Moses기반 한-영 통계기반 기계번역에서 이중언어 말뭉치 재구성을 통한 번역율 향상방안에 관한 연구 :The study of the improvement of translation rate through the reconstruction of the parallel corpus in Korean-English statistical machine translation based on Moses

정상원

추천

검색

자료유형: 학위논문

저자정보: 정상원 (고려대학교, 高麗大學校 컴퓨터情報通信大學院)

지도교수: 白斗權

발행연도: 2015

저작권: 고려대학교 논문은 저작권에 의해 보호받습니다.

이용수6

이 논문의 연구 히스토리 (2)

2015

Moses기반 한-영 통계기반 기계번역에서 이중언어 말뭉치 재구성을 통한 번역율 향상방안에 관한 연구

정상원 소프트웨어工學科 2015.01 학위논문

2014

Moses 기반 한-영 통계기반 기계번역에서 병렬 말뭉치 재구성을 통한 번역율 향상 방안에 관한 연구

정상원 , 정현준 , 백두권 한국정보과학회 학술발표논문집 2014.12 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

통계기반 기계번역 시스템 (Statistical Machine Translation, SMT)은 기계번역시스템 중에서 최근 활발히 연구되고 있는 분야이다. 통계기반 기계번역은 대용량의 말뭉치를 사용할 수 있어 특정 언어 쌍에 제한을 덜 받아 모델을 자동으로 학습할 수 있으며 다른 언어에 일반화하여 적용이 가능하다는 장점이 있다. 그러나 한국어와 영어 간 통계기반 기계번역에 있어서는 어순과 단어 수의 차이로 인한 문제를 해결할 필요성이 여전히 남아 있다. 이에 본 논문에서는 어순이 다른 한국어와 영어 간 병렬 말뭉치 및 통계기반 기계번역 학습 시스템인 Moses를 이용하여 병렬 말뭉치 분석 및 재구성을 통한 번역율 향상 방안을 연구하였다.

#통게기반번역

1. 서론 1
1.1. 연구의 배경 1
1.2. 연구의 목적 3
1.3. 관련 연구 5
1.3.1. 한국어와 영어 간 단어 수 차이에 대한 연구 5
1.3.2. 통계기반 기계번역을 위한 어순 조정에 관한 연구 5
1.3.3. 병렬 말뭉치의 대용량 구축에 관한 연구 6
2. 통계기반 기계번역과 Moses 7
2.1. 통계기반 기계번역 7
2.1.1. 통계기반 기계번역의 개요 7
2.1.2. 통계기반 기계번역의 프로세스 8
2.2. Moses 9
2.2.1. Moses의 개요 9
2.2.2. Moses의 구조 10
2.2.3. Moses의 특징 11
3. 분석환경 구현 12
3.1. 병렬 말뭉치 수집 12
3.2. 통계기반 기계번역 시스템 구현 15
3.2.1. 시스템 플랫폼 구축 15
3.2.2. 베이스 시스템 프로세스 17
3.3. 한국어와 영어 간 번역수준 정의 20
4. 한국어와 영어 간 병렬 말뭉치 분석 21
4.1. 한국어와 영어 간 Distortion 현상 분석 21
4.2. 한국어와 영어 간 단어 수 차이 분석 24
4.2.1. 일반적인 번역에서 주로 나타나는 단어 수 차이 현상 24
4.2.2. 의역에서 주로 나타나는 단어 수 차이 현상 26
4.2.3. 한국어와 영어 간 단어 수 차이 분석 결과 31
4.3. 단어정렬 및 번역모델에 따른 번역결과 분석 33
4.4. 한국어와 영어 간 병렬 말뭉치 분석결과 35
4.4.1. 한국어와 영어 간 어순처리 및 단어 수 재구성 37
4.4.2. 번역모델 및 단어정렬 재구성 38
5. 제안내용 40
5.1. 어순처리 및 단어 수 재구성 41
5.1.1. Distortion이 큰 단어의 어순 재배치 41
5.1.2. 한국어에 없는 영어 단어의 삭제 43
5.1.3. 의역된 문장을 일반적인 번역 문장으로 변환 45
5.2. 번역모델 및 단어정렬 재구성 46
5.2.1. 번역 시 사용되는 단어의 일관성 적용 46
5.2.2. 원시언어 (영어)의 문장 재구성 48
6. 번역품질 평가 50
6.1. BLEU에 의한 번역품질 분석 50
6.1.1. BLEU의 개요 50
6.1.2. 병렬 말뭉치 재구성 전과 후의 BLEU 점수 51
6.2. 유럽언어와의 BLUE 점수 비교 53
7. 결론 및 향후 과제 54
7.1. 결론 54
7.2. 향후 과제 56
참고문헌 58
Abstract 60
감사의 글 61

최근 본 자료

전체보기

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

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)