A Comparative Error Analysis of Neural Machine Translation Output: Based on Film Corpus

Sungran Koh

A Comparative Error Analysis of Neural Machine Translation Output: Based on Film Corpus

Recommendations

Search

Type: Academic journal

Author: Sungran Koh (국민대학교)

Journal: 대한언어학회 언어학 언어학 제30권 제1호 KCI Accredited Journals

Published: 2022.3

Pages: 157 - 177 (21page)

Usage

A Comparative Error Analysis of Neural Machine Translation Output: Based on Film Corpus

Abstract· Keywords

Report Errors

Koh, Sungran. (2022). A comparative error analysis of neural machine translation output: Based on film corpus. The Linguistic Association of Korea Journal, 30(1), 157-177. This study aims to analyze translation from Korean to English in three mainstream machine translation (MT) systems in Korea and to classify the major error problems of the MT systems. To do this, first, the Korean script of the film Minari (2021) was collected and translated by three major machine translators (Google Translate, Papago, and Kakao i). Then, the translation output of the three mainstream online translation systems was manually evaluated by humans. Next, MT errors in Korean to English were classified into four categories: missing words, word order, incorrect words, and unknown words. The ‘incorrect words’ were subcategorized into ‘sense’, ‘incorrect form’, and ‘extra words’. The most frequent type of incorrect word error was ‘incorrect disambiguation (subject)’ and ‘wrong lexical choice’ in terms of ‘sense’. Based on these findings, some suggestions are to use more developed machine translation for both MT system developers and Korean English as a Foreign Language(EFL) learners. This study sheds light on the quality of current MT systems based on the error analysis of this data and offers EFL learners insights into using MT systems better.

#Key Words: machine translation #EFL learners #errors #incorrect words #incorrect form

No content found

References (0)

Add References

If the reference is being serviced by DBpia, please register through [Add Reference]

Recommendations

It is an article recommended by DBpia according to the article similarity. Check out the related articles!

Related Authors

고성란

Affiliation 국민대학교

Fields Humanities > Linguistics and Literature > English Language and Literature Humanities > Linguistics and Literature > General Linguistics

Articles 9 Usage 44

Comments(0)

Write first comments.

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

Abstract· Keywords

AI Summary

Topic

Background

Method

Result

주요내용

Contents

References (0)

Recommendations

Related Authors

Recently viewed articles

Comments(0)