KR20240017706A - 신조어를 식별하기 위한 전자 장치 및 그 제어 방법 - Google Patents

Abstract

전자 장치가 개시된다. 본 전자 장치는 컨텐츠가 저장된 메모리 및 메모리와 연결되어 전자 장치를 제어하는 적어도 하나의 프로세서를 포함하며, 프로세서는 컨텐츠에 포함된 프레임에 대응되는 제1 언어 타입의 제1 문장 및 제2 언어 타입의 제2 문장을 획득하고, 제1 문장 및 제2 문장에 기초하여 제1 문장에 포함된 신조어를 식별하고, 제2 문장에서 신조어에 대응되는 적어도 하나의 제1 단어를 제1 언어 타입으로 번역하여 신조어의 의미를 획득하며, 제1 문장은 컨텐츠의 음성에 대응되는 문장이고, 제2 문장은 컨텐츠의 제공자가 제1 문장을 제2 언어 타입으로 번역한 문장일 수 있다.

Description

신조어를 식별하기 위한 전자 장치 및 그 제어 방법 { ELECTRONIC APPARATUS FOR IDENTIFYING A NEWLY COINED WORD AND CONTROL METHOD THEREOF }

본 개시는 전자 장치 및 그 제어 방법에 대한 것으로, 더욱 상세하게는 신조어를 식별하는 전자 장치 및 그 제어 방법에 대한 것이다.

전자 기술의 발달에 힘입어 다양한 종류의 전자 장치가 개발되고 있다. 특히, 최근에는 번역 기능이 제공되는 전자 장치가 보급되면서 사용자 편의성이 향상되고 있다.

다만, 생성 주기가 짧은 신조어는 적절한 번역이 어려울 뿐만 아니라 신조어의 탐지 또는 확보조차 어려운 문제가 있었다.

이상과 같은 목적을 달성하기 위한 본 개시의 일 실시 예에 따르면, 전자 장치는 컨텐츠가 저장된 메모리 및 상기 메모리와 연결되어 상기 전자 장치를 제어하는 적어도 하나의 프로세서를 포함하며, 상기 프로세서는 상기 컨텐츠에 포함된 프레임에 대응되는 제1 언어 타입의 제1 문장 및 제2 언어 타입의 제2 문장을 획득하고, 상기 제1 문장 및 상기 제2 문장에 기초하여 상기 제1 문장에 포함된 신조어를 식별하고, 상기 제2 문장에서 상기 신조어에 대응되는 적어도 하나의 제1 단어를 상기 제1 언어 타입으로 번역하여 상기 신조어의 의미를 획득하며, 상기 제1 문장은 상기 컨텐츠의 음성에 대응되는 문장이고, 상기 제2 문장은, 상기 컨텐츠의 제공자가 상기 제1 문장을 상기 제2 언어 타입으로 번역한 문장일 수 있다.

또한, 상기 프로세서는 상기 제1 문장을 상기 제2 언어 타입으로 번역하여 제3 문장을 획득하고, 상기 제2 문장 및 상기 제3 문장의 유사도가 제1 임계 값 미만이면, 상기 제1 문장에 상기 신조어가 존재하는 것으로 식별할 수 있다.

그리고, 상기 프로세서는 상기 제1 문장의 제1 perplexity를 획득하고, 상기 제2 문장의 제2 perplexity를 획득하고, 상기 제1 perplexity 및 상기 제2 perplexity의 차이가 제2 임계 값 이상이면, 상기 제1 문장에 상기 신조어가 존재하는 것으로 식별할 수 있다.

또한, 상기 프로세서는 상기 제1 perplexity가 제3 임계 값 이상이면, 상기 제1 문장에 상기 신조어가 존재하는 것으로 식별할 수 있다.

그리고, 상기 프로세서는 상기 제2 문장을 상기 제1 언어 타입으로 번역하여 제4 문장을 획득하고, 상기 제1 문장, 상기 제2 문장 및 상기 제4 문장 각각을 토큰화(tokenize)하여 복수의 토큰을 획득하고, 상기 제2 문장에 포함된 복수의 토큰 각각에 대응되는 상기 제1 문장의 토큰 및 상기 제4 문장의 토큰을 비교하여 상기 신조어를 식별할 수 있다.

또한, 상기 프로세서는 상기 제1 문장 및 상기 제2 문장을 워드 얼라인먼트(word alignment)하고, 상기 제2 문장과 상기 제4 문장을 워드 얼라인먼트하고, 상기 워드 얼라인먼트 결과에 기초하여 상기 제2 문장에 포함된 복수의 토큰 각각에 대응되는 상기 제1 문장의 토큰 및 상기 제4 문장의 토큰을 식별할 수 있다.

그리고, 상기 프로세서는 상기 제2 문장을 상기 제1 언어 타입으로 번역하여 제4 문장을 획득하고, 상기 제4 문장에서 상기 신조어에 대응되는 적어도 하나의 제2 단어를 상기 신조어의 의미로서 식별하고, 상기 신조어, 상기 적어도 하나의 제1 단어 및 상기 신조어의 의미를 맵핑하여 상기 메모리에 코퍼스(corpus)로서 저장할 수 있다.

또한, 상기 프로세서는 상기 신조어에 대응되는 제1 사운드를 획득하고, 상기 적어도 하나의 제1 단어에 대응되는 제2 사운드를 획득하고, 상기 제1 사운드, 상기 신조어, 상기 적어도 하나의 제1 단어, 상기 신조어의 의미 및 상기 제2 사운드를 맵핑하여 상기 메모리에 코퍼스로서 저장할 수 있다.

그리고, 디스플레이를 더 포함하고, 상기 프로세서는 상기 컨텐츠를 상기 디스플레이를 통해 디스플레이하고, 상기 컨텐츠에 포함된 복수의 프레임 중 상기 디스플레이를 통해 디스플레이된 프레임에 대응되는 상기 제1 문장 및 상기 제2 문장을 획득할 수 있다.

또한, 상기 프로세서는 상기 컨텐츠가 상기 프레임에 대응되는 자막 정보를 포함하는 경우, 상기 자막 정보로부터 상기 제1 문장 및 상기 제2 문장을 획득하고, 상기 컨텐츠가 상기 자막 정보를 포함하지 않는 경우, 상기 프레임에 대한 문자 인식을 통해 상기 제1 문장 및 상기 제2 문장을 획득할 수 있다.

한편, 본 개시의 일 실시 예에 따르면, 전자 장치의 제어 방법은 컨텐츠에 포함된 프레임에 대응되는 제1 언어 타입의 제1 문장 및 제2 언어 타입의 제2 문장을 획득하는 단계, 상기 제1 문장 및 상기 제2 문장에 기초하여 상기 제1 문장에 포함된 신조어를 식별하는 단계 및 상기 제2 문장에서 상기 신조어에 대응되는 적어도 하나의 제1 단어를 상기 제1 언어 타입으로 번역하여 상기 신조어의 의미를 획득하는 단계를 포함하며, 상기 제1 문장은 상기 컨텐츠의 음성에 대응되는 문장이고, 상기 제2 문장은 상기 컨텐츠의 제공자가 상기 제1 문장을 상기 제2 언어 타입으로 번역한 문장일 수 있다.

또한, 상기 식별하는 단계는 상기 제1 문장을 상기 제2 언어 타입으로 번역하여 제3 문장을 획득하고, 상기 제2 문장 및 상기 제3 문장의 유사도가 제1 임계 값 미만이면, 상기 제1 문장에 상기 신조어가 존재하는 것으로 식별할 수 있다.ㄴ

그리고, 상기 식별하는 단계는 상기 제1 문장의 제1 perplexity를 획득하고,

상기 제2 문장의 제2 perplexity를 획득하고, 상기 제1 perplexity 및 상기 제2 perplexity의 차이가 제2 임계 값 이상이면, 상기 제1 문장에 상기 신조어가 존재하는 것으로 식별할 수 있다.

또한, 상기 식별하는 단계는 상기 제1 perplexity가 제3 임계 값 이상이면, 상기 제1 문장에 상기 신조어가 존재하는 것으로 식별할 수 있다.

그리고, 상기 식별하는 단계는 상기 제2 문장을 상기 제1 언어 타입으로 번역하여 제4 문장을 획득하고, 상기 제1 문장, 상기 제2 문장 및 상기 제4 문장 각각을 토큰화(tokenize)하여 복수의 토큰을 획득하고, 상기 제2 문장에 포함된 복수의 토큰 각각에 대응되는 상기 제1 문장의 토큰 및 상기 제4 문장의 토큰을 비교하여 상기 신조어를 식별할 수 있다.

또한, 상기 식별하는 단계는 상기 제1 문장 및 상기 제2 문장을 워드 얼라인먼트(word alignment)하고, 상기 제2 문장과 상기 제4 문장을 워드 얼라인먼트하고, 상기 워드 얼라인먼트 결과에 기초하여 상기 제2 문장에 포함된 복수의 토큰 각각에 대응되는 상기 제1 문장의 토큰 및 상기 제4 문장의 토큰을 식별할 수 있다.

그리고, 상기 신조어의 의미를 획득하는 단계는 상기 제2 문장을 상기 제1 언어 타입으로 번역하여 제4 문장을 획득하고, 상기 제4 문장에서 상기 신조어에 대응되는 적어도 하나의 제2 단어를 상기 신조어의 의미로서 식별하고, 상기 제어 방법은 상기 신조어, 상기 적어도 하나의 제1 단어 및 상기 신조어의 의미를 맵핑하여 코퍼스(corpus)로서 저장하는 단계를 더 포함할 수 있다.

또한, 상기 신조어에 대응되는 제1 사운드를 획득하는 단계 및 상기 적어도 하나의 제1 단어에 대응되는 제2 사운드를 획득하는 단계를 더 포함하고, 상기 코퍼스로서 저장하는 단계는 상기 제1 사운드, 상기 신조어, 상기 적어도 하나의 제1 단어, 상기 신조어의 의미 및 상기 제2 사운드를 맵핑하여 코퍼스로서 저장할 수 있다.

그리고, 상기 컨텐츠를 디스플레이하는 단계를 더 포함하고, 상기 제1 문장 및 상기 제2 문장을 획득하는 단계는 상기 컨텐츠에 포함된 복수의 프레임 중 상기 디스플레이를 통해 디스플레이된 프레임에 대응되는 상기 제1 문장 및 상기 제2 문장을 획득할 수 있다.

또한, 상기 제1 문장 및 상기 제2 문장을 획득하는 단계는 상기 컨텐츠가 상기 프레임에 대응되는 자막 정보를 포함하는 경우, 상기 자막 정보로부터 상기 제1 문장 및 상기 제2 문장을 획득하고, 상기 컨텐츠가 상기 자막 정보를 포함하지 않는 경우, 상기 프레임에 대한 문자 인식을 통해 상기 제1 문장 및 상기 제2 문장을 획득할 수 있다.

도 1은 본 개시의 일 실시 예에 따른 전자 장치의 구성을 나타내는 블럭도이다.
도 2는 본 개시의 일 실시 예에 따른 전자 장치의 세부 구성을 나타내는 블럭도이다.
도 3은 본 개시의 일 실시 예에 따른 신조어 사전 구축 동작을 간략히 설명하기 위한 흐름도이다.
도 4는 본 개시의 일 실시 예에 따른 문장의 획득 방법을 설명하기 위한 도면이다.
도 5 내지 도 7은 본 개시의 다양한 실시 예에 따른 신조어의 존재 여부를 식별하는 방법을 설명하기 위한 도면들이다.
도 8 내지 도 13은 본 개시의 일 실시 예에 따른 신조어의 위치를 식별하기 위한 도면들이다.
도 14는 본 개시의 일 실시 예에 따른 코퍼스를 획득하는 방법을 설명하기 위한 도면이다.
도 15는 본 개시의 일 실시 예에 따른 복수의 언어 타입을 이용하는 방법을 설명하기 위한 도면이다.
도 16은 본 개시의 일 실시 예에 따른 전자 장치의 제어 방법을 설명하기 위한 흐름도이다.

본 개시의 목적은 컨텐츠로부터 신조어를 식별하고, 식별된 신조어의 의미를 획득하는 전자 장치 및 그 제어 방법을 제공함에 있다.

이하에서는 첨부 도면을 참조하여 본 개시를 상세히 설명한다.

본 개시의 실시 예에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 개시의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.

본 명세서에서, "가진다," "가질 수 있다," "포함한다," 또는 "포함할 수 있다" 등의 표현은 해당 특징(예: 수치, 기능, 동작, 또는 부품 등의 구성요소)의 존재를 가리키며, 추가적인 특징의 존재를 배제하지 않는다.

A 또는/및 B 중 적어도 하나라는 표현은 "A" 또는 "B" 또는 "A 및 B" 중 어느 하나를 나타내는 것으로 이해되어야 한다.

본 명세서에서 사용된 "제1," "제2," "첫째," 또는 "둘째,"등의 표현들은 다양한 구성요소들을, 순서 및/또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다.

단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "구성되다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

본 명세서에서, 사용자라는 용어는 전자 장치를 사용하는 사람 또는 전자 장치를 사용하는 장치(예: 인공 지능 전자 장치)를 지칭할 수 있다.

이하 첨부된 도면들을 참조하여 본 개시의 다양한 실시 예를 보다 상세하게 설명한다.

도 1은 본 개시의 일 실시 예에 따른 전자 장치(100)의 구성을 나타내는 블럭도이다.

전자 장치(100)는 컨텐츠로부터 신조어를 식별할 수 있다. 예를 들어, 전자 장치(100)는 컴퓨터 본체, 셋탑박스(STB), 서버, AI 스피커 등과 같이 저장된 컨텐츠로부터 신조어를 식별하는 장치일 수 있다. 특히, 전자 장치(100)는 TV, 데스크탑 PC, 노트북, 스마트폰, 태블릿 PC, 스마트 안경, 스마트 워치 등과 같이 디스플레이를 구비하고, 디스플레이된 프레임으로부터 신조어를 식별하는 장치일 수도 있다.

도 1에 따르면, 전자 장치(100)는 메모리(110) 및 프로세서(120)를 포함한다.

메모리(110)는 프로세서(120) 등이 접근할 수 있도록 데이터 등의 정보를 전기 또는 자기 형태로 저장하는 하드웨어를 지칭할 수 있다. 이를 위해, 메모리(110)는 비휘발성 메모리, 휘발성 메모리, 플래시 메모리(Flash Memory), 하드디스크 드라이브(HDD) 또는 솔리드 스테이트 드라이브(SSD), RAM, ROM 등 중에서 적어도 하나의 하드웨어로 구현될 수 있다.

메모리(110)에는 전자 장치(100) 또는 프로세서(120)의 동작에 필요한 적어도 하나의 인스트럭션(instruction)이 저장될 수 있다. 여기서, 인스트럭션은 전자 장치(100) 또는 프로세서(120)의 동작을 지시하는 부호 단위로서, 컴퓨터가 이해할 수 있는 언어인 기계어로 작성된 것일 수 있다. 또는, 메모리(110)에는 전자 장치(100) 또는 프로세서(120)의 특정 작업을 수행하는 복수의 인스트럭션이 인스트럭션 집합체(instruction set)로서 저장될 수도 있다.

메모리(110)에는 문자, 수, 영상 등을 나타낼 수 있는 비트 또는 바이트 단위의 정보인 데이터가 저장될 수 있다. 예를 들어, 메모리(110)에는 컨텐츠 등이 저장될 수 있다.

메모리(110)는 프로세서(120)에 의해 액세스되며, 프로세서(120)에 의해 인스트럭션, 인스트럭션 집합체 또는 데이터에 대한 독취/기록/수정/삭제/갱신 등이 수행될 수 있다.

프로세서(120)는 전자 장치(100)의 동작을 전반적으로 제어한다. 구체적으로, 프로세서(120)는 전자 장치(100)의 각 구성과 연결되어 전자 장치(100)의 동작을 전반적으로 제어할 수 있다. 예를 들어, 프로세서(120)는 메모리(110), 디스플레이(미도시), 통신 인터페이스(미도시) 등과 같은 구성과 연결되어 전자 장치(100)의 동작을 제어할 수 있다.

일 실시 예에 따라 프로세서(120)는 디지털 시그널 프로세서(digital signal processor(DSP), 마이크로 프로세서(microprocessor), TCON(Time controller)으로 구현될 수 있다. 다만, 이에 한정되는 것은 아니며, 중앙처리장치(central processing unit(CPU)), MCU(Micro Controller Unit), MPU(micro processing unit), 컨트롤러(controller), 어플리케이션 프로세서(application processor(AP)), 또는 커뮤니케이션 프로세서(communication processor(CP)), ARM 프로세서 중 하나 또는 그 이상을 포함하거나, 해당 용어로 정의될 수 있다. 또한, 프로세서(120)는 프로세싱 알고리즘이 내장된 SoC(System on Chip), LSI(large scale integration)로 구현될 수도 있고, FPGA(Field Programmable gate array) 형태로 구현될 수도 있다.

프로세서(120)는 하나의 프로세서로 구현되거나 복수의 프로세서로 구현될 수 있다. 다만, 이하에서는 설명의 편의를 위해, 프로세서(120)라는 표현으로 전자 장치(100)의 동작을 설명한다.

프로세서(120)는 컨텐츠에 포함된 프레임에 대응되는 제1 언어 타입의 제1 문장 및 제2 언어 타입의 제2 문장을 획득할 수 있다. 예를 들어, 프로세서(120)는 컨텐츠에 포함된 프레임에 대응되는 한국어로된 제1 문장 및 영어로된 제2 문장을 획득할 수 있다. 여기서, 제1 문장은 컨텐츠의 음성에 대응되는 문장이고, 제2 문장은 컨텐츠의 제공자가 제1 문장을 제2 언어 타입으로 번역한 문장일 수 있다.

프로세서(120)는 컨텐츠가 프레임에 대응되는 자막 정보를 포함하는 경우, 자막 정보로부터 제1 문장 및 제2 문장을 획득하고, 컨텐츠가 자막 정보를 포함하지 않는 경우, 프레임에 대한 문자 인식을 통해 제1 문장 및 제2 문장을 획득할 수 있다. 여기서, 컨텐츠가 프레임에 대응되는 자막 정보를 포함하는 경우는 컨텐츠 자체가 자막 정보를 텍스트 정보로서 포함하는 경우일 수 있다. 다만, 이에 한정되는 것은 아니며, 컨텐츠에 대응되는 파일과 동일한 폴더에 컨텐츠에 대응되는 파일의 파일명과 동일한 파일명의 자막 파일이 존재하는 경우도 포함할 수 있다. 그리고, 컨텐츠가 자막 정보를 포함하지 않는 경우는 컨텐츠 자체가 자막 정보를 텍스트 정보로서 포함하지 않으나, 영상 내에 자막이 삽입되어 픽셀로서 표현되는 상태일 수 있다.

프로세서(120)는 광학 문자 인식(optical character recognition)을 통해 프레임으로부터 제1 문장 및 제2 문장을 식별할 수 있다. 또는, 프로세서(120)는 신경망 모델을 통해 프레임으로부터 제1 문장 및 제2 문장을 식별할 수도 있다.

전자 장치(100)는 디스플레이를 더 포함하고, 프로세서(120)는 컨텐츠를 디스플레이를 통해 디스플레이하고, 컨텐츠에 포함된 복수의 프레임 중 디스플레이를 통해 디스플레이된 프레임에 대응되는 제1 문장 및 제2 문장을 획득할 수도 있다.

프로세서(120)는 제1 문장 및 제2 문장에 기초하여 제1 문장에 포함된 신조어를 식별할 수 있다.

예를 들어, 프로세서(120)는 제1 문장을 제2 언어 타입으로 번역하여 제3 문장을 획득하고, 제2 문장 및 제3 문장의 유사도가 제1 임계 값 미만이면, 제1 문장에 신조어가 존재하는 것으로 식별할 수 있다. 여기서, 제1 문장에 포함된 신조어는 제1 언어 타입에서만 사용되는 단어일 가능성이 높으므로, 컨텐츠의 제공자는 제1 문장에 포함된 신조어의 의미에 기초하여 제2 문장을 번역할 수 있다. 그리고, 제3 문장은 신조어를 기계 번역함에 따라 정확하게 번역되지 않은 상태일 수 있다. 따라서, 제2 문장 및 제3 문장은 신조어로 인해 유사도가 낮을 가능성이 높다.

프로세서(120)는 신경망 모델을 통해 제1 문장을 제2 언어 타입으로 번역할 수 있다. 다만, 이에 한정되는 것은 아니며, 프로세서(120)는 룰 베이스(rule base)의 번역 모델을 통해 제1 문장을 제2 언어 타입으로 번역할 수도 있다. 이하에서도 프로세서(120)는 신경망 모델 또는 룰 베이스의 번역 모델을 통해 다양한 형식의 번역을 수행할 수 있다.

또는, 프로세서(120)는 제1 문장의 제1 perplexity를 획득하고, 제2 문장의 제2 perplexity를 획득하고, 제1 perplexity 및 제2 perplexity의 차이가 제2 임계 값 이상이면, 제1 문장에 신조어가 존재하는 것으로 식별할 수도 있다. 여기서, perplexity는 언어 모델이 헷갈려하는 정도를 나타내며, 낮을수록 말이 되는 문장을 의미한다. 즉, 신조어가 포함된 경우, 제1 perplexity는 제2 perplexity보다 높은 값을 가질 가능성이 높고, 그에 따라 두 값의 차이가 클수록 신조어가 존재할 가능성이 높다.

여기서, 프로세서(120)는 제1 perplexity가 제3 임계 값 이상이면, 제1 문장에 신조어가 존재하는 것으로 식별할 수도 있다. 다만, 이에 한정되는 것은 아니며, 프로세서(120)는 제1 perplexity 및 제2 perplexity의 차이와 무관하게 제1 perplexity가 제3 임계 값 이상이면, 제1 문장에 신조어가 존재하는 것으로 식별할 수도 있다.

프로세서(120)는 이상과 같은 방법을 통해 제1 문장에서 신조어가 존재하는지 식별할 수 있다.

프로세서(120)는 제2 문장을 제1 언어 타입으로 번역하여 제4 문장을 획득하고, 제1 문장, 제2 문장 및 제4 문장 각각을 토큰화(tokenize)하여 복수의 토큰을 획득하고, 제2 문장에 포함된 복수의 토큰 각각에 대응되는 제1 문장의 토큰 및 제4 문장의 토큰을 비교하여 신조어를 식별할 수 있다.

여기서, 프로세서(120)는 제1 문장 및 제2 문장을 워드 얼라인먼트(word alignment)하고, 제2 문장과 제4 문장을 워드 얼라인먼트하고, 워드 얼라인먼트 결과에 기초하여 제2 문장에 포함된 복수의 토큰 각각에 대응되는 제1 문장의 토큰 및 제4 문장의 토큰을 식별할 수 있다.

프로세서(120)는 이상과 같은 방법을 통해 신조어의 위치를 정확하게 식별할 수 있으며, 이에 대한 구체적인 설명은 도면을 통해 설명한다.

프로세서(120)는 제2 문장에서 신조어에 대응되는 적어도 하나의 제1 단어를 제1 언어 타입으로 번역하여 신조어의 의미를 획득할 수 있다. 즉, 프로세서(120)는 컨텐츠의 음성에 대응되는 제1 문장 및 컨텐츠의 제공자가 제1 문장을 제2 언어 타입으로 번역한 제2 문장에 기초하여 신조어를 식별하고, 그 의미를 획득할 수 있다.

프로세서(120)는 제2 문장을 제1 언어 타입으로 번역하여 제4 문장을 획득하고, 제4 문장에서 신조어에 대응되는 적어도 하나의 제2 단어를 신조어의 의미로서 식별하고, 신조어, 적어도 하나의 제1 단어 및 신조어의 의미를 맵핑하여 메모리(110)에 코퍼스(corpus)로서 저장할 수 있다. 즉, 프로세서(120)는 신조어, 신조어의 번역어 및 신조어의 의미를 코퍼스로서 획득할 수 있다.

여기서, 프로세서(120)는 신조어에 대응되는 제1 사운드를 획득하고, 적어도 하나의 제1 단어에 대응되는 제2 사운드를 획득하고, 제1 사운드, 신조어, 적어도 하나의 제1 단어, 신조어의 의미 및 제2 사운드를 맵핑하여 메모리(110)에 코퍼스로서 저장할 수도 있다.

이상과 같은 방식으로 획득된 코퍼스는 번역에 이용될 수도 있고, 번역을 수행하는 신경망 모델의 학습 데이터로서 이용될 수도 있다.

한편, 본 개시에 따른 인공 지능과 관련된 기능은 프로세서(120)와 메모리(110)를 통해 동작될 수 있다.

프로세서(120)는 하나 또는 복수의 프로세서로 구성될 수 있다. 이때, 하나 또는 복수의 프로세서는 CPU, AP, DSP 등과 같은 범용 프로세서, GPU, VPU(Vision Processing Unit)와 같은 그래픽 전용 프로세서 또는 NPU와 같은 인공 지능 전용 프로세서일 수 있다.

하나 또는 복수의 프로세서는, 메모리(110)에 저장된 기 정의된 동작 규칙 또는 인공 지능 모델에 따라, 입력 데이터를 처리하도록 제어한다. 또는, 하나 또는 복수의 프로세서가 인공 지능 전용 프로세서인 경우, 인공 지능 전용 프로세서는 특정 인공 지능 모델의 처리에 특화된 하드웨어 구조로 설계될 수 있다. 기 정의된 동작 규칙 또는 인공 지능 모델은 학습을 통해 만들어진 것을 특징으로 한다.

여기서, 학습을 통해 만들어진다는 것은, 기본 인공 지능 모델이 학습 알고리즘에 의하여 다수의 학습 데이터들을 이용하여 학습됨으로써, 원하는 특성(또는, 목적)을 수행하도록 설정된 기 정의된 동작 규칙 또는 인공 지능 모델이 만들어짐을 의미한다. 이러한 학습은 본 개시에 따른 인공 지능이 수행되는 기기 자체에서 이루어질 수도 있고, 별도의 서버 및/또는 시스템을 통해 이루어 질 수도 있다. 학습 알고리즘의 예로는, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)이 있으나, 전술한 예에 한정되지 않는다.

인공 지능 모델은 복수의 신경망 레이어들로 구성될 수 있다. 복수의 신경망 레이어들 각각은 복수의 가중치들(weight values)을 갖고 있으며, 이전(previous) 레이어의 연산 결과와 복수의 가중치들 간의 연산을 통해 신경망 연산을 수행한다. 복수의 신경망 레이어들이 갖고 있는 복수의 가중치들은 인공 지능 모델의 학습 결과에 의해 최적화될 수 있다. 예를 들어, 학습 과정 동안 인공 지능 모델에서 획득한 로스(loss) 값 또는 코스트(cost) 값이 감소 또는 최소화되도록 복수의 가중치들이 갱신될 수 있다.

인공 신경망은 심층 신경망(DNN:Deep Neural Network)를 포함할 수 있으며, 예를 들어, CNN(Convolutional Neural Network), DNN (Deep Neural Network), RNN(Recurrent Neural Network), RBM(Restricted Boltzmann Machine), DBN(Deep Belief Network), BRDNN(Bidirectional Recurrent Deep Neural Network), GAN(Generative Adversarial Network) 또는 심층 Q-네트워크(Deep Q-Networks) 등이 있으나, 이에 한정되는 것은 아니다.

도 2는 본 개시의 일 실시 예에 따른 전자 장치(100)의 세부 구성을 나타내는 블럭도이다.

도 2는 본 개시의 일 실시 예에 따른 전자 장치(100)의 세부 구성을 나타내는 블럭도이다. 전자 장치(100)는 메모리(110) 및 프로세서(120)를 포함할 수 있다. 또한, 도 2에 따르면, 전자 장치(100)는 디스플레이(130), 통신 인터페이스(140), 사용자 인터페이스(150), 카메라(160), 마이크(170), 스피커(180)를 더 포함할 수도 있다. 도 2에 도시된 구성 요소들 중 도 1에 도시된 구성 요소와 중복되는 부분에 대해서는 자세한 설명을 생략하도록 한다.

디스플레이(130)는 이미지를 디스플레이하는 구성으로, LCD(Liquid Crystal Display), OLED(Organic Light Emitting Diodes) 디스플레이, PDP(Plasma Display Panel) 등과 같은 다양한 형태의 디스플레이로 구현될 수 있다. 디스플레이(130) 내에는 a-si TFT, LTPS(low temperature poly silicon) TFT, OTFT(organic TFT) 등과 같은 형태로 구현될 수 있는 구동 회로, 백라이트 유닛 등도 함께 포함될 수 있다. 한편, 디스플레이(130)는 터치 센서와 결합된 터치 스크린, 플렉시블 디스플레이(flexible display), 3차원 디스플레이(3D display) 등으로 구현될 수 있다.

통신 인터페이스(140)는 다양한 유형의 통신 방식에 따라 다양한 유형의 외부 장치와 통신을 수행하는 구성이다. 예를 들어, 전자 장치(100)는 통신 인터페이스(140)를 통해 서버 또는 사용자 단말과 통신을 수행할 수 있다.

통신 인터페이스(140)는 와이파이 모듈, 블루투스 모듈, 적외선 통신 모듈 및 무선 통신 모듈 등을 포함할 수 있다. 여기서, 각 통신 모듈은 적어도 하나의 하드웨어 칩 형태로 구현될 수 있다.

와이파이 모듈, 블루투스 모듈은 각각 WiFi 방식, 블루투스 방식으로 통신을 수행한다. 와이파이 모듈이나 블루투스 모듈을 이용하는 경우에는 SSID 및 세션 키 등과 같은 각종 연결 정보를 먼저 송수신하여, 이를 이용하여 통신 연결한 후 각종 정보들을 송수신할 수 있다. 적외선 통신 모듈은 시 광선과 밀리미터파 사이에 있는 적외선을 이용하여 근거리에 무선으로 데이터를 전송하는 적외선 통신(IrDA, infrared Data Association)기술에 따라 통신을 수행한다.

무선 통신 모듈은 상술한 통신 방식 이외에 지그비(zigbee), 3G(3rd Generation), 3GPP(3rd Generation Partnership Project), LTE(Long Term Evolution), LTE-A(LTE Advanced), 4G(4th Generation), 5G(5th Generation)등과 같은 다양한 무선 통신 규격에 따라 통신을 수행하는 적어도 하나의 통신 칩을 포함할 수 있다.

또는, 통신 인터페이스(140)는 HDMI, DP, 썬더볼트, USB, RGB, D-SUB, DVI 등과 같은 유선 통신 인터페이스를 포함할 수 있다.

그 밖에 통신 인터페이스(140)는 LAN(Local Area Network) 모듈, 이더넷 모듈, 또는 페어 케이블, 동축 케이블 또는 광섬유 케이블 등을 이용하여 통신을 수행하는 유선 통신 모듈 중 적어도 하나를 포함할 수도 있다.

사용자 인터페이스(150)는 버튼, 터치 패드, 마우스 및 키보드 등으로 구현되거나, 디스플레이 기능 및 조작 입력 기능도 함께 수행 가능한 터치 스크린으로도 구현될 수 있다. 여기서, 버튼은 전자 장치(100)의 본체 외관의 전면부나 측면부, 배면부 등의 임의의 영역에 형성된 기계적 버튼, 터치 패드, 휠 등과 같은 다양한 유형의 버튼이 될 수 있다.

카메라(160)는 정지 영상 또는 동영상을 촬상하기 위한 구성이다. 카메라(160)는 특정 시점에서의 정지 영상을 촬영할 수 있으나, 연속적으로 정지 영상을 촬영할 수도 있다.

카메라(160)는 전자 장치(100)의 전방을 촬영하여 전자 장치(100) 전방의 실제 환경을 촬영할 수 있다. 프로세서(120)는 카메라(160)를 통해 촬영된 이미지로부터 문장을 식별할 수도 있다.

카메라(160)는 렌즈, 셔터, 조리개, 고체 촬상 소자, AFE(Analog Front End), TG(Timing Generator)를 포함한다. 셔터는 피사체에 반사된 빛이 카메라(160)로 들어오는 시간을 조절하고, 조리개는 빛이 들어오는 개구부의 크기를 기계적으로 증가 또는 감소시켜 렌즈에 입사되는 광량을 조절한다. 고체 촬상 소자는 피사체에 반사된 빛이 광전하로 축적되면, 광전하에 의한 상을 전기 신호로 출력한다. TG는 고체 촬상 소자의 픽셀 데이터를 리드아웃 하기 위한 타이밍 신호를 출력하며, AFE는 고체 촬상 소자로부터 출력되는 전기 신호를 샘플링하여 디지털화한다.

마이크(170)는 사운드를 입력받아 오디오 신호로 변환하기 위한 구성이다. 마이크(170)는 프로세서(120)와 전기적으로 연결되며, 프로세서(120)의 제어에 의해 사운드를 수신할 수 있다.

예를 들어, 마이크(170)는 전자 장치(100)의 상측이나 전면 방향, 측면 방향 등에 일체화된 일체형으로 형성될 수 있다. 또는, 마이크(170)는 전자 장치(100)와는 별도의 리모컨 등에 구비될 수도 있다. 이 경우, 리모컨은 마이크(170)를 통해 사운드를 수신하고, 수신된 사운드를 전자 장치(100)로 제공할 수도 있다.

마이크(170)는 아날로그 형태의 사운드를 수집하는 마이크, 수집된 사운드를 증폭하는 앰프 회로, 증폭된 사운드를 샘플링하여 디지털 신호로 변환하는 A/D 변환회로, 변환된 디지털 신호로부터 노이즈 성분을 제거하는 필터 회로 등과 같은 다양한 구성을 포함할 수 있다.

한편, 마이크(170)는 사운드 센서의 형태로 구현될 수도 있으며, 사운드를 수집할 수 있는 구성이라면 어떠한 방식이라도 무방하다.

스피커(180)는 프로세서(120)에서 처리된 각종 오디오 데이터 뿐만 아니라 각종 알림 음이나 음성 메시지 등을 출력하는 구성요소이다.

이상과 같이 전자 장치(100)는 컨텐츠로부터 신조어 및 신조어의 의미를 획득할 수 있어 번역 품질을 높일 수 있다. 또한, 전자 장치(100)는 신조어 및 신조어의 의미를 이용하여 번역 모델을 추가 학습함으로써 성능이 개선된 번역 모델을 획득할 수도 있다.

이하에서는 도 3 내지 도 15를 통해 전자 장치(100)의 동작을 좀더 구체적으로 설명한다. 도 3 내지 도 15에서는 설명의 편의를 위해 개별적인 실시 예에 대하여 설명한다. 다만, 도 3 내지 도 15의 개별적인 실시 예는 얼마든지 조합된 상태로 실시될 수도 있다.

도 3은 본 개시의 일 실시 예에 따른 신조어 사전 구축 동작을 간략히 설명하기 위한 흐름도이다.

먼저, 프로세서(120)는 영상 컨텐츠가 closed caption을 포함하는지 여부를 식별할 수 있다(S310). 프로세서(120)는 영상 컨텐츠가 closed caption을 포함하는 경우(S310-Y), closed caption으로부터 복수의 문장을 획득하고(S320), 영상 컨텐츠가 closed caption을 포함하지 않는 경우(S310-N), 이미지 OCR을 수행하여(S330) 복수의 문장을 획득할 수 있다(S320).

프로세서(120)는 복수의 문장에 기초하여 신조어가 포함되어 있는지 여부를 식별할 수 있다(S340). 프로세서(120)는 신조어가 포함된 경우, 이종 언어 타입 간의 신조어를 맵핑(mapping)하고(S350), 신조어 사전을 구축할 수 있다(S360).

도 4는 본 개시의 일 실시 예에 따른 문장의 획득 방법을 설명하기 위한 도면이다.

프로세서(120)는 컨텐츠에 포함된 프레임에 대응되는 제1 언어 타입의 제1 문장 및 제2 언어 타입의 제2 문장을 획득할 수 있다. 예를 들어, 프로세서(120)는 도 3에 도시된 바와 같이, 컨텐츠에 포함된 프레임에 대응되는 한국어로된 제1 문장 "이 떡튀순은 정말 핵존맛 이네요." 및 영어로된 제2 문장 "This Tteokbokki, Fries and Korean sausage is super delicious."을 획득할 수 있다. 여기서, 제1 문장은 컨텐츠의 음성에 대응되는 문장이고, 제2 문장은 컨텐츠의 제공자가 제1 문장을 제2 언어 타입으로 번역한 문장일 수 있다. 즉, 제1 문장의 신조어 "떡튀순"은 영어 표현이 없기 때문에, 신조어의 의미에 기초하여 "Tteokbokki, Fries and Korean sausage"로 번역될 수 있다.

프로세서(120)는 컨텐츠가 프레임에 대응되는 자막 정보를 포함하는 경우, 자막 정보로부터 제1 문장 및 제2 문장을 획득할 수 있다. 예를 들어, 컨텐츠의 확장자가 mkv인 경우, 컨텐츠는 영상 정보, 사운드 정보 및 자막 정보를 포함하는 하나의 파일일 수 있다. 이 경우, 프로세서(120)는 컨텐츠에 포함된 자막 정보에 기초하여 프레임에 대응되는 제1 문장 및 제2 문장을 획득할 수 있다.

프로세서(120)는 컨텐츠가 프레임에 대응되는 복수의 언어 타입의 자막 정보를 포함하는 경우, 전자 장치(100)의 번역 기능 또는 성능 중 적어도 하나에 기초하여 자막 정보로부터 제1 문장 및 제2 문장을 획득할 수도 있다. 예를 들어, 자막 정보가 한국어, 영어, 일본어, 중국어를 포함하는 경우, 프로세서(120)는 컨텐츠의 음성에 대응되는 한국어로된 제1 문장을 식별하고, 전자 장치(100)의 번역 기능이 지원되는 영어로된 제2 문장을 식별할 수 있다. 또는, 자막 정보가 한국어, 영어, 일본어, 중국어를 포함하는 경우, 프로세서(120)는 컨텐츠의 음성에 대응되는 한국어로된 제1 문장을 식별하고, 전자 장치(100)의 번역 기능이 지원되는 영어 및 일본어 중 상대적으로 성능이 좋은 영어로된 제2 문장을 식별할 수도 있다.

프로세서(120)는 컨텐츠에 대응되는 파일과 동일한 폴더에 컨텐츠에 대응되는 파일의 파일명과 동일한 파일명의 자막 파일이 존재하는 경우, 자막 파일에 기초하여 제1 문장 및 제2 문장을 획득할 수도 있다.

프로세서(120)는 컨텐츠가 자막 정보를 포함하지 않는 경우, 프레임에 대한 문자 인식을 통해 제1 문장 및 제2 문장을 획득할 수도 있다. 예를 들어, 프로세서(120)는 영상 내에 자막이 삽입되어 문장이 픽셀로서 표현된 경우, 광학 문자 인식을 통해 프레임으로부터 제1 문장 및 제2 문장을 식별할 수 있다. 또는, 프로세서(120)는 신경망 모델을 통해 프레임으로부터 제1 문장 및 제2 문장을 식별할 수도 있다.

전자 장치(100)는 디스플레이(130)를 더 포함하고, 프로세서(120)는 컨텐츠를 디스플레이(130)를 통해 디스플레이하고, 컨텐츠에 포함된 복수의 프레임 중 디스플레이(130)를 통해 디스플레이된 프레임에 대응되는 제1 문장 및 제2 문장을 획득할 수도 있다. 즉, 프로세서(120)는 디스플레이 중인 프레임으로부터 제1 문장 및 제2 문장을 획득하고, 최종적으로 신조어 및 신조어의 의미를 획득할 수도 있다. 이 경우, 프로세서(120)는 부하를 줄여 전력 소모를 줄일 수 있다.

다만, 이에 한정되는 것은 아니며, 프로세서(120)는 컨텐츠의 디스플레이 여부와 무관하게 컨텐츠로부터 최종적으로 신조어 및 신조어의 의미를 획득할 수도 있다.

한편, 도 4에서는 제1 문장이 한국어이고, 제2 문장이 영어인 경우를 가정하였으나, 이에 한정되는 것은 아니며, 얼마든지 다양한 언어 타입의 조합이 가능하다.

도 5 내지 도 7은 본 개시의 다양한 실시 예에 따른 신조어의 존재 여부를 식별하는 방법을 설명하기 위한 도면들이다.

먼저, 설명의 편의를 위해, 도 5와 같이 제1 문장(SUBsrc)이 "이 떡튀순은 정말 맛있네요."이고, 제2 문장이 "This Tteokbokki, Fries and Korean sausage is very delicious."인 경우를 가정한다. 여기서, 신조어(NEWsrc)는 "떡튀순"이고, 신조어의 번역(NEWtgr)은 "Tteokbokki, Fries and Korean sausage"일 수 있다.

프로세서(120)는 제1 문장을 제2 언어 타입으로 번역하여 제3 문장(Ttgt)을 획득하고, 제2 문장 및 제3 문장의 유사도가 제1 임계 값 미만이면, 제1 문장에 신조어가 존재하는 것으로 식별할 수 있다.

예를 들어, 프로세서(120)는 도 6에 도시된 바와 같이, 제1 문장을 제2 언어 타입으로 번역하여 제3 문장 "This tteokdusun is really delicious."을 획득할 수 있다. 여기서, 프로세서(120)는 신조어의 의미를 모르기 때문에 제2 언어 타입으로 번역하는 과정에서 "떡튀순"을 "tteokdusun"와 같이 단순 번역하게 된다. 그리고, 프로세서(120)는 제2 문장 및 제3 문장의 유사도를 획득할 수 있다. 다만, 이 경우, 프로세서(120)는 제2 문장의 "Tteokbokki, Fries and Korean sausage"와 제3 문장의 "tteokdusun"가 상당히 상이하여 제1 임계 값보다 낮은 유사도를 획득할 가능성이 높으며, 그에 따라 제1 문장에 신조어가 존재하는 것으로 식별할 수 있다.

또는, 프로세서(120)는 언어 모델(language model)을 이용하여 신조어의 존재 여부를 식별할 수도 있다.

예를 들어, 프로세서(120)는 제1 문장의 제1 perplexity를 획득하고, 제2 문장의 제2 perplexity를 획득하고, 제1 perplexity 및 제2 perplexity의 차이가 제2 임계 값 이상이면, 제1 문장에 신조어가 존재하는 것으로 식별할 수 있다. 가령, 프로세서(120)는 도 7에 도시된 바와 같이, 제1 문장의 제1 perplexity 80을 획득하고, 제2 문장의 제2 perplexity 20을 획득하고, 제1 perplexity 및 제2 perplexity의 차이 60이 제2 임계 값 50 이상이므로, 제1 문장에 신조어가 존재하는 것으로 식별할 수 있다. 여기서, perplexity는 언어 모델이 헷갈려하는 정도를 나타내며, 낮을수록 말이 되는 문장을 의미한다. 즉, 신조어가 포함된 경우, 제1 perplexity는 제2 perplexity보다 높은 값을 가질 가능성이 높고, 그에 따라 두 값의 차이가 클수록 신조어가 존재할 가능성이 높다.

또는, 프로세서(120)는 제1 perplexity가 제3 임계 값 이상이면, 제1 문장에 신조어가 존재하는 것으로 식별할 수도 있다. 이 경우, 프로세서(120)는 제1 문장만을 이용하므로 신속하게 신조어의 존재 여부를 식별할 수 있다.

또는, 프로세서(120)는 제1 perplexity 및 제2 perplexity의 차이가 제2 임계 값 이상이고, 제1 perplexity가 제3 임계 값 이상이면, 제1 문장에 신조어가 존재하는 것으로 식별할 수도 있다. 이 경우, 프로세서(120)는 신조어의 존재 여부의 신뢰도를 높일 수 있다.

도 8 내지 도 13은 본 개시의 일 실시 예에 따른 신조어의 위치를 식별하기 위한 도면들이다.

프로세서(120)는 제1 문장에 신조어가 존재하는 것으로 식별되면, 신조어의 위치를 식별하기 위한 동작을 수행할 수 있다.

프로세서(120)는 제2 문장을 제1 언어 타입으로 번역하여 제4 문장을 획득하고, 제1 문장, 제2 문장 및 제4 문장 각각을 토큰화하여 복수의 토큰을 획득하고, 제2 문장에 포함된 복수의 토큰 각각에 대응되는 제1 문장의 토큰 및 제4 문장의 토큰을 비교하여 신조어의 위치를 식별할 수 있다. 여기서, 프로세서(120)는 제1 문장 및 제2 문장을 워드 얼라인먼트하고, 제2 문장과 제4 문장을 워드 얼라인먼트하고, 워드 얼라인먼트 결과에 기초하여 제2 문장에 포함된 복수의 토큰 각각에 대응되는 제1 문장의 토큰 및 제4 문장의 토큰을 식별할 수 있다.

예를 들어, 프로세서(120)는 도 8에 도시된 바와 같이, 제2 문장 "This Tteokbokki, Fries and Korean sausage is super delicious."을 제1 언어 타입으로 번역하여 제4 문장 "이 떡볶이, 튀김, 순대는 엄청 맛있어요."를 획득할 수 있다.

그리고, 프로세서(120)는 도 9에 도시된 바와 같이, 제1 문장 "이 떡튀순은 정말 맛있네요."를 토큰화하여 복수의 토큰 "이", "떡튀순은", "정말", "맛있네요."를 획득하고, 제2 문장 "This Tteokbokki, Fries and Korean sausage is super delicious."을 토큰화하여 복수의 토큰 "This", "Tteokbokki," "Fries", "and", "Korean", "sausage", "is", "super", "delicious."을 획득하고, 제4 문장 "이 떡볶이, 튀김, 순대는 엄청 맛있어요."를 토큰화하여 복수의 토큰 "이", "떡볶이,", "튀김,", "순대는", "엄청", "맛있어요."를 획득할 수 있다. 프로세서(120)는 제1 문장 및 제2 문장을 워드 얼라인먼트(WA1)하고, 제2 문장과 제4 문장을 워드 얼라인먼트(WA2)하고, 워드 얼라인먼트 결과에 기초하여 제2 문장에 포함된 복수의 토큰 각각에 대응되는 제1 문장의 토큰 및 제4 문장의 토큰을 식별할 수 있다. 가령, 제2 문장의 "Tteokbokki,"는 제1 문장의 "이"에 대응되고, 제4 문장의 "떡볶이,"에 대응될 수 있으며, 각 대응 관계를 도 9에서 실선으로 표시되었다.

다만, 이에 한정되는 것은 아니며, 토큰화 방법과 워드 얼라인먼트 방법은 얼마든지 다양할 수 있다.

프로세서(120)는 제2 문장에 포함된 복수의 토큰 각각에 대응되는 제1 문장의 토큰 및 제4 문장의 토큰을 비교하여 신조어의 위치를 식별할 수 있다. 예를 들어, 프로세서(120)는 도 10에 도시된 바와 같이, 제2 문장의 "This"에 대응되는 제1 문장의 토큰 "이" 및 제4 문장의 토큰 "이"를 비교하고, 유사도가 100%이므로 유사한 것으로 식별할 수 있다. 그리고, 프로세서(120)는 도 11에 도시된 바와 같이, 제2 문장의 "Tteokbokki,"에 대응되는 제1 문장의 "이" 및 제4 문장의 "떡볶이,"를 비교하고, 유사도가 0%이므로 유사하지 않은 것으로 식별할 수 있다. 그리고, 프로세서(120)는 도 12에 도시된 바와 같이, 제2 문장의 "super"에 대응되는 제1 문장의 "정말" 및 제4 문장의 "엄청"을 비교하고, 유사도가 85%이므로 유사한 것으로 식별할 수 있다.

프로세서(120)는 도 10 내지 도 12의 과정을 제2 문장의 모든 토큰에 대해 수행하고, 유사하지 않은 단어를 신조어로 식별할 수 있다. 예를 들어, 프로세서(120)는 도 13에 도시된 바와 같이, 제1 문장의 "떡튀순"을 신조어로 식별하고, 제2 문장의 "Tteokbokki, Fries and Korean sausage"를 신조어의 번역으로 식별하고, 제4 문장의 "떡볶이, 튀김, 순대"를 신조어의 의미로 식별할 수 있다.

이상에서 번역 및 유사도를 획득하는 방법은 신경망 모델로 구현될 수 있다. 예를 들어, 유사도를 획득하는 방법은 Word Embedding 및 BERT Embedding과 같은 신경망 모델로 구현될 수 있다.

도 14는 본 개시의 일 실시 예에 따른 코퍼스를 획득하는 방법을 설명하기 위한 도면이다.

프로세서(120)는 신조어에 대응되는 제1 사운드를 획득하고, 신조어의 번역에 대응되는 제2 사운드를 획득하고, 제1 사운드, 신조어, 신조어의 번역, 신조어의 의미 및 제2 사운드를 맵핑하여 메모리(110)에 코퍼스로서 저장할 수 있다.

예를 들어, 프로세서(120)는 도 14에 도시된 바와 같이, 신조어가 식별되면, 컨텐츠의 음성 중 신조어에 대응되는 제1 사운드를 획득할 수 있다. 그리고, 프로세서(120)는 TTS(text to speech)를 통해 신조어의 번역으로부터 제2 사운드를 획득할 수 있다. 그리고, 프로세서(120)는 제1 사운드, 신조어, 신조어의 번역, 신조어의 의미 및 제2 사운드를 맵핑하여 메모리(110)에 코퍼스로서 저장할 수 있다.

다만, 이에 한정되는 것은 아니며, 프로세서(120)는 제1 사운드, 신조어, 신조어의 번역, 신조어의 의미 및 제2 사운드 중 적어도 두 개를 맵핑하여 메모리(110)에 코퍼스로서 저장할 수도 있다.

도 15는 본 개시의 일 실시 예에 따른 복수의 언어 타입을 이용하는 방법을 설명하기 위한 도면이다.

이상에서는 제1 문장의 언어 타입이 한국어이고, 제2 문장의 언어 타입이 영어인 경우를 설명하였으나, 프로세서(120)는 다른 언어 타입을 이용하여도 이상과 같은 동작이 가능하다.

예를 들어, 프로세서(120)는 도 15에 도시된 바와 같이, 제1 문장의 언어 타입이 한국어이고, 제2 문장의 언어 타입이 중국어인 경우에도 이상과 같은 방식으로 신조어를 식별하고 신조어의 의미를 획득할 수 있다.

또는, 프로세서(120)는 복수의 언어 타입을 통해 신조어를 식별하고, 신조어의 의미를 획득할 수도 있다.

예를 들어, 프로세서(120)는 언어 타입이 한국어인 제1 문장 및 언어 타입이 영어인 제2 문장에 기초하여 신조어를 식별하고 신조어의 제1 의미를 획득할 수 있다. 그리고, 프로세서(120)는 언어 타입이 한국어인 제1 문장 및 언어 타입이 중국어인 제2 문장에 기초하여 신조어를 식별하고 신조어의 제2 의미를 획득할 수 있다. 그리고, 프로세서(120)는 신조어의 제1 의미 및 신조어의 제2 의미의 유사도가 임계값 이상이면, 신조어의 제1 의미 및 신조어의 제2 의미 중 하나를 신조어의 의미로 식별할 수 있다. 또는, 프로세서(120)는 신조어의 제1 의미 및 신조어의 제2 의미의 유사도가 임계값 미만이면, 언어 타입이 한국어인 제1 문장 및 영어, 중국어가 아닌 새로운 언어 타입의 제2 문장에 기초하여 신조어를 식별하고 신조어의 제3 의미를 획득하고, 신조어의 제1 의미, 신조어의 제2 의미 및 신조어의 제3 의미에 기초하여 신조어의 의미를 식별할 수 있다. 가령, 프로세서(120)는 신조어의 제1 의미 및 신조어의 제2 의미의 유사도가 임계값 미만이고, 신조어의 제1 의미 및 신조어의 제3 의미의 유사도가 임계값 미만이나, 신조어의 제2 의미 및 신조어의 제3 의미의 유사도가 임계값 이상이면, 신조어의 제2 의미 및 신조어의 제3 의미 중 하나를 신조어의 의미로 식별할 수도 있다.

도 16은 본 개시의 일 실시 예에 따른 전자 장치의 제어 방법을 설명하기 위한 흐름도이다.

먼저, 컨텐츠에 포함된 프레임에 대응되는 제1 언어 타입의 제1 문장 및 제2 언어 타입의 제2 문장을 획득한다(S1610). 그리고, 제1 문장 및 제2 문장에 기초하여 제1 문장에 포함된 신조어를 식별한다(S1620). 그리고, 제2 문장에서 신조어에 대응되는 적어도 하나의 제1 단어를 제1 언어 타입으로 번역하여 신조어의 의미를 획득한다(S1630). 여기서, 제1 문장은 컨텐츠의 음성에 대응되는 문장이고, 제2 문장은 컨텐츠의 제공자가 제1 문장을 제2 언어 타입으로 번역한 문장일 수 있다.

그리고, 식별하는 단계(S1620)는 제1 문장을 제2 언어 타입으로 번역하여 제3 문장을 획득하고, 제2 문장 및 제3 문장의 유사도가 제1 임계 값 미만이면, 제1 문장에 신조어가 존재하는 것으로 식별할 수 있다.

한편, 식별하는 단계(S1620)는 제1 문장의 제1 perplexity를 획득하고, 제2 문장의 제2 perplexity를 획득하고, 제1 perplexity 및 제2 perplexity의 차이가 제2 임계 값 이상이면, 제1 문장에 신조어가 존재하는 것으로 식별할 수 있다.

여기서, 식별하는 단계(S1620)는 제1 perplexity가 제3 임계 값 이상이면, 제1 문장에 신조어가 존재하는 것으로 식별할 수 있다.

한편, 식별하는 단계(S1620)는 제2 문장을 제1 언어 타입으로 번역하여 제4 문장을 획득하고, 제1 문장, 제2 문장 및 제4 문장 각각을 토큰화(tokenize)하여 복수의 토큰을 획득하고, 제2 문장에 포함된 복수의 토큰 각각에 대응되는 제1 문장의 토큰 및 제4 문장의 토큰을 비교하여 신조어를 식별할 수 있다.

여기서, 식별하는 단계(S1620)는 제1 문장 및 제2 문장을 워드 얼라인먼트(word alignment)하고, 제2 문장과 제4 문장을 워드 얼라인먼트하고, 워드 얼라인먼트 결과에 기초하여 제2 문장에 포함된 복수의 토큰 각각에 대응되는 제1 문장의 토큰 및 제4 문장의 토큰을 식별할 수 있다.

한편, 신조어의 의미를 획득하는 단계(S1630)는 제2 문장을 제1 언어 타입으로 번역하여 제4 문장을 획득하고, 제4 문장에서 신조어에 대응되는 적어도 하나의 제2 단어를 신조어의 의미로서 식별하고, 제어 방법은 신조어, 적어도 하나의 제1 단어 및 신조어의 의미를 맵핑하여 코퍼스(corpus)로서 저장하는 단계를 더 포함할 수 있다.

여기서, 신조어에 대응되는 제1 사운드를 획득하는 단계 및 적어도 하나의 제1 단어에 대응되는 제2 사운드를 획득하는 단계를 더 포함하고, 코퍼스로서 저장하는 단계는 제1 사운드, 신조어, 적어도 하나의 제1 단어, 신조어의 의미 및 제2 사운드를 맵핑하여 코퍼스로서 저장할 수 있다.

한편, 컨텐츠를 디스플레이하는 단계를 더 포함하고, 제1 문장 및 제2 문장을 획득하는 단계(S1610)는 컨텐츠에 포함된 복수의 프레임 중 디스플레이를 통해 디스플레이된 프레임에 대응되는 제1 문장 및 제2 문장을 획득할 수 있다.

또한, 제1 문장 및 제2 문장을 획득하는 단계(S1610)는 컨텐츠가 프레임에 대응되는 자막 정보를 포함하는 경우, 자막 정보로부터 제1 문장 및 제2 문장을 획득하고, 컨텐츠가 자막 정보를 포함하지 않는 경우, 프레임에 대한 문자 인식을 통해 제1 문장 및 제2 문장을 획득할 수 있다.

이상과 같은 본 개시의 다양한 실시 예에 따르면, 전자 장치는 컨텐츠로부터 신조어 및 신조어의 의미를 획득할 수 있어 번역 품질을 높일 수 있다.

또한, 전자 장치는 신조어 및 신조어의 의미를 이용하여 번역 모델을 추가 학습함으로써 성능이 개선된 번역 모델을 획득할 수도 있다.

한편, 본 개시의 일시 예에 따르면, 이상에서 설명된 다양한 실시 예들은 기기(machine)(예: 컴퓨터)로 읽을 수 있는 저장 매체(machine-readable storage media)에 저장된 명령어를 포함하는 소프트웨어로 구현될 수 있다. 기기는, 저장 매체로부터 저장된 명령어를 호출하고, 호출된 명령어에 따라 동작이 가능한 장치로서, 개시된 실시 예들에 따른 전자 장치(예: 전자 장치(A))를 포함할 수 있다. 명령이 프로세서에 의해 실행될 경우, 프로세서가 직접, 또는 프로세서의 제어 하에 다른 구성요소들을 이용하여 명령에 해당하는 기능을 수행할 수 있다. 명령은 컴파일러 또는 인터프리터에 의해 생성 또는 실행되는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장매체는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, '비일시적'은 저장매체가 신호(signal)를 포함하지 않으며 실재(tangible)한다는 것을 의미할 뿐 데이터가 저장매체에 반영구적 또는 임시적으로 저장됨을 구분하지 않는다.

또한, 본 개시의 일 실시 예에 따르면, 이상에서 설명된 다양한 실시 예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory (CD-ROM))의 형태로, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 온라인으로 배포될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.

또한, 본 개시의 일 실시 예에 따르면, 이상에서 설명된 다양한 실시 예들은 소프트웨어(software), 하드웨어(hardware) 또는 이들의 조합을 이용하여 컴퓨터(computer) 또는 이와 유사한 장치로 읽을 수 있는 기록 매체 내에서 구현될 수 있다. 일부 경우에 있어 본 명세서에서 설명되는 실시 예들이 프로세서 자체로 구현될 수 있다. 소프트웨어적인 구현에 의하면, 본 명세서에서 설명되는 절차 및 기능과 같은 실시 예들은 별도의 소프트웨어로서 구현될 수도 있다. 소프트웨어 각각은 본 명세서에서 설명되는 하나 이상의 기능 및 동작을 수행할 수 있다.

한편, 상술한 다양한 실시 예들에 따른 기기의 프로세싱 동작을 수행하기 위한 컴퓨터 명령어(computer instructions)는 비일시적 컴퓨터 판독 가능 매체(non-transitory computer-readable medium)에 저장될 수 있다. 이러한 비일시적 컴퓨터 판독 가능 매체에 저장된 컴퓨터 명령어는 특정 기기의 프로세서에 의해 실행되었을 때 상술한 다양한 실시 예에 따른 기기에서의 처리 동작을 특정 기기가 수행하도록 한다. 비일시적 컴퓨터 판독 가능 매체란 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 비일시적 컴퓨터 판독 가능 매체의 구체적인 예로는, CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리카드, ROM 등이 있을 수 있다.

또한, 상술한 다양한 실시 예들에 따른 구성 요소(예: 모듈 또는 프로그램) 각각은 단수 또는 복수의 개체로 구성될 수 있으며, 전술한 해당 서브 구성 요소들 중 일부 서브 구성 요소가 생략되거나, 또는 다른 서브 구성 요소가 다양한 실시 예에 더 포함될 수 있다. 대체적으로 또는 추가적으로, 일부 구성 요소들(예: 모듈 또는 프로그램)은 하나의 개체로 통합되어, 통합되기 이전의 각각의 해당 구성 요소에 의해 수행되는 기능을 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따른, 모듈, 프로그램 또는 다른 구성 요소에 의해 수행되는 동작들은 순차적, 병렬적, 반복적 또는 휴리스틱하게 실행되거나, 적어도 일부 동작이 다른 순서로 실행되거나, 생략되거나, 또는 다른 동작이 추가될 수 있다.

이상에서는 본 개시의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 개시는 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 본 개시의 요지를 벗어남이 없이 당해 개시에 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 개시의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안될 것이다.

100 : 전자 장치 110 : 메모리
120 : 프로세서 130 : 디스플레이
140 : 통신 인터페이스 150 : 사용자 인터페이스
160 : 카메라 170 : 마이크
180 : 스피커

Claims (20)

1. 전자 장치에 있어서,
   컨텐츠가 저장된 메모리; 및
   상기 메모리와 연결되어 상기 전자 장치를 제어하는 적어도 하나의 프로세서;를 포함하며,
   상기 프로세서는,
   상기 컨텐츠에 포함된 프레임에 대응되는 제1 언어 타입의 제1 문장 및 제2 언어 타입의 제2 문장을 획득하고,
   상기 제1 문장 및 상기 제2 문장에 기초하여 상기 제1 문장에 포함된 신조어를 식별하고,
   상기 제2 문장에서 상기 신조어에 대응되는 적어도 하나의 제1 단어를 상기 제1 언어 타입으로 번역하여 상기 신조어의 의미를 획득하며,
   상기 제1 문장은, 상기 컨텐츠의 음성에 대응되는 문장이고,
   상기 제2 문장은, 상기 컨텐츠의 제공자가 상기 제1 문장을 상기 제2 언어 타입으로 번역한 문장인, 전자 장치.
2. 제1항에 있어서,
   상기 프로세서는,
   상기 제1 문장을 상기 제2 언어 타입으로 번역하여 제3 문장을 획득하고,
   상기 제2 문장 및 상기 제3 문장의 유사도가 제1 임계 값 미만이면, 상기 제1 문장에 상기 신조어가 존재하는 것으로 식별하는, 전자 장치.
3. 제1항에 있어서,
   상기 프로세서는,
   상기 제1 문장의 제1 perplexity를 획득하고,
   상기 제2 문장의 제2 perplexity를 획득하고,
   상기 제1 perplexity 및 상기 제2 perplexity의 차이가 제2 임계 값 이상이면, 상기 제1 문장에 상기 신조어가 존재하는 것으로 식별하는, 전자 장치.
4. 제3항에 있어서,
   상기 프로세서는,
   상기 제1 perplexity가 제3 임계 값 이상이면, 상기 제1 문장에 상기 신조어가 존재하는 것으로 식별하는, 전자 장치.
5. 제1항에 있어서,
   상기 프로세서는,
   상기 제2 문장을 상기 제1 언어 타입으로 번역하여 제4 문장을 획득하고,
   상기 제1 문장, 상기 제2 문장 및 상기 제4 문장 각각을 토큰화(tokenize)하여 복수의 토큰을 획득하고,
   상기 제2 문장에 포함된 복수의 토큰 각각에 대응되는 상기 제1 문장의 토큰 및 상기 제4 문장의 토큰을 비교하여 상기 신조어를 식별하는, 전자 장치.
6. 제5항에 있어서,
   상기 프로세서는,
   상기 제1 문장 및 상기 제2 문장을 워드 얼라인먼트(word alignment)하고,
   상기 제2 문장과 상기 제4 문장을 워드 얼라인먼트하고,
   상기 워드 얼라인먼트 결과에 기초하여 상기 제2 문장에 포함된 복수의 토큰 각각에 대응되는 상기 제1 문장의 토큰 및 상기 제4 문장의 토큰을 식별하는, 전자 장치.
7. 제1항에 있어서,
   상기 프로세서는,
   상기 제2 문장을 상기 제1 언어 타입으로 번역하여 제4 문장을 획득하고,
   상기 제4 문장에서 상기 신조어에 대응되는 적어도 하나의 제2 단어를 상기 신조어의 의미로서 식별하고,
   상기 신조어, 상기 적어도 하나의 제1 단어 및 상기 신조어의 의미를 맵핑하여 상기 메모리에 코퍼스(corpus)로서 저장하는, 전자 장치.
8. 제7항에 있어서,
   상기 프로세서는,
   상기 신조어에 대응되는 제1 사운드를 획득하고,
   상기 적어도 하나의 제1 단어에 대응되는 제2 사운드를 획득하고,
   상기 제1 사운드, 상기 신조어, 상기 적어도 하나의 제1 단어, 상기 신조어의 의미 및 상기 제2 사운드를 맵핑하여 상기 메모리에 코퍼스로서 저장하는, 전자 장치.
9. 제1항에 있어서,
   디스플레이;를 더 포함하고,
   상기 프로세서는,
   상기 컨텐츠를 상기 디스플레이를 통해 디스플레이하고,
   상기 컨텐츠에 포함된 복수의 프레임 중 상기 디스플레이를 통해 디스플레이된 프레임에 대응되는 상기 제1 문장 및 상기 제2 문장을 획득하는, 전자 장치.
10. 제1항에 있어서,
    상기 프로세서는,
    상기 컨텐츠가 상기 프레임에 대응되는 자막 정보를 포함하는 경우, 상기 자막 정보로부터 상기 제1 문장 및 상기 제2 문장을 획득하고,
    상기 컨텐츠가 상기 자막 정보를 포함하지 않는 경우, 상기 프레임에 대한 문자 인식을 통해 상기 제1 문장 및 상기 제2 문장을 획득하는, 전자 장치.
11. 전자 장치의 제어 방법에 있어서,
    컨텐츠에 포함된 프레임에 대응되는 제1 언어 타입의 제1 문장 및 제2 언어 타입의 제2 문장을 획득하는 단계;
    상기 제1 문장 및 상기 제2 문장에 기초하여 상기 제1 문장에 포함된 신조어를 식별하는 단계; 및
    상기 제2 문장에서 상기 신조어에 대응되는 적어도 하나의 제1 단어를 상기 제1 언어 타입으로 번역하여 상기 신조어의 의미를 획득하는 단계;를 포함하며,
    상기 제1 문장은, 상기 컨텐츠의 음성에 대응되는 문장이고,
    상기 제2 문장은, 상기 컨텐츠의 제공자가 상기 제1 문장을 상기 제2 언어 타입으로 번역한 문장인, 제어 방법.
12. 제11항에 있어서,
    상기 식별하는 단계는,
    상기 제1 문장을 상기 제2 언어 타입으로 번역하여 제3 문장을 획득하고,
    상기 제2 문장 및 상기 제3 문장의 유사도가 제1 임계 값 미만이면, 상기 제1 문장에 상기 신조어가 존재하는 것으로 식별하는, 제어 방법.
13. 제11항에 있어서,
    상기 식별하는 단계는,
    상기 제1 문장의 제1 perplexity를 획득하고,
    상기 제2 문장의 제2 perplexity를 획득하고,
    상기 제1 perplexity 및 상기 제2 perplexity의 차이가 제2 임계 값 이상이면, 상기 제1 문장에 상기 신조어가 존재하는 것으로 식별하는, 제어 방법.
14. 제13항에 있어서,
    상기 식별하는 단계는,
    상기 제1 perplexity가 제3 임계 값 이상이면, 상기 제1 문장에 상기 신조어가 존재하는 것으로 식별하는, 제어 방법.
15. 제11항에 있어서,
    상기 식별하는 단계는,
    상기 제2 문장을 상기 제1 언어 타입으로 번역하여 제4 문장을 획득하고,
    상기 제1 문장, 상기 제2 문장 및 상기 제4 문장 각각을 토큰화(tokenize)하여 복수의 토큰을 획득하고,
    상기 제2 문장에 포함된 복수의 토큰 각각에 대응되는 상기 제1 문장의 토큰 및 상기 제4 문장의 토큰을 비교하여 상기 신조어를 식별하는, 제어 방법.
16. 제15항에 있어서,
    상기 식별하는 단계는,
    상기 제1 문장 및 상기 제2 문장을 워드 얼라인먼트(word alignment)하고,
    상기 제2 문장과 상기 제4 문장을 워드 얼라인먼트하고,
    상기 워드 얼라인먼트 결과에 기초하여 상기 제2 문장에 포함된 복수의 토큰 각각에 대응되는 상기 제1 문장의 토큰 및 상기 제4 문장의 토큰을 식별하는, 제어 방법.
17. 제11항에 있어서,
    상기 신조어의 의미를 획득하는 단계는,
    상기 제2 문장을 상기 제1 언어 타입으로 번역하여 제4 문장을 획득하고,
    상기 제4 문장에서 상기 신조어에 대응되는 적어도 하나의 제2 단어를 상기 신조어의 의미로서 식별하고,
    상기 제어 방법은,
    상기 신조어, 상기 적어도 하나의 제1 단어 및 상기 신조어의 의미를 맵핑하여 코퍼스(corpus)로서 저장하는 단계;를 더 포함하는, 제어 방법.
18. 제17항에 있어서,
    상기 신조어에 대응되는 제1 사운드를 획득하는 단계; 및
    상기 적어도 하나의 제1 단어에 대응되는 제2 사운드를 획득하는 단계;를 더 포함하고,
    상기 코퍼스로서 저장하는 단계는,
    상기 제1 사운드, 상기 신조어, 상기 적어도 하나의 제1 단어, 상기 신조어의 의미 및 상기 제2 사운드를 맵핑하여 코퍼스로서 저장하는, 제어 방법.
19. 제11항에 있어서,
    상기 컨텐츠를 디스플레이하는 단계;를 더 포함하고,
    상기 제1 문장 및 상기 제2 문장을 획득하는 단계는,
    상기 컨텐츠에 포함된 복수의 프레임 중 상기 디스플레이를 통해 디스플레이된 프레임에 대응되는 상기 제1 문장 및 상기 제2 문장을 획득하는, 제어 방법.
20. 제11항에 있어서,
    상기 제1 문장 및 상기 제2 문장을 획득하는 단계는,
    상기 컨텐츠가 상기 프레임에 대응되는 자막 정보를 포함하는 경우, 상기 자막 정보로부터 상기 제1 문장 및 상기 제2 문장을 획득하고,
    상기 컨텐츠가 상기 자막 정보를 포함하지 않는 경우, 상기 프레임에 대한 문자 인식을 통해 상기 제1 문장 및 상기 제2 문장을 획득하는, 제어 방법.

Images