KR102406251B1 - 언어 현지화에서 번역 완성도를 높이기 위한 자동 번역 및 코딩 방법 - Google Patents
언어 현지화에서 번역 완성도를 높이기 위한 자동 번역 및 코딩 방법 Download PDFInfo
- Publication number
- KR102406251B1 KR102406251B1 KR1020210159017A KR20210159017A KR102406251B1 KR 102406251 B1 KR102406251 B1 KR 102406251B1 KR 1020210159017 A KR1020210159017 A KR 1020210159017A KR 20210159017 A KR20210159017 A KR 20210159017A KR 102406251 B1 KR102406251 B1 KR 102406251B1
- Authority
- KR
- South Korea
- Prior art keywords
- translation
- text
- word
- file
- hlossary
- Prior art date
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
- G06F40/58—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
- G06F40/237—Lexical tools
-
- 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
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
본 명세서는 번역 시스템이 텍스트를 번역하는 방법에 있어서, 번역 대상이 되는 텍스트 파일을 입력받는 단계; 상기 텍스트 파일에 근거하여, 텍스트 라인 별로 라벨링(labeling)된 번역 파일을 생성하는 단계; (1) 상기 번역 파일 및 (2) 번역된 단어를 대체하기 위한 대체 단어를 포함하는 Glossary 데이터에 근거하여, 상기 번역된 단어의 대체를 위한 Glossary 작업을 수행하는 단계; 및 상기 Glossary 작업이 수행된 번역 파일의 텍스트를 번역하는 단계;를 포함할 수 있다.
Description
본 명세서는 언어 현지화에서 번역 완성도를 높이기 위한 자동 번역 및 코딩 방법을 제안한다.
일반적인 언어 현지화 작업은 기계번역을 활용하고, 이를 검수자가 확인하는 방법으로 진행된다. 나아가 번역 전처리 작업에 있어서 언어 현지화를 위한 용어 구축을 위해 용어의 표준이나 통일된 기준을 데이터 베이스에 저장하여 이를 바탕으로 번역하는 방법이 널리 사용되고 있다.
또한, 이렇게 번역되는 개별 단어의 빈도와 가중치를 바탕으로 번역자에게 번역될 단어를 추천하는 알고리즘이나, 번역 전 작업으로 확보된 DB를 기반으로 번역자에게 가이드 제공하는 방법도 사용되고 있으나, 이러한 방법들은 모두 번역 전 작업에 해당되며 번역의 결과물의 향상에 주는 영향이 작다는 한계가 있다. 따라서, 이러한 번역 전처리 작업 이후에 번역이 완료된 최종 결과물은 다시 여러 번의 감수와 검증이 요구된다.
본 명세서의 목적은, Glossary 및 Hlossary 작업을 통해, 기계어 번역의 문제점을 보완하고, 번역된 결과물의 완성도 향상에 기여하기 위함이다.
본 명세서가 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 이하의 명세서의 상세한 설명으로부터 본 명세서가 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 명세서의 일 양상은, 번역 시스템이 텍스트를 번역하는 방법에 있어서, 번역 대상이 되는 텍스트 파일을 입력받는 단계; 상기 텍스트 파일에 근거하여, 텍스트 라인 별로 라벨링(labeling)된 번역 파일을 생성하는 단계; (1) 상기 번역 파일 및 (2) 번역된 단어를 대체하기 위한 대체 단어를 포함하는 Glossary 데이터에 근거하여, 상기 번역된 단어의 대체를 위한 Glossary 작업을 수행하는 단계; 및 상기 Glossary 작업이 수행된 번역 파일의 텍스트를 번역하는 단계;를 포함할 수 있다.
또한, (1) 상기 번역된 번역 파일 및 (2) 선택 번역을 위해 추천 단어를 포함하는 Hlossary Data에 근거하여, 상기 선택 번역을 위한 단어를 추천하는 Hlossary 작업을 수행하는 단계; 를 더 포함할 수 있다.
또한, 상기 텍스트 파일은 상기 텍스트 파일과 관련된 케릭터 정보를 포함하며, 상기 케릭터 정보는 케릭터 간의 상관 관계 및 상기 케릭터의 사투리 구현 정보를 포함할 수 있다.
또한, 상기 라벨링의 항목은 원문 텍스트, 지역, 상기 텍스트의 장르, 화자의 존칭, 상기 화자의 이름, 상기 화자의 성별 또는 상기 화자의 연령대를 포함할 수 있다.
또한, 상기 Glossary 데이터는 상기 번역된 단어가 포함된 문장의 문맥에 근거하여, 선택될 수 있는 복수개의 대체 단어를 포함할 수 있다.
또한, 상기 Hlossary 작업을 수행하는 단계는 상기 라벨링의 항목 중 지역에 대응하는 사투리 번역을 위해 학습된 서브 인공지능 모델을 이용하여, 상기 선택 번역을 위한 단어가 추천될 수 있다.
또한, 사용자로부터 상기 추천된 단어를 선택받는 단계; 를 더 포함할 수 있다.
또한, 상기 Hlossary Data는 상기 선택 번역이 자동으로 수행되기 위한 기준값을 포함할 수 있다.
본 명세서의 실시예에 따르면, Glossary 및 Hlossary 작업을 통해, 기계어 번역의 문제점을 보완하고, 번역된 결과물의 완성도를 향상시킬 수 있다.
본 명세서에서 얻을 수 있는 효과는 이상에서 언급한 효과로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 명세서가 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 명세서와 관련된 전자 기기를 설명하기 위한 블록도이다.
도 2는 본 명세서가 적용될 수 있는 인공지능 머신러닝 모듈의 블록도이다.
도 3은 본 명세서가 적용될 수 있는 번역 시스템의 일 실시예이다.
본 명세서에 관한 이해를 돕기 위해 상세한 설명의 일부로 포함되는, 첨부 도면은 본 명세서에 대한 실시예를 제공하고, 상세한 설명과 함께 본 명세서의 기술적 특징을 설명한다.
도 2는 본 명세서가 적용될 수 있는 인공지능 머신러닝 모듈의 블록도이다.
도 3은 본 명세서가 적용될 수 있는 번역 시스템의 일 실시예이다.
본 명세서에 관한 이해를 돕기 위해 상세한 설명의 일부로 포함되는, 첨부 도면은 본 명세서에 대한 실시예를 제공하고, 상세한 설명과 함께 본 명세서의 기술적 특징을 설명한다.
이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 또한, 본 명세서에 개시된 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 명세서의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
본 출원에서, "포함한다" 또는 "가지다" 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.
도 1은 본 명세서와 관련된 전자 기기를 설명하기 위한 블록도이다.
상기 전자 기기(100)는 무선 통신부(110), 입력부(120), 센싱부(140), 출력부(150), 인터페이스부(160), 메모리(170), 제어부(180) 및 전원 공급부(190) 등을 포함할 수 있다. 도 1에 도시된 구성요소들은 전자 기기를 구현하는데 있어서 필수적인 것은 아니어서, 본 명세서 상에서 설명되는 전자 기기는 위에서 열거된 구성요소들 보다 많거나, 또는 적은 구성요소들을 가질 수 있다.
보다 구체적으로, 상기 구성요소들 중 무선 통신부(110)는, 전자 기기(100)와 무선 통신 시스템 사이, 전자 기기(100)와 다른 전자 기기(100) 사이, 또는 전자 기기(100)와 외부서버 사이의 무선 통신을 가능하게 하는 하나 이상의 모듈을 포함할 수 있다. 또한, 상기 무선 통신부(110)는, 전자 기기(100)를 하나 이상의 네트워크에 연결하는 하나 이상의 모듈을 포함할 수 있다.
이러한 무선 통신부(110)는, 방송 수신 모듈(111), 이동통신 모듈(112), 무선 인터넷 모듈(113), 근거리 통신 모듈(114), 위치정보 모듈(115) 중 적어도 하나를 포함할 수 있다.
입력부(120)는, 영상 신호 입력을 위한 카메라(121) 또는 영상 입력부, 오디오 신호 입력을 위한 마이크로폰(microphone, 122), 또는 오디오 입력부, 사용자로부터 정보를 입력받기 위한 사용자 입력부(123, 예를 들어, 터치키(touch key), 푸시키(mechanical key) 등)를 포함할 수 있다. 입력부(120)에서 수집한 음성 데이터나 이미지 데이터는 분석되어 사용자의 제어명령으로 처리될 수 있다.
센싱부(140)는 전자 기기 내 정보, 전자 기기를 둘러싼 주변 환경 정보 및 사용자 정보 중 적어도 하나를 센싱하기 위한 하나 이상의 센서를 포함할 수 있다. 예를 들어, 센싱부(140)는 근접센서(141, proximity sensor), 조도 센서(142, illumination sensor), 터치 센서(touch sensor), 가속도 센서(acceleration sensor), 자기 센서(magnetic sensor), 중력 센서(G-sensor), 자이로스코프 센서(gyroscope sensor), 모션 센서(motion sensor), RGB 센서, 적외선 센서(IR 센서: infrared sensor), 지문인식 센서(finger scan sensor), 초음파 센서(ultrasonic sensor), 광 센서(optical sensor, 예를 들어, 카메라(121 참조)), 마이크로폰(microphone, 122 참조), 배터리 게이지(battery gauge), 환경 센서(예를 들어, 기압계, 토양습도계, 온도계, 방사능 감지 센서, 열 감지 센서, 가스 감지 센서 등), 화학 센서(예를 들어, 전자 코, 헬스케어 센서, 생체 인식 센서 등) 중 적어도 하나를 포함할 수 있다. 한편, 본 명세서에 개시된 전자 기기는, 이러한 센서들 중 적어도 둘 이상의 센서에서 센싱되는 정보들을 조합하여 활용할 수 있다.
출력부(150)는 시각, 청각 또는 촉각 등과 관련된 출력을 발생시키기 위한 것으로, 디스플레이부(151), 음향 출력부(152), 햅팁 모듈(153), 광 출력부(154) 중 적어도 하나를 포함할 수 있다. 디스플레이부(151)는 터치 센서와 상호 레이어 구조를 이루거나 일체형으로 형성됨으로써, 터치 스크린을 구현할 수 있다. 이러한 터치 스크린은, 전자 기기(100)와 사용자 사이의 입력 인터페이스를 제공하는 사용자 입력부(123)로써 기능함과 동시에, 전자 기기(100)와 사용자 사이의 출력 인터페이스를 제공할 수 있다.
인터페이스부(160)는 전자 기기(100)에 연결되는 다양한 종류의 외부 기기와의 통로 역할을 수행한다. 이러한 인터페이스부(160)는, 유/무선 헤드셋 포트(port), 외부 충전기 포트(port), 유/무선 데이터 포트(port), 메모리 카드(memory card) 포트, 식별 모듈이 구비된 장치를 연결하는 포트(port), 오디오 I/O(Input/Output) 포트(port), 비디오 I/O(Input/Output) 포트(port), 이어폰 포트(port) 중 적어도 하나를 포함할 수 있다. 전자 기기(100)에서는, 상기 인터페이스부(160)에 외부 기기가 연결되는 것에 대응하여, 연결된 외부 기기와 관련된 적절할 제어를 수행할 수 있다.
또한, 메모리(170)는 전자 기기(100)의 다양한 기능을 지원하는 데이터를 저장한다. 메모리(170)는 전자 기기(100)에서 구동되는 다수의 응용 프로그램(application program 또는 애플리케이션(application)), 전자 기기(100)의 동작을 위한 데이터들, 명령어들을 저장할 수 있다. 이러한 응용 프로그램 중 적어도 일부는, 무선 통신을 통해 외부 서버로부터 다운로드 될 수 있다. 또한 이러한 응용 프로그램 중 적어도 일부는, 전자 기기(100)의 기본적인 기능(예를 들어, 전화 착신, 발신 기능, 메시지 수신, 발신 기능)을 위하여 출고 당시부터 전자 기기(100)상에 존재할 수 있다. 한편, 응용 프로그램은, 메모리(170)에 저장되고, 전자 기기(100) 상에 설치되어, 제어부(180)에 의하여 상기 전자 기기의 동작(또는 기능)을 수행하도록 구동될 수 있다.
제어부(180)는 상기 응용 프로그램과 관련된 동작 외에도, 통상적으로 전자 기기(100)의 전반적인 동작을 제어한다. 제어부(180)는 위에서 살펴본 구성요소들을 통해 입력 또는 출력되는 신호, 데이터, 정보 등을 처리하거나 메모리(170)에 저장된 응용 프로그램을 구동함으로써, 사용자에게 적절한 정보 또는 기능을 제공 또는 처리할 수 있다.
또한, 제어부(180)는 메모리(170)에 저장된 응용 프로그램을 구동하기 위하여, 도 1과 함께 살펴본 구성요소들 중 적어도 일부를 제어할 수 있다. 나아가, 제어부(180)는 상기 응용 프로그램의 구동을 위하여, 전자 기기(100)에 포함된 구성요소들 중 적어도 둘 이상을 서로 조합하여 동작시킬 수 있다.
전원공급부(190)는 제어부(180)의 제어 하에서, 외부의 전원, 내부의 전원을 인가받아 전자 기기(100)에 포함된 각 구성요소들에 전원을 공급한다. 이러한 전원공급부(190)는 배터리를 포함하며, 상기 배터리는 내장형 배터리 또는 교체가능한 형태의 배터리가 될 수 있다.
상기 각 구성요소들 중 적어도 일부는, 이하에서 설명되는 다양한 실시 예들에 따른 전자 기기의 동작, 제어, 또는 제어방법을 구현하기 위하여 서로 협력하여 동작할 수 있다. 또한, 상기 전자 기기의 동작, 제어, 또는 제어방법은 상기 메모리(170)에 저장된 적어도 하나의 응용 프로그램의 구동에 의하여 전자 기기 상에서 구현될 수 있다.
본 명세서에서 번역 시스템은 전자기기(100)를 포함할 수 있으며, 전자기기(100)는 전자장치로 통칭될 수 있다.
도 2는 본 명세서가 적용될 수 있는 번역을 위한 인공지능(Artificial, AI) 머신러닝(Machine Learning, ML) 모듈의 블록도이다.
상기 인공지능 머신러닝 모듈(20)은 AI 프로세싱을 수행할 수 있는 AI 모듈을 포함하는 전자 기기 또는 상기 AI 모듈을 포함하는 서버 등을 포함할 수 있다. 또한, 상기 인공지능 머신러닝 모듈(20)은 도 1에 도시된 전자기기(100)의 적어도 일부의 구성으로 포함되어 AI 프로세싱 중 적어도 일부를 함께 수행하도록 구비될 수도 있다.
상기 인공지능 머신러닝 모듈(20)은 AI 프로세서(21), 진단고사 선택부(23) 메모리(25) 및/또는 통신부(27)를 포함할 수 있다.
상기 인공지능 머신러닝 모듈(20)은 신경망을 학습할 수 있는 컴퓨팅 장치로서, 서버, 데스크탑 PC, 노트북 PC, 태블릿 PC 등과 같은 다양한 전자 장치로 구현될 수 있다.
AI 프로세서(21)는 메모리(25)에 저장된 프로그램을 이용하여 AI 모델을 학습할 수 있다. 특히, AI 프로세서(21)는 외국어 번역을 위한 AI 모델을 학습할 수 있다. 예를 들어, AI 프로세서(21)는 한글 번역을 위해 학습될 수 있다. 또한, 추가적으로 외국어를 사투리(예를 들어, 경상도 사투리, 전라도 사투리)로 번역하기 위한 sub-AI 모델들을 포함할 수 있다. sub-AI 모델들은 각 지역의 사투리로 번역을 수행하기 위해 학습될 수 있다.
한편, 전술한 바와 같은 기능을 수행하는 AI 프로세서(21)는 범용 프로세서(예를 들어, CPU)일 수 있으나, 인공지능 학습을 위한 AI 전용 프로세서(예를 들어, GPU)일 수 있다.
메모리(25)는 인공지능 머신러닝 모듈(20)의 동작에 필요한 각종 프로그램 및 데이터를 저장할 수 있다. 메모리(25)는 비 휘발성 메모리, 휘발성 메모리, 플래시 메모리(flash-memory), 하드디스크 드라이브(HDD) 또는 솔리드 스테이트 드라이브(SDD) 등으로 구현할 수 있다. 메모리(25)는 AI 프로세서(21)에 의해 액세스되며, AI 프로세서(21)에 의한 데이터의 독취/기록/수정/삭제/갱신 등이 수행될 수 있다. 또한, 메모리(25)는 본 명세서의 일 실시예에 따른 데이터 분류/인식을 위한 학습 알고리즘을 통해 생성된 신경망 모델(예를 들어, 딥 러닝 모델)을 저장할 수 있다.
한편, AI 프로세서(21)는 데이터 분류/인식을 위한 신경망을 학습하는 데이터 학습부를 포함할 수 있다. 예를 들어, 데이터 학습부는 학습에 이용될 학습 데이터를 획득하고, 획득된 학습데이터를 딥러닝 모델에 적용함으로써, 딥러닝 모델을 학습할 수 있다.
통신부(27)는 AI 프로세서(21)에 의한 AI 프로세싱 결과를 외부 전자 기기로 전송할 수 있다.
여기서 외부 전자 기기는 다른 단말, 서버를 포함할 수 있다.
한편, 도 2에 도시된 인공지능 머신러닝 모듈(20)는 AI 프로세서(21), 진단고사 선택부(23)와 메모리(25), 통신부(27) 등으로 기능적으로 구분하여 설명하였지만, 전술한 구성요소들이 하나의 모듈로 통합되어 AI 모듈로 호칭될 수도 있다.
본 명세서에서 번역 시스템은 번역 대상이 되는 텍스트를 입력받아, 인공지능 머신러닝 모듈(20)을 통해 번역 결과물을 생성할 수 있다. 또한, 번역 시스템은 작업 내용과 결과를 메모리(25)의 데이터베이스(DataBase, DB)에 축척하여 번역 퀄리티를 상승시키며 작업자의 편의성을 증대시킬 수 있다.
예를 들어, DB는 후술될 Glossary Data와 Hlossary Data를 포함할 수 있으며, 번역 시스템은 이를 활용하여 번역의 정확도를 올리고 기계번역을 통해 번역 속도를 증대시킬 수 있으며, 작업 중 필요한 후보정 기능까지 일괄적으로 처리가 가능하다.
도 3은 본 명세서가 적용될 수 있는 번역 시스템의 일 실시예이다.
도 3을 참조하면, 번역 시스템은 번역 대상이 되는 텍스트에 포함된 같은 단어가 AI 모델에서 문맥에 따라 다르게 인식되어 번역되는 문제점을 해결하기 위해, Glossary 기능을 통해, Glossary Data에서 특정된 단어에 대해 모두 통일된 결과물을 도출하고, 이렇게 번역된 Glossary 내용을 데이터베이스에 저장하고, 다른 프로젝트 작업에도 적용하여 기계어 번역 전 단어의 통일성과 완성도 향상에 기여할 수 있다.
또한, 번역 시스템은 기계번역을 통해 나온 번역 결과물에서 2차적으로 Hlossary Data를 작성, 적용하고 적용된 Hlossary 내용을 데이터베이스에 저장하여 다른 프로젝트 작업에도 적용할 수 있다.
또한, 본 명세서에서 Hlossary 기능은 화자간의 존칭, 대상 화자의 사투리 구현, 띄어쓰기, 맞춤법 검수를 자동 또는 선택적으로 진행하여 추가 검수에 따르는 시간과 비용을 최소화하는 번역 결과물을 도출할 수 있다.
다시 도 3을 참조하면,
번역 시스템은 번역 대상이 되는 텍스트 파일을 입력받는다(S3010).
예를 들어, 텍스트 파일은 외국어(일어, 중국어, 영어 등) 형태의 지문, 평서문 등을 포함할 수 있다. 또한, 텍스트 파일은 텍스트 파일과 관련된 케릭터 정보를 포함할 수 있다. 예를 들어, 케릭터(화자) 정보는 케릭터 간의 상관 관계, 케릭터의 사투리 구현 정보 등을 포함할 수 있다.
다음의 표 1은 이러한 케릭터 정보의 예시이다.
케릭터 상관 관계 | 케릭터 사투리 구현 정보 |
할아버지 (A) | 경상도 |
아버지 (B) | 전라도 |
주인공 (C) | 표준어 |
번역 시스템은 텍스트 파일에 근거하여, 번역 파일을 생성한다(S3020). 예를 들어, 번역 시스템은 텍스트 파일을 로딩하고 라벨링을 하여, 번역 파일을 생성할 수 있다. 보다 자세하게, 번역 시스템은 하나의 덩어리로 묶여 있는 텍스트 파일을 각 라인으로 나누고, 라인 별로 라벨링할 수 있다.
예를 들어, 라벨링 항목은 원문 텍스트/ 지역/ 장르(예를 들어, 일반, 스포츠, 전쟁, 의학, 과학)/ 존칭/ 화자 이름/ 화자의 성별/ 화자의 연령대 등을 포함할 수 있다. 텍스트 파일은 텍스트 상의 말투/ 단어/ 특정 단어 등을 활용하여, 라벨링 될 수 있다. 이를 위해, 번역 시스템은 전술한 케릭터 정보를 활용할 수 있다.
번역 시스템은 번역 파일 및 Glossary Data에 근거하여, Glossary 작업을 수행한다(S3030).
예를 들어, 번역 시스템은 Glossary Data에 근거하여, Glossary 작업을 수행할 수 있다.
보다 자세하게, AI 모델을 통한 기계 번역 작업에 있어서, 동일한 단어라도, 해당 단어가 포함된 위치, 문맥, 조합된 단어들에 따라 번역 결과가 달라질 수 있다. Glossary 작업은 이러한 문제점을 해결하기 위한 기계 번역 전에 수행되는 단어 대체 작업이다. 번역 시스템은 용어집 기능을 하는 Glossary Data에 근거하여, 번역 파일의 텍스트로부터 Glossary 작업이 진행되는 단어를 추출하고, Glossary Data에 따라 단어를 대체할 수 있다. 이러한 Glossary Data는 하나 이상의 대체 단어 옵션을 갖을 수 있고, 이들은 우선순위 값을 갖을 수 있다.
다음의 표 2는 Glossary Data의 예시이다.
원문 | option 1 | option 2 | 선택 |
David | 데이비드 | 다비드 | 데이비드 |
표 2를 참조하면, 이러한 옵션 선택에 번역 파일, 각 단어들의 사용 빈도, 단어의 형태소(동사, 명사 등)등이 고려될 수 있다. 예를 들어,'David'가 번역 파일의 화자 이름으로 판단되는 경우, '데이비드'로 대체되는 Glossary 작업이 수행될 수 있다. 그러나, 문맥 상 'David'가 화자 이름을 지칭하는 것이 아닌 보통 명칭으로 판단되는 경우, '다비드'로 대체되는 Glossary 작업이 수행될 수 있다.본 명세서에서 Glossary 작업은 같은 단어라 하더라도 다른 단어로 대체될 수 있으며, 이러한 대체 단어의 옵션은 AI 모델을 활용하여 선택될 수 있다. 이러한 AI 모델의 학습을 위해 Glossary Data 가 이용될 수 있으며, 어떠한 문맥상에서 어떤 옵션으로 Glossary 작업이 수행되었는 지에 대한 정보를 DB에 전달하고 이를 통해 통해 Glossary를 위한 AI 모델의 추가적인 학습이 수행될 수 있다.
번역 시스템은 번역 파일의 텍스트 번역을 진행한다(S3040).
예를 들어, 번역 시스템은 Glossary 작업을 통해, 대체된 단어는 제외하고 나머지 텍스트를 AI 모델을 통해 번역할 수 있다.
번역 시스템은 번역된 번역 파일 및 Hlossary Data에 근거하여, Hlossary 작업을 수행한다(S3050).
Hlossary 작업은 Glossary 작업과 유사한 목적을 갖는 용어집 기능이지만, Glossary 작업과 다르게, Hlossary 작업은 번역된 텍스트를 기준으로 분석되며, Hlossary는 동음이의어 등의 단어를 처리할 때, 사용 빈도, 단어 적합도 등을 판단하여 선택 번역을 위한 단어를 추천하고, 사용자는 이를 선택할 수 있다.
즉, Glossary 작업은 강제적으로 설정된 단어로 원문을 대체하는 기능인 반면, Hlossary 작업은 번역된 결과물에 대한 후보정을 통해, 정확도를 높이는 기능이다.
예를 들어, 번역 시스템은 번역 파일의 라벨링 항목에 근거하여, 일반 번역 외에 선택 번역을 진행할 수 있다.
다음의 표 3은 장르 라벨링 항목에 따른 Hlossary 작업의 예시이다.
원문 | 일반 | 장르 | 선택 |
bridge | 다리 | 전쟁(함선) | 함교 |
표 3을 참조하면, 원문 텍스트가 bridge 인 경우, AI 모델은 일반적으로 '다리'로 번역할 수 있다. 그러나 라벨링된 장르가 전쟁(함선)인 경우, AI 모델은 Hlossary 작업을 통해, 장르를 고려하여 '함교'를 추천하고 사용자는 선택 번역할 수 있다.
다음의 표 4는 지역 라벨링 항목에 따른 Hlossary 작업의 예시이다.
원문 | 일반 | 지역 | 선택 |
なんだろう? | 뭐지? | 경상도 | 뭔교? |
표 4를 참조하면, 원문 텍스트가 なんだろう? 인 경우, AI 모델은 일반적으로 '뭐지?'로 번역할 수 있다. 그러나 라벨링된 지역이 경상도인 경우, Hlossary 작업을 통해 강원도 사투리로 학습된 sub-AI 모델은'뭔교?'를 추천하고 사용자는 선택 번역할 수 있다.
다음의 표 5는 존칭 라벨링 항목에 따른 Hlossary 작업의 예시이다.
원문 | 일반 | 존칭 | 선택 |
なんだろう? | 뭐지? | 높임말 | 뭐죠? |
표 5를 참조하면, 원문 텍스트가 なんだろう? 인 경우, AI 모델은 일반적으로 '뭐지?'로 번역할 수 있다. 그러나 라벨링된 존칭이 높임말인 경우, Hlossary 작업을 통해 AI 모델은 존칭을 고려하여'뭐죠?' 를 추천하고 사용자는 선택 번역할 수 있다. 예를 들어, 존칭은 전술한 케릭터 정보를 이용하여 라벨링될 수 있다.
전술한 선택 번역을 위한 단어 추천 결과는 Hlossary Data에 누적되어 AI 모델의 성능 향상에 이용될 수 있다.
추가 실시예로서, Hlossary 작업을 위한 선택 번역은 자동으로 수행될 수 있으며, 이를 위해, AI 모델은 누적 빈도를 고려할 수 있다.
예를 들어, 번역 시스템은 Hlossary 작업이 수행된 원문 단어의 빈도수를 Hlossary Data에 저장하고, 이러한 빈도수가 기설정된 제1 기준값을 초과하는 빈도수를 갖는 경우 자동으로 번역되도록 설정될 수 있다.
만일, 빈도수가 제1 기준값과 제2 기준값 사이의 빈도수를 갖는 경우에는 기존의 선택 번역과 마찬가지로 추천 후, 사용자의 확인이 필요하게 설정될 수 있다.
전술한 예시 외에 다른 라벨링 항목에 대해서도 AI 모델은 유사하게 Hlossary 작업을 통해 선택 번역할 수 있다.
또한, 번역 시스템은 이러한 번역 히스토리 파일을 DB에 축적시킬 수 있고, 이를 이용하여, 번역의 정확도를 더욱 올릴 수 있으며, 다른 장르 (영화, 드라마 등)에도 유사하게 활용할 수 있다.
전술한 본 명세서는, 프로그램이 기록된 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 매체는, 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 매체의 예로는, HDD(Hard Disk Drive), SSD(Solid State Disk), SDD(Silicon Disk Drive), ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있으며, 또한 캐리어 웨이브(예를 들어, 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 따라서, 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니되고 예시적인 것으로 고려되어야 한다. 본 명세서의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 명세서의 등가적 범위 내에서의 모든 변경은 본 명세서의 범위에 포함된다.
또한, 이상에서 서비스 및 실시 예들을 중심으로 설명하였으나 이는 단지 예시일 뿐 본 명세서를 한정하는 것이 아니며, 본 명세서가 속하는 분야의 통상의 지식을 가진 자라면 본 서비스 및 실시 예의 본질적인 특성을 벗어나지 않는 범위에서 이상에 예시되지 않은 여러 가지의 변형과 응용이 가능함을 알 수 있을 것이다. 예를 들어, 실시 예들에 구체적으로 나타난 각 구성 요소는 변형하여 실시할 수 있는 것이다. 그리고 이러한 변형과 응용에 관계된 차이점들은 첨부한 청구 범위에서 규정하는 본 명세서의 범위에 포함되는 것으로 해석되어야 할 것이다.
Claims (8)
- 번역 시스템이 텍스트를 번역하는 방법에 있어서,
번역 대상이 되는 텍스트 파일을 입력받는 단계;로서, 상기 텍스트 파일은 상기 텍스트 파일과 관련된 화자 정보를 포함하며, 상기 화자 정보는 (1) 화자 간의 상관 관계 및 (2) 상기 화자의 사투리 구현 정보를 포함함;
상기 텍스트 파일에 근거하여, 텍스트 라인 별로 라벨링(labeling)된 번역 파일을 생성하는 단계;로서, 상기 라벨링의 항목은 원문 텍스트, 지역, 장르, 존칭, 화자 이름, 화자의 성별 및 화자의 연령대를 포함하며, 상기 존칭은 상기 화자 정보에 근거하여, 라벨링됨;
(1) 상기 번역 파일 및 (2) 번역된 단어를 대체하기 위한 대체 단어를 포함하는 Glossary 데이터에 근거하여, 상기 번역된 단어의 대체를 위한 Glossary 작업을 수행하는 단계;
상기 Glossary 작업이 수행된 번역 파일의 텍스트를 번역하는 단계;
(1) 상기 번역된 번역 파일 및 (2) 선택 번역을 위해 추천 단어를 포함하는 Hlossary Data에 근거하여, 상기 선택 번역을 위한 단어를 추천하는 Hlossary 작업을 수행하는 단계;로서, 상기 Hlossary 작업은 상기 라벨링의 항목에 근거함;
상기 Hlossary 작업에 근거하여, 사용자로부터 상기 선택 번역을 입력받는 단계; 및
입력받은 상기 선택 번역에 근거하여, 상기 Hlossary Data의 상기 선택 번역된 단어의 선택 빈도수를 업데이트하는 단계;
를 포함하며,
상기 선택 번역은
상기 선택 빈도수에 근거하여, 자동 번역으로 변경될 수 있는, 번역 방법.
- 삭제
- 삭제
- 삭제
- 제1항에 있어서,
상기 Glossary 데이터는
상기 번역된 단어가 포함된 문장의 문맥에 근거하여, 선택될 수 있는 복수개의 대체 단어를 포함하는, 번역 방법.
- 제1항에 있어서,
상기 Hlossary 작업을 수행하는 단계는
상기 라벨링의 항목 중 지역에 대응하는 사투리 번역을 위해 학습된 서브 인공지능 모델을 이용하여, 상기 선택 번역을 위한 단어가 추천되는, 번역 방법.
- 삭제
- 제6항에 있어서,
상기 Hlossary Data는
상기 선택 번역이 상기 자동 번역으로 변경되기 위한 기준값을 포함하는, 번역 방법.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020210159017A KR102406251B1 (ko) | 2021-11-18 | 2021-11-18 | 언어 현지화에서 번역 완성도를 높이기 위한 자동 번역 및 코딩 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020210159017A KR102406251B1 (ko) | 2021-11-18 | 2021-11-18 | 언어 현지화에서 번역 완성도를 높이기 위한 자동 번역 및 코딩 방법 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR102406251B1 true KR102406251B1 (ko) | 2022-06-07 |
Family
ID=81987199
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020210159017A KR102406251B1 (ko) | 2021-11-18 | 2021-11-18 | 언어 현지화에서 번역 완성도를 높이기 위한 자동 번역 및 코딩 방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102406251B1 (ko) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20100107555A (ko) | 2009-03-26 | 2010-10-06 | (주)렉스코드 | 웹을 기반으로 한 번역 용어구축과 감수에 관한 협업 시스템 |
KR20130097890A (ko) * | 2012-02-27 | 2013-09-04 | 조선대학교산학협력단 | 도메인 대역어 추천 시스템 및 그 방법 |
JP2017199363A (ja) * | 2016-04-21 | 2017-11-02 | 国立研究開発法人情報通信研究機構 | 機械翻訳装置及び機械翻訳のためのコンピュータプログラム |
KR20190058836A (ko) * | 2017-11-22 | 2019-05-30 | 한국전자통신연구원 | 일관된 대역어 번역 기능을 구비한 자동 번역 장치 및 방법 |
KR102062524B1 (ko) * | 2019-05-10 | 2020-01-06 | 고현선 | 음성 인식과 번역 방법 및 그를 위한 단말 장치와 서버 |
-
2021
- 2021-11-18 KR KR1020210159017A patent/KR102406251B1/ko active IP Right Grant
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20100107555A (ko) | 2009-03-26 | 2010-10-06 | (주)렉스코드 | 웹을 기반으로 한 번역 용어구축과 감수에 관한 협업 시스템 |
KR20130097890A (ko) * | 2012-02-27 | 2013-09-04 | 조선대학교산학협력단 | 도메인 대역어 추천 시스템 및 그 방법 |
JP2017199363A (ja) * | 2016-04-21 | 2017-11-02 | 国立研究開発法人情報通信研究機構 | 機械翻訳装置及び機械翻訳のためのコンピュータプログラム |
KR20190058836A (ko) * | 2017-11-22 | 2019-05-30 | 한국전자통신연구원 | 일관된 대역어 번역 기능을 구비한 자동 번역 장치 및 방법 |
KR102062524B1 (ko) * | 2019-05-10 | 2020-01-06 | 고현선 | 음성 인식과 번역 방법 및 그를 위한 단말 장치와 서버 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11900056B2 (en) | Stylistic text rewriting for a target author | |
US11983210B2 (en) | Methods and systems for generating summaries given documents with questions and answers | |
US11645314B2 (en) | Interactive information retrieval using knowledge graphs | |
US20190163691A1 (en) | Intent Based Dynamic Generation of Personalized Content from Dynamic Sources | |
US11093711B2 (en) | Entity-specific conversational artificial intelligence | |
EP3792789A1 (en) | Translation model training method, sentence translation method and apparatus, and storage medium | |
US10460040B2 (en) | Language model using reverse translations | |
US11126794B2 (en) | Targeted rewrites | |
KR102436549B1 (ko) | 딥러닝을 이용한 자연어처리 기반의 faq 및 챗봇을 위한 학습데이터를 자동으로 생성하기 위한 방법 및 이를 위한 장치 | |
CN105210055B (zh) | 根据跨语种短语表的断词器 | |
CN102567311A (zh) | 激励描述集合 | |
CN104916177B (zh) | 电子设备和电子设备的数据输出方法 | |
US20220391647A1 (en) | Application-specific optical character recognition customization | |
KR102304608B1 (ko) | 동작인식장치와 아바타를 이용한 수어 통역/번역 서비스 시스템 | |
WO2023129255A1 (en) | Intelligent character correction and search in documents | |
CN113095072B (zh) | 文本处理方法及装置 | |
US11545144B2 (en) | System and method supporting context-specific language model | |
CN106649294A (zh) | 一种分类模型的训练及其从句识别方法和装置 | |
KR20150117914A (ko) | 다수 사용자 참여형 언어 학습 시스템 | |
KR101002486B1 (ko) | 수기 인식 개인화 시스템 및 방법 | |
KR20200140171A (ko) | 전자 장치 및 이의 제어 방법 | |
Zhang et al. | Refashioning emotion recognition modelling: The advent of generalised large models | |
KR102406251B1 (ko) | 언어 현지화에서 번역 완성도를 높이기 위한 자동 번역 및 코딩 방법 | |
KR20200057277A (ko) | 자동 번역 오류를 자동으로 진단 및 교정하는 장치 및 방법 | |
KR20240008930A (ko) | 기계 번역 품질 예측을 통한 데이터 세트 개선 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |