:2:0.5);(2:1:0.2);(3:3:1.0) | NULL"와 같은 분석 번역 예문으로 변경할 수 있다.
이때, 생성된 원형 번역 예문은 원문 문자열을 검색 키로 사용하여 검색할 수 있고, 분석 번역 예문은 품사 중 분류열을 1차 검색 키로 사용하여 품사 소분류, 또는 의미코드 및 단어를 2차 검색 키로 사용하여 검색할 수 있다.
예를 들어 제2 예문에 대한 원형 번역 예문은 "저도_오늘은_힘들겠네요"를 사용하여 검색할 수 있다. 또한, 분석 번역 예문의 1차 검색 키는 "명사+조사_부사_형용사+선어말어미+어말어미"와 같은 품사 중 분류열일 수 있고, 2차 검색 키는 "서수사, 양수사, 지시시간부사"와 같은 품사 소분류이거나, "s통, 약통, f도"와 같은 의미코드 및 단어일 수 있다.
이때, 번역 예문 기반 대역문 생성부(130)는 원본 문장에 포함된 각 구에 매칭되는 원형 번역 예문을 검색하고, 구에 매칭되는 원형 번역 예문이 없는 경우, 품사 중 분류가 정확히 매칭하는 분석 번역 예문 중에서 매칭 점수가 가장 높은 예문을 검색할 수 있다. 이때, 매칭 점수는 수학식 1에 따라 결정될 수 있다.
Figure pat00001
이때, i는 원본 문장에 포함된 구가 가지고 있는 단어 노드이고, fwordi는 원본 문장의 단어 노드와 번역예문 노드 i 간의 매칭 점수일 수 있다. 이때, 단어 매칭시 점수 1.0을 가지며, 단어 매칭, 의미 매칭, 품사 소분류 매칭, 품사 중분류 매칭의 순서로 매칭 점수가 부여될 수 있다.
또한, fposi는 노드 i의 품사 중요도 점수이며, 품사 별로 다르게 정의될 수 있다. 일례로, 품사 중요도 점수는 선어말 어미 및 부사격 조사, 용언, 명사, 종결어미, 일반 조사의 순서로 부여될 수 있다.
그리고, faligni는 단어 매칭 시 1, 단어 정렬 정보를 가지고 있지 않은 노드가 단어 매칭 안된 경우는 -100, 기타 경우는 단어 정렬 신뢰도 점수가 부여될 수 있다.
또한. a는 문맥 정보 무게 값이고, m는 매칭된 문맥 단어, 의미코드, 및 품사의 개수일 수 있다. 그리고, fcontextj는 단어, 의미 정보 및 품사에 따라 달라지는 매칭항의 무게 값일 수 있다.
이때, 번역 예문 기반 대역문 생성부(130)가 선택한 분석 번역 예문은 매칭 점수가 기 설정된 임계 값보다 클 수 있다. 또한, 번역 예문 기반 대역문 생성부(130)은 단어 매칭이 안된 노드는 단어 의미 애매성 해소를 사용하여 대역어를 생성할 수 있다.
도 3은 본 발명의 일실시예에 따른 번역 방법을 도시한 플로우차트이다.
단계(S310)에서 원본 문장 분석부(110)는 번역하고자 하는 원본 문장을 구문 분석하고, 분석된 원문 문장을 구 단위로 패턴 기반 대역문 생성부(120)와, 번역 예문 기반 대역문 생성부(130)에 제공할 수 있다.
단계(S320)에서 패턴 기반 대역문 생성부(120)는 번역 정보 데이터베이스(125)에 저장된 번역 정보를 기초로 단계(S310)에서 수신한 원문 문장에 포함된 구들을 번역하여 원문 문장의 각 구에 대응하는 제1 대역문들을 생성할 수 있다.
단계(S330)에서 번역 예문 기반 대역문 생성부(130)는 번역 예문 정보 데이터베이스(135)에 저장된 구 단위 번역 예문을 기초로 단계(S310)에서 수신한 원문 문장에 포함된 구들을 번역하여 원본 문장의 각 구에 대응하는 제2 대역문을 생성할 수 있다. 이때, 번역 예문 기반 대역문 생성부(130)는 번역 예문 정보 데이터베이스(135)에서 원본 문장에 적용 가능한 구 단위 번역 예문을 검색하고, 검색한 구 단위 번역 예문을 사용하여 제2 대역문을 생성할 수 있다.
이때, 단계(S320)와 단계(S330)은 각각의 구성에서 동시에 수행될 수 있으며, 단계(S330)가 단계(S320)보다 먼저 수행될 수도 있다.
단계(S340)에서 대역문 선택부(140)는 단계(S320)에서 생성된 제1 대역문의 신뢰도와 단계(S330)에서 생성된 제2 대역문의 신뢰도를 기초로 제1 대역문과 제2 대역문 중 하나의 대역문을 선택할 수 있다. 구체적으로 대역문 선택부(140)는 언어 모델을 사용하여 제1 대역문과 제2 대역문을 평가하여 제1 대역문의 신뢰도와 제2 대역문의 신뢰도를 결정하고, 결정된 제1 대역문의 신뢰도와 제2 대역문의 신뢰도 중에 신뢰도가 높은 대역문을 선택할 수 있다.
단계(S350)에서 번역 결과 출력부(150)는 단계(S340)에서 선택된 대역문을 기초로 번역 문장을 생성할 수 있다. 구체적으로 번역 결과 출력부(150)는 대역문 선택부(140)가 선택한 대역문을 기초로 형태소를 생성하여 각 대역문에 결합함으로써 번역 문장을 생성할 수 있다.
도 4는 본 발명의 일실시예에 따른 번역 예문에 분석 정보를 추가하는 방법을 도시한 플로우차트이다.
단계(S410)에서 원문 형태소 분석부(210)는 원형 번역 예문에 포함된 원문의 형태소를 분석하여 원문에 품사를 태깅할 수 있다.
단계(S420)에서 대역문 형태소 분석부(220)는 원형 번역 예문에 포함된 대역문의 형태소를 분석하여 대역문에 품사를 태깅할 수 있다.
단계(S430)에서 의미 태깅부(230)는 단계(S410)와 단계(S420)에서 명사가 태깅된 원문과 대역문의 형태소에 대하여 각 명사의 의미를 태깅할 수 있다.
단계(S440)에서 단어 정렬부(240)는 단계(S430)에서 의미가 태깅된 명사에 대응 대역어가 있는 경우 원형 번역 예문에 단어 정렬 정보를 추가할 수 있다.
본 발명은 구 단위 번역예문을 사용하여 대역문을 생성하고, 패턴 기반에 따라 생성된 대역문과 비교하여 번역 문장을 생성함으로써 번역 문장의 구 단위로 번역 예문과 패턴 기반에 따른 대역문이 조합되어 번역 성능을 향상 시킬 수 있다. 이때, 명사구, 동사구, 관형절 등 구 단위 번역예문을 사용하여 생성한 대역문에 기초하여 번역 문장을 생성함으로써 자연스러운 번역 문장을 생성할 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: 원본 문장 분석부
120: 패턴 기반 대역문 생성부
130: 번역 예문 기반 대역문 생성부
140: 번역 예문 관리부
150: 대역문 선택부

Claims (1)

  1. 번역 사전과 번역 패턴 및 번역 규칙 중 적어도 하나를 기초로 원문 문장에 포함된 구들을 번역하여 각 구에 대응하는 제1 대역문을 생성하는 제1 대역문 생성부;
    구 단위 번역 예문을 기초로 원문 문장에 포함된 구들을 번역하여 각 구에 대응하는 제2 대역문을 생성하는 제2 대역문 생성부;
    제1 대역문의 신뢰도와 제2 대역문의 신뢰도를 기초로 제1 대역문과 제2 대역문 중 하나의 대역문을 선택하는 대역문 선택부; 및
    선택된 대역문을 기초로 번역 문장을 생성하는 번역 문장 생성부
    를 포함하는 번역 장치.
KR1020110106928A 2011-10-19 2011-10-19 패턴 기반 번역과 번역 예문 기반 번역을 사용한 번역 장치 및 방법 KR20130042822A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020110106928A KR20130042822A (ko) 2011-10-19 2011-10-19 패턴 기반 번역과 번역 예문 기반 번역을 사용한 번역 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020110106928A KR20130042822A (ko) 2011-10-19 2011-10-19 패턴 기반 번역과 번역 예문 기반 번역을 사용한 번역 장치 및 방법

Publications (1)

Publication Number Publication Date
KR20130042822A true KR20130042822A (ko) 2013-04-29

Family

ID=48441304

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020110106928A KR20130042822A (ko) 2011-10-19 2011-10-19 패턴 기반 번역과 번역 예문 기반 번역을 사용한 번역 장치 및 방법

Country Status (1)

Country Link
KR (1) KR20130042822A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10380264B2 (en) 2016-08-16 2019-08-13 Samsung Electronics Co., Ltd. Machine translation method and apparatus

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10380264B2 (en) 2016-08-16 2019-08-13 Samsung Electronics Co., Ltd. Machine translation method and apparatus

Similar Documents

Publication Publication Date Title
Gupta et al. Abstractive summarization: An overview of the state of the art
Habash et al. MADA+ TOKAN: A toolkit for Arabic tokenization, diacritization, morphological disambiguation, POS tagging, stemming and lemmatization
Derczynski et al. Microblog-genre noise and impact on semantic annotation accuracy
Şeker et al. Initial explorations on using CRFs for Turkish named entity recognition
Tiedemann Recycling translations: Extraction of lexical data from parallel corpora and their application in natural language processing
Shamsfard Challenges and open problems in Persian text processing
Abdurakhmonova et al. Linguistic functionality of Uzbek Electron Corpus: uzbekcorpus. uz
Sawalha et al. Fine-grain morphological analyzer and part-of-speech tagger for Arabic text
Neumann et al. Experiments on robust NL question interpretation and multi-layered document annotation for a cross–language question/answering system
Abdurakhmonova et al. UZBEK ELECTRONIC CORPUS AS A TOOL FOR LINGUISTIC ANALYSIS
Chakrawarti et al. Machine translation model for effective translation of Hindi poetries into English
Abdurakhmonova Formal-Functional Models of The Uzbek Electron Corpus
Hkiri et al. Arabic-English text translation leveraging hybrid NER
Ganji et al. Novel textual features for language modeling of intra-sentential code-switching data
Mara English-Wolaytta Machine Translation using Statistical Approach
Alkım et al. Machine translation infrastructure for Turkic languages (MT-Turk)
Nagarathinam et al. State of art: Cross lingual information retrieval system for Indian languages
Benajiba et al. Arabic question answering
Outahajala et al. Using confidence and informativeness criteria to improve POS-tagging in amazigh
JP2003323425A (ja) 対訳辞書作成装置、翻訳装置、対訳辞書作成プログラム、および翻訳プログラム
KR20130042822A (ko) 패턴 기반 번역과 번역 예문 기반 번역을 사용한 번역 장치 및 방법
Al-Arfaj et al. Arabic NLP tools for ontology construction from Arabic text: An overview
Bindu et al. Design and development of a named entity based question answering system for Malayalam language
Chen The construction, use, and evaluation of a lexical knowledge base for English-Chinese cross-language information retrieval
Alosaimy Ensemble Morphosyntactic Analyser for Classical Arabic

Legal Events

Date Code Title Description
WITN Withdrawal due to no request for examination