古典文言文 기계번역의 현황과 과제
The machine translation status and assignments of Classical Chinese
0
조회
0
다운로드
7
인용
0
참고문헌
키워드
초록
이 글은 한문(고전문언문) 기계번역의 현황을 살펴보고, 향후 과제를 제언한 것이다. 기계번역에 대한 이해를 돕기 위해 규칙 기반 기계번역(RBMT: Rule-Based Machine Translation)부터 신경망 기반 기계번역(NMT : Neural Machine Translation)에 이르기까지 기계번역 기술의 발달 과정과 신경망 기계번역의 원리와 성능 향상을 위해 적용되고 있는 기법들을 소개하였다. 고전문언문 기계번역은 바이두에서 제공하는 기계번역기와 한국고전번역원에서 개발한 번역기 2종이 있다. 바이두 번역기는 다양한 오류가 발견되나 전반적인 번역 성능은 한국고전번역원 번역기에 비해 다소 높은 편이며, 한국고전번역원 번역기는 특정 분야에서는 바이두 번역기에 비해 나은 성능을 발휘하지만 다양한 유형의 문언문 번역에서는 바이두 번역기에 비해 뒤지는 성능을 보여준다. 문언문 기계번역의 성능 향상을 위해서는 클라우드 기반 번역 플랫폼 구축, 양질의 병렬코퍼스 확충, 기계번역 성능 향상을 위한 부가 시스템 개발, 신뢰도 높은 번역평가 방식 개발 등이 이루어져야 한다.
Abstract
This article examines the current status of machine translation in Classical Chinese and suggests future tasks. In order to understand machine translation, this article introduced the development process of machine translation technology from rule-based machine translation(RBMT) to neural machine translation(NMT), and also introduced techniques applied to improve the principles and performance of neural machine translation. There are two types of Classical Chinese machine translation: a translator provided by Baidu and a translator developed by Institute for the Translation of Korea Classics(ITKC). Various errors are found in Baidu translators, but overall translation performance is somewhat higher than that of ITKC translators, and ITKC translators perform better than Baidu translators in certain fields, but lags behind Baidu translators in various types of Classical Chinese translations. In order to improve the performance of Classical Chinese machine translation, it is necessary to build a cloud-based translation platform, expand high-quality parallel corpus, develop additional systems to improve machine translation performance, and develop reliable translation evaluation methods.
참고문헌 (13)
- 2020년도 한국고전번역원 기획연구과제 최종보고서 : 《승정원일기》 자동번역시스템의 활용방안 연구, "김우정", 한국고전번역원, ~ (2021)
- 조성덕, "바이두(百度) 번역기의 한문고전 번역 수준과 향후의 과제", 한문학논집(漢文學論集), 53, pp.115~152 (2019), 근역한문학회[DOI]
- 한국고전번역원, "한국고전번역원 제31회 연구집담회 발표자료집", ~ (2020)
- Banerjee, S., "METEOR: An automatic metric for MT evaluation with improved correlation with human judgments", Proceedings of the acl workshop on intrinsic and extrinsic evaluation measures for machine translation and, 2005, ~
- Callison-Burch, C., "Re-evaluating the Role of BLEU in Machine Translation Research", 11th Conference of the European Chapter of the Association for Computational Linguistics (2006), Association for Computational Linguistics
- Cho, "Learning Phrase Representations using RNN Encoder–Decoder for Statistical Machine Translation", arXiv:1406.1078v3, ~ (2014)
- Dong, Daxiang, "Multi-Task Learning for Multiple Language Translation", Proceedings of the 53rd Annual Meeting of the Association for Computational Linguistics, 1 (2015)
- Rossi, L., "Applicability and application of machine translation quality metrics in the patent field", World Patent Information, 35 (2013)
- Weaver, W, "The mathematics of communication", Scientific American, 181(1) (1949)
- Wu, Yonghui, "Google’s Neural Machine Translation System: Bridging the Gap between human and machine translation", arXiv:1609.08144v2, ~ (2016)