KR20220036099A - 자동통역 오류 유형을 자동으로 진단 및 교정하는 방법 - Google Patents

Abstract

자동통역 오류 유형을 자동으로 진단 및 교정하는 방법이 제공된다. 상기 방법은 복수의 진단용 음성 데이터가 저장된 진단용 음성 데이터베이스를 입력받는 단계; 자동통역 모델을 통해, 상기 진단용 음성 데이터에 저장된 진단용 음성 데이터의 제1 언어의 음성을 인식하여 제2 언어의 음성으로 자동통역하는 단계; 상기 제1 언어의 음성인식 결과에 대한 음성인식 오류 및 상기 제2 언어의 음성에 대한 자동통역 결과에 대한 자동통역 오류 중 적어도 하나의 오류 유형이 존재하는지 여부를 진단하는 단계; 및 상기 진단 결과 오류 유형이 존재하는 경우, 상기 오류 유형에 상응하는 음성을 포함하는 음성 데이터 및 어휘를 포함하는 원문 데이터 중 적어도 하나의 타입을 수집하고, 이를 대상으로 상기 오류 유형에 상응하는 어휘의 교정 과정을 통해 상기 자동통역 모델을 갱신하는 단계를 포함한다.

Description

자동통역 오류 유형을 자동으로 진단 및 교정하는 방법{METHOD FOR AUTOMATICALLY DIAGNOSING AND CORRECTING SPEECH TRANSLATION ERRORS}

본 발명은 자동통역 오류 유형을 자동으로 진단 및 교정하는 방법에 관한 것이다.

자동통역과 관련된 종래 기술의 경우 음성인식 오류를 교정하는 기술과 자동통역을 평가하는 기술이 존재하는 반면, 자동통역 오류를 진단하거나 교정하는 기술은 전무한 실정이다.

종래 음성인식 오류 교정 기술은 입력되는 음성 데이터에 대하여, 워드 임베딩 기법에 따라 해당 어휘가 음성인 인식 오류인지를 결정하는 방법, 음성인식 후 언어 분석을 이용한 후처리 기반의 음성인식 오류를 수정하는 방법으로 구분할 수 있는데, 자동 통역과 관련한 오류 진단 및 교정 기술은 제시하지 못하고 있다.

자동통역 오류를 진단하는 기술은 BLEU(bilingual evaluation understudy), NIST(National Institute of Science Technology) 등의 평가방법을 이용하여 자동통역 출력문과 정답문(reference) 사이의 유사성(simility)을 계산한 후 자동으로 평가하는 기술이다. 하지만 종래 기술은 자동통역 출력문에 어떠한 오류가 있는지, 그리고 어떤 오류 유형을 교정해야 하는지를 제시하지 못하는 단점이 있다.

이와 같이 종래 기술은 자동통역의 오류에 대한 설명 가능성(explainability)을 확보할 수 없다는 문제가 있다.

공개특허공보 제10-2019-0015081호(2019.02.13)

본 발명이 해결하고자 하는 과제는 자동통역의 오류 유형을 자동으로 진단하고, 진단 결과 오류 어휘를 포함하는 음성 데이터를 대량으로 자동 수집하여 기계 학습함으로써 오류 유형을 자동으로 교정할 수 있는 자동통역 오류 유형을 자동으로 진단 및 교정하는 방법을 제공하는 것이다.

다만, 본 발명이 해결하고자 하는 과제는 상기된 바와 같은 과제로 한정되지 않으며, 또다른 과제들이 존재할 수 있다.

상술한 과제를 해결하기 위한 본 발명의 일 면에 따른 자동통역 오류 유형을 자동으로 진단 및 교정하는 방법은 복수의 진단용 음성 데이터가 저장된 진단용 음성 데이터베이스를 입력받는 단계; 자동통역 모델을 통해, 상기 진단용 음성 데이터에 저장된 진단용 음성 데이터의 제1 언어의 음성을 인식하여 제2 언어의 음성으로 자동통역하는 단계; 상기 제1 언어의 음성인식 결과에 대한 음성인식 오류 및 상기 제2 언어의 음성에 대한 자동통역 결과에 대한 자동통역 오류 중 적어도 하나의 오류 유형이 존재하는지 여부를 진단하는 단계; 및 상기 진단 결과 오류 유형이 존재하는 경우, 상기 오류 유형에 상응하는 음성을 포함하는 음성 데이터 및 어휘를 포함하는 원문 데이터 중 적어도 하나의 타입을 수집하고, 이를 대상으로 상기 오류 유형에 상응하는 어휘의 교정 과정을 통해 상기 자동통역 모델을 갱신하는 단계를 포함하되, 상기 진단용 음성 데이터베이스는 오류 유형별로 구분된 복수의 진단용 음성 데이터를 포함한다.

본 발명의 일부 실시예에서, 상기 적어도 하나의 오류 유형이 존재하는지 여부를 진단하는 단계는, 상기 제1 언어의 음성인식 결과가 상기 진단용 음성 데이터베이스에 저장된 음성인식 오류 정답과 매칭되는지 여부를 판단하는 단계; 상기 판단 결과 매칭되는 제1 언어의 음성인식 결과에 대하여 스코어를 부여하는 단계; 및 상기 스코어가 부여되지 않은 제1 언어의 음성인식 결과에 대하여 오류 유형이 존재하는 것으로 진단하는 단계를 포함할 수 있다.

본 발명의 일부 실시예에서, 상기 적어도 하나의 오류 유형이 존재하는지 여부를 진단하는 단계는, 상기 제2 언어의 음성에 대한 자동통역 결과가 상기 진단용 음성 데이터베이스에 저장된 자동통역 오류 정답과 매칭되는지 여부를 판단하는 단계; 상기 판단 결과 매칭되는 제2 언어의 음성에 대한 자동통역 결과에 대하여 스코어를 부여하는 단계; 및 상기 스코어가 부여되지 않은 제2 언어의 자동통역 결과에 대하여 오류 유형이 존재하는 것으로 진단하는 단계를 포함할 수 있다.

본 발명의 일부 실시예는, 상기 오류 유형이 존재하는 것으로 진단됨에 따라, 각 오류 유형별로 상기 진단 결과를 시각화하는 단계를 더 포함할 수 있다.

본 발명의 일부 실시예에서, 상기 진단용 음성 데이터베이스는 상기 오류 유형별로 구분된 복수의 진단용 음성 데이터와 매칭된 적어도 하나의 음성인식 오류 정답 및 자동통역 오류 정답을 포함할 수 있다.

본 발명의 일부 실시예에서, 상기 자동통역 모델을 갱신하는 단계는, 상기 자동통역 오류에 대한 오류 유형이 존재하는 경우, 상기 자동통역 오류가 발생한 어휘에 상응하는 원문 어휘를 포함하는 원문 데이터를 자동으로 수집하는 단계; 상기 수집된 원문 데이터에 대한 자동 번역을 수행하여 대역문을 생성하는 단계; 상기 자동 번역 결과에 기초하여 상기 진단용 음성 데이터베이스에 저장된 자동통역 오류 정답에 대응하는 대역 어휘를 추출하는 단계; 상기 대역문의 대역 어휘를 상기 자동통역 오류 정답으로 교체하는 단계; 및 상기 원문 데이터와, 상기 대역 어휘가 교체된 대역문을 기반으로 학습을 수행하여 상기 자동통역 모델을 갱신하는 단계를 포함할 수 있다.

본 발명의 일부 실시예에서, 상기 자동통역 모델을 갱신하는 단계는, 상기 음성인식 오류에 대한 오류 유형이 존재하는 경우, 상기 음성인식 오류가 발생한 어휘를 포함하는 음성 데이터를 자동으로 수집하는 단계; 상기 수집된 음성 데이터에 대한 전사문을 생성하는 단계; 상기 전사문으로부터 상기 진단용 음성 데이터베이스에 저장된 음성인식 오류 정답에 대응하는 전사 어휘를 추출하는 단계; 및 상기 전사 어휘, 음성인식 오류 정답 및 이에 상응하는 음성 어휘의 튜플(tuple)을 기반으로 학습을 수행하여 상기 자동통역 모델을 갱신하는 단계를 포함할 수 있다.

본 발명의 일부 실시예는, 상기 진단용 음성 데이터베이스로부터 k개의 진단용 음성 데이터를 랜덤 샘플링하는 단계를 더 포함할 수 있다.

상술한 과제를 해결하기 위한 본 발명의 다른 면에 따른 컴퓨터 프로그램은, 하드웨어인 컴퓨터와 결합되어 상기 신경망 기반 자동번역모델을 이용한 부-문장 단위의 자동번역 방법을 실행하며, 컴퓨터 판독가능 기록매체에 저장된다.

본 발명의 기타 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.

상술한 본 발명에 의하면, 자동통역에 있어 음성인식 및 자동통역 오류 유형을 자동으로 진단할 수 있으며, 진단 결과가 오류로 판명될 경우 오류 어휘를 포함한 발화와 원문을 대량으로 자동 수집하여 기계 학습함으로써 오류 유형을 자동으로 교정할 수 있다는 장점이 있다.

본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

도 1은 본 발명의 일 실시예에 따른 자동통역 오류 유형을 자동으로 진단 및 교정하는 방법의 순서도이다.
도 2는 진단용 음성 데이터베이스의 일 예시를 도시한 도면이다.
도 3은 통역 오류를 진단하는 내용을 설명하기 위한 순서도이다.
도 4는 통역 오류를 진단한 일 예시를 도시한 도면이다.
도 5는 오류 유형을 시각화한 일 예시를 도시한 도면이다.
도 6은 자동통역 모델을 갱신하는 내용을 설명하기 위한 순서도이다.
도 7은 본 발명의 일 실시예에 따른 자동통역 오류 유형을 자동으로 진단 및 교정하는 시스템을 설명하기 위한 도면이다.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.

본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.

다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.

이하, 첨부된 도면을 참조하여 본 발명의 실시예에 따른 자동통역 오류 유형을 자동으로 진단 및 교정하는 방법을 상세하게 설명한다.

도 1은 본 발명의 일 실시예에 따른 자동통역 오류 유형을 자동으로 진단 및 교정하는 방법의 순서도이다.

한편, 도 1에 도시된 단계들은 자동통역 오류 유형을 자동으로 진단 및 교정하는 시스템을 구성하는 서버(이하, 서버)에 의해 수행되는 것으로 이해될 수 있지만, 이에 제한되는 것은 아니다.

먼저, 서버는 복수의 진단용 음성 데이터가 저장된 진단용 음성 데이터베이스를 입력받는다(S110).

일 실시예로, 진단용 음성 데이터베이스는 오류 유형별로 구분된 복수의 진단용 음성 데이터를 포함한다. 이때, 복수의 진단용 음성 데이터는 각각에 대하여 매칭된 적어도 하나의 음성인식 오류 정답 및 자동통역 오류 정답을 포함한다.

도 2는 진단용 음성 데이터베이스의 일 예시를 도시한 도면이다.

도 2를 참조하면, 진단용 음성 데이터베이스는 '분류', '진단용 음성 데이터', '음성인식 오류 정답', '자동통역 오류 정답'의 항목으로 구성되어 있다.

여기에서 '분류' 항목은 오류 유형을 나타내며, '진단용 음성 데이터'는 입력이 되는 음성 파일을 의미한다. 또한, '음성인식 오류 정답'은 음성인식의 오류를 자동 진단할 음성 어휘를 의히하고, '자동통역 오류 정답'은 자동통역의 오류를 자동 진단할 어휘들을 의미한다.

다시 도 1을 참조하면, 서버는 진단용 음성 데이터베이스로부터 k개의 진단용 음성 데이터를 랜덤 샘플링한다(S120). 이때, k개는 관리자에 의해 임의로 설정된 개수일 수 있다.

다음으로, 서버는 자동통역 모델을 통해, k개의 진단용 음성 데이터의 제1 언어의 음성을 인식하여 제2 언어의 음성으로 자동통역한다(S130).

다음으로, 서버는 제1 언어의 음성인식 결과에 대한 음성인식 오류 및 제2 언어의 음성에 대한 자동통역 결과에 대한 자동통역 오류 중 적어도 하나의 오류 유형이 존재하는지 여부를 판단한다(S140).

도 3은 통역 오류를 진단하는 내용을 설명하기 위한 순서도이다. 도 4는 통역 오류를 진단한 일 예시를 도시한 도면이다. 도 5는 오류 유형을 시각화한 일 예시를 도시한 도면이다.

서버는 제1 언어의 음성인식 결과와 제2 언어의 자동통역 결과가 입력되면, 각 결과에 오류 유형이 존재하는지 여부를 판단한다.

구체적으로 서버는 제1 언어의 음성인식 결과가 진단용 음성 데이터베이스에 저장된 음성인식 오류 정답과 매칭되는지 여부를 판단하고(S210), 제2 언어의 음성에 대한 자동통역 결과가 진단용 음성 데이터베이스에 저장된 자동통역 오류 정답과 매칭되는지 여부를 판단한다(S220).

이후, 서버는 판단 결과 매칭되는 제1 언어의 음성인식 결과 및 제2 언어의 음성에 대한 자동통역 결과에 대하여 스코어를 부여한다(S230). 일 예로, 도 4를 참조하면 서버는 제1 언어의 음성인식 결과와 음성인식 오류 정답이 매칭되면 +1점의 스코어를 부여하고, 매칭되지 않으면 0점을 부여한다. 마찬가지로, 제2 언어의 음성에 대한 자동통역 결과와 자동통역 오류 정답이 매칭되면 +1점의 스코어를 부여하고, 매칭되지 않으면 0점을 부여한다.

예를 들어, 오류 유형이 '음성-수사'로 분류된 음성인식 결과 및 자동통역 결과는 모두 음성인식 오류 정답 'twenty five', 자동통역 오류 정답 '25'로 매칭되었으므로 모두 +1점의 스코어가 부여된다.

반면, 두 번째 오류 유형인 '음성-연도'로 분류된 음성인식 결과 및 자동통역 결과는 음성인식 오류 정답 'twenty fourteen', 자동통역 오류 정답 '24'로 음성인식 결과만 매칭되었으므로, 각각 +1점과 0점의 스코어가 부여된다.

그 다음, 서버는 스코어가 부여되지 않은 제1 언어의 음성인식 결과에 대하여 오류 유형이 존재하는 것으로 진단하며, 마찬가지로, 스코어가 부여되지 않은 제2 언어의 자동통역 결과에 대하여 오류 유형이 존재하는 것으로 진단한다(S240).

이와 같이 오류 유형이 각각 존재하는 것으로 진단됨에 따라, 도 5와 같이 서버는 각 오류 유형별로 진단 결과를 시각화하여 제공할 수 있다.

다시 도 1을 참조하면, 서버는 오류 유형이 존재하지 않는 경우, 다시 랜덤 샘플링을 하는 S120 단계를 통해 다음 진단 항목으로 이동한다(S150-N).

이와 달리 진단 결과 오류 유형이 존재하는 경우(S150-Y), 서버는 오류 유형에 상응하는 음성을 포함하는 음성 데이터 및 어휘를 포함하는 원문 데이터 중 적어도 하나의 타입을 대량으로 수집하고, 이를 대상으로 오류 유형에 상응하는 어휘의 교정 과정을 통해 자동통역 모델을 갱신한다(S150).

도 6은 자동통역 모델을 갱신하는 내용을 설명하기 위한 순서도이다.

먼저, 서버는 오류 유형이 자동통역 오류인지 아니면 음성인식 오류인지 여부를 구별하고(S310), 자동통역 오류에 대한 오류 유형이 존재하는 경우(S310-Y), 자동통역 오류가 발생한 어휘에 상응하는 원문 어휘를 포함하는 원문 데이터를 자동으로 수집한다(S320).

이와 같이 수집된 문장에 대하여 서버는 자동 번역을 수행하여 대역문을 생성하고(S330), 자동 번역 결과에 기초하여 진단용 음성 데이터베이스에 저장된 자동통역 오류 정답에 대응하는 대역 어휘를 추출한다(S340). 그 결과 대량으로 수집된 원문 데이터로부터의 번역 결과로부터 대역 어휘가 정렬(alignment)되어 생성된다.

이후, 서버는 대역문의 대역 어휘를 자동통역 오류 정답으로 교체하고(S350), 원문 데이터와, 대역 어휘가 교체된 대역문을 기반으로 학습을 수행하여 기존의 자동통역 모델을 갱신한다(S360).

또한, 서버는 음성인식 오류에 대한 오류 유형이 존재하는 경우(S310-N), 음성인식 오류가 발생한 어휘를 포함하는 음성 데이터(utterance)를 자동으로 수집한다(S370).

그 다음, 서버는 수집된 음성 데이터에 대한 전사문을 생성하고(S380), 전사문으로부터 진단용 음성 데이터베이스에 저장된 음성인식 오류 정답에 대응하는 전사 어휘를 추출한다(S390). 그 결과 대량으로 수집된 음성 데이터로부터의 전사 결과로부터 전사 어휘가 정렬(alignment)되어 생성된다.

이후, 서버는 '전사 어휘, 음성인식 오류 정답 및 이에 상응하는 음성 어휘'의 튜플(tuple)을 기반으로 학습을 수행하여 기존의 자동통역 모델을 갱신한다(S360).

한편, 상술한 설명에서, 단계 S110 내지 S390은 본 발명의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 변경될 수도 있다. 아울러, 기타 생략된 내용이라 하더라도 도 1 내지 도 6의 자동통역 오류 유형을 자동으로 진단 및 교정하는 방법의 내용은 후술하는 도 7의 내용에도 적용될 수 있다.

이하에서는 본 발명의 일 실시예에 따른 자동통역 오류 유형을 자동으로 진단 및 교정하는 시스템(100)에 대하여 설명하도록 한다.

도 7은 본 발명의 일 실시예에 따른 자동통역 오류 유형을 자동으로 진단 및 교정하는 시스템(100)을 설명하기 위한 도면이다.

도 7을 참조하면, 본 발명의 일 실시예에 따른 자동통역 오류 유형을 자동으로 진단 및 교정하는 시스템(100)은 통신모듈(110), 메모리(120) 및 프로세서(130)를 포함한다.

통신모듈(110)은 데이터베이스, 웹서버, 사용자 단말 등과 송수신하여 진단용 음성 데이터를 수신하거나, 사용자의 음성 등을 수신하고 그 번역 결과를 사용자 단말 등으로 제공한다.

메모리(120)에는 제1 언어의 음성을 인식하여 제2 언어의 음성으로 자동 통역을 수행하며, 자동통역시 발생하는 오류 유형을 진단 및 교정하기 위한 프로그램이 저장된다.

프로세서(130)는 메모리(120)에 저장된 프로그램을 실행시킴에 따라, 자동통역 모델을 통해 진단용 음성 데이터베이스에 저장된 진단용 음성 데이터의 제1 언어의 음성을 인식하여 제2 언어의 음성으로 자동통역한다. 그리고, 제1 언어의 음성인식 결과에 대한 음성인식 오류 및 제2 언어의 음성에 대한 자동통역 결과에 대한 자동통역 오류 중 적어도 하나의 오류 유형이 존재하는지 여부를 진단하여, 오류 유형이 존재하는 경우, 오류 유형에 상응하는 음성을 포함하는 음성 데이터 및 어휘를 포함하는 원문 데이터 중 적어도 하나의 타입을 수집하고, 이를 대상으로 오류 유형에 상응하는 어휘의 교정 과정을 통해 자동통역 모델을 갱신한다.

도 7을 참조하여 설명한 자동통역 오류 유형을 자동으로 진단 및 교정하는 시스템(100)은 상술한 서버의 구성요소로 제공될 수 있다.

이상에서 전술한 본 발명의 일 실시예에 따른 자동통역 오류 유형을 자동으로 진단 및 교정하는 방법은, 하드웨어인 컴퓨터와 결합되어 실행되기 위해 프로그램(또는 어플리케이션)으로 구현되어 매체에 저장될 수 있다.

상기 전술한 프로그램은, 상기 컴퓨터가 프로그램을 읽어 들여 프로그램으로 구현된 상기 방법들을 실행시키기 위하여, 상기 컴퓨터의 프로세서(CPU)가 상기 컴퓨터의 장치 인터페이스를 통해 읽힐 수 있는 C, C++, JAVA, Ruby, 기계어 등의 컴퓨터 언어로 코드화된 코드(Code)를 포함할 수 있다. 이러한 코드는 상기 방법들을 실행하는 필요한 기능들을 정의한 함수 등과 관련된 기능적인 코드(Functional Code)를 포함할 수 있고, 상기 기능들을 상기 컴퓨터의 프로세서가 소정의 절차대로 실행시키는데 필요한 실행 절차 관련 제어 코드를 포함할 수 있다. 또한, 이러한 코드는 상기 기능들을 상기 컴퓨터의 프로세서가 실행시키는데 필요한 추가 정보나 미디어가 상기 컴퓨터의 내부 또는 외부 메모리의 어느 위치(주소 번지)에서 참조되어야 하는지에 대한 메모리 참조관련 코드를 더 포함할 수 있다. 또한, 상기 컴퓨터의 프로세서가 상기 기능들을 실행시키기 위하여 원격(Remote)에 있는 어떠한 다른 컴퓨터나 서버 등과 통신이 필요한 경우, 코드는 상기 컴퓨터의 통신 모듈을 이용하여 원격에 있는 어떠한 다른 컴퓨터나 서버 등과 어떻게 통신해야 하는지, 통신 시 어떠한 정보나 미디어를 송수신해야 하는지 등에 대한 통신 관련 코드를 더 포함할 수 있다.

상기 저장되는 매체는, 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로는, 상기 저장되는 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있지만, 이에 제한되지 않는다. 즉, 상기 프로그램은 상기 컴퓨터가 접속할 수 있는 다양한 서버 상의 다양한 기록매체 또는 사용자의 상기 컴퓨터상의 다양한 기록매체에 저장될 수 있다. 또한, 상기 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장될 수 있다.

전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.

본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

100 : 자동통역 오류 유형 자동 진단 및 교정 시스템
110: 통신모듈
120 : 메모리
130 : 프로세서

Claims (1)

1. 컴퓨터에 의해 수행되는 방법에 있어서,
   복수의 진단용 음성 데이터가 저장된 진단용 음성 데이터베이스를 입력받는 단계;
   자동통역 모델을 통해, 상기 진단용 음성 데이터에 저장된 진단용 음성 데이터의 제1 언어의 음성을 인식하여 제2 언어의 음성으로 자동통역하는 단계;
   상기 제1 언어의 음성인식 결과에 대한 음성인식 오류 및 상기 제2 언어의 음성에 대한 자동통역 결과에 대한 자동통역 오류 중 적어도 하나의 오류 유형이 존재하는지 여부를 진단하는 단계; 및
   상기 진단 결과 오류 유형이 존재하는 경우, 상기 오류 유형에 상응하는 음성을 포함하는 음성 데이터 및 어휘를 포함하는 원문 데이터 중 적어도 하나의 타입을 수집하고, 이를 대상으로 상기 오류 유형에 상응하는 어휘의 교정 과정을 통해 상기 자동통역 모델을 갱신하는 단계를 포함하되,
   상기 진단용 음성 데이터베이스는 오류 유형별로 구분된 복수의 진단용 음성 데이터를 포함하는 것인,
   자동통역 오류 유형을 자동으로 진단 및 교정하는 방법.