$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

공공 한영 병렬 말뭉치를 이용한 기계번역 성능 향상 연구

A Study on the Performance Improvement of Machine Translation Using Public Korean-English Parallel Corpus

디지털융복합연구 = Journal of digital convergence, v.18 no.6, 2020년, pp.271 - 277  

박찬준 (고려대학교 컴퓨터학과) ,  임희석 (고려대학교 컴퓨터학과)

초록
AI-Helper 아이콘AI-Helper

기계번역이란 소스언어를 목적언어로 컴퓨터가 번역하는 소프트웨어를 의미하며 규칙기반, 통계기반 기계번역을 거쳐 최근에는 인공신경망 기반 기계번역에 대한 연구가 활발히 이루어지고 있다. 인공신경망 기계번역에서 중요한 요소 중 하나로 고품질의 병렬 말뭉치를 뽑을 수 있는데 이제까지 한국어 관련 언어쌍의 고품질 병렬 코퍼스를 구하기 쉽지 않은 실정이었다. 최근 한국정보화진흥원의 AI HUB에서 고품질의 160만 문장의 한-영 기계번역 병렬 말뭉치를 공개하였다. 이에 본 논문은 AI HUB에서 공개한 데이터 및 현재까지 가장 많이 쓰인 한-영 병렬 데이터인 OpenSubtitles와 성능 비교를 통해 각각의 데이터의 품질을 검증하고자 한다. 테스트 데이터로 한-영 기계번역 관련 공식 테스트셋인 IWSLT에서 공개한 테스트셋을 이용하여 보다 객관성을 확보하였다. 실험결과 동일한 테스트셋으로 실험한 기존의 한-영 기계번역 관련 논문들보다 좋은 성능을 보임을 알 수 있었으며 이를 통해 고품질 데이터의 중요성을 알 수 있었다.

Abstract AI-Helper 아이콘AI-Helper

Machine translation refers to software that translates a source language into a target language, and has been actively researching Neural Machine Translation through rule-based and statistical-based machine translation. One of the important factors in the Neural Machine Translation is to extract hig...

주제어

표/그림 (2)

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 국내에서 한-영 기계번역에 대한 연구가 다수 진행되었으며 본 장에서는 가장 최신의 연구를 소개한다. Masked Sequence to Sequence(MASS)를 이용한 한- 영 기계번역 연구[15]와 다중언어 기계번역에대한 연구가 최근에 이루어졌다[16].
  • 본 논문에서 AI Hub에서 공개한 한-영 병렬 말뭉치의 품질을 검증하고자 한다. 이와 더불어 현재까지 가장 많이 사용된 한-영 병렬 말뭉치인 OpenSubtitles3)의데이터 검증 및 성능 비교 또한 추가로 진행하고자 한다.
  • AI Hub 데이터의 성능만을 놓고 비교해 보았을 때도 강원대학교의 Back Translation을 적용하지 않은 모델의성능을 뛰어넘었다. 본 논문에서는 Back Translation을 적용하지 않은 이유는 모델의 성능을 증가시키는 것이 목적이 아닌 해당 데이터의 품질을 검증하는 것이 주목적이기 때문이다.
  • 한국정보화진흥원의 AIHub에서 고품질의 한국어-영어 병렬말뭉치를 공개하였으며 해당 데이터는 문어체 한영 번역 110만 문장(뉴스 80만, 정부 웹사이트 컨텐츠 10만, 조례 10만, 한국문화 10만), 구어체 한영 번역 50만 문장(구어체 40만, 대화체 10만)의 총 160만 문장으로 구성되어있다. 본 논문은 해당 데이터를 검증하는 첫 논문이며 테스트 데이터로 한- 영 기계번역 관련 공식 테스트 셋인 Iwslt2)에서 공개한 데이터를 이용하여 성능평가의 객관성을 확보하였다. 더 나아가 해당 테스트 데이터로 실험한 기존 연구들과의 성능 비교 또한 진행하였다.
  • 이러한 한계점에 기반하여 본 논문은 NMT 모델의 핵심으로 고품질의 데이터를 확보하는 것이 가장 중요하다고 판단되어 최근 AI Hub1)에서 구축한 공공데이터를 기반으로 해당 데이터의 대한 품질 검증 및 기존 시스템과의 성능 비교를 진행하였다. 한국정보화진흥원의 AIHub에서 고품질의 한국어-영어 병렬말뭉치를 공개하였으며 해당 데이터는 문어체 한영 번역 110만 문장(뉴스 80만, 정부 웹사이트 컨텐츠 10만, 조례 10만, 한국문화 10만), 구어체 한영 번역 50만 문장(구어체 40만, 대화체 10만)의 총 160만 문장으로 구성되어있다.
  • 전반적으로 한-영 기계번역 관련 대부분의 연구에서 테스트셋으로 Iwslt에서 공식평가 데이터로 공개한 Test2016, Test 2017을 이용하여 평가를 진행하였다. 이에 본 논문도 해당 테스트셋을 이용하여 모델의 품질을 평가한다.
  • 또한플리토, 에버트란, 솔트룩스 파트너스에서 최근 AIHub에서 공개한 한-영 병렬말뭉치를 함께 구축하였다. 이에 본 논문은 해당 데이터를 이용하여 해당 데이터의 품질을 측정하고 해당 데이터를 이용했을시의 기계번역 모델의 성능을 살펴본다.
  • 해당 데이터는 솔트룩스 파트너스, 에버트란, 플리토에서 공동 구축한 데이터이다. 이에 본 논문은 해당 데이터의 품질을 검증하고자 한다.
본문요약 정보가 도움이 되었나요?

참고문헌 (23)

  1. Edunov, S., Ott, M., Auli, M., & Grangier, D. (2018). Understanding back-translation at scale. arXiv preprint arXiv:1808.09381. 

  2. Currey, A., Miceli-Barone, A. V., & Heafield, K. (2017, September). Copied monolingual data improves low-resource neural machine translation. In Proceedings of the Second Conference on Machine Translation (pp. 148-156). 

  3. Koehn, P., Och, F. J., & Marcu, D. (2003, May). Statistical phrase-based translation. In Proceedings of the 2003 Conference of the North American Chapter of the Association for Computational Linguistics on Human Language Technology-Volume 1 (pp. 48-54). Association for Computational Linguistics. 

  4. Yamada, K., & Knight, K. (2001, July). A syntax-based statistical translation model. In Proceedings of the 39th Annual Meeting of the Association for Computational Linguistics (pp. 523-530). 

  5. Cho, K., Van Merrienboer, B., Gulcehre, C., Bahdanau, D., Bougares, F., Schwenk, H., & Bengio, Y. (2014). Learning phrase representations using RNN encoder-decoder for statistical machine translation. arXiv preprint arXiv:1406.1078. 

  6. Bahdanau, D., Cho, K., & Bengio, Y. (2014). Neural machine translation by jointly learning to align and translate. arXiv preprint arXiv:1409.0473. 

  7. Sutskever, I., Vinyals, O., & Le, Q. V. (2014). Sequence to sequence learning with neural networks. In Advances in neural information processing systems (pp. 3104-3112). 

  8. Kalchbrenner, N., Espeholt, L., Simonyan, K., Oord, A. V. D., Graves, A., & Kavukcuoglu, K. (2016). Neural machine translation in linear time. arXiv preprint arXiv:1610.10099. 

  9. Gehring, J., Auli, M., Grangier, D., Yarats, D., & Dauphin, Y. N. (2017, August). Convolutional sequence to sequence learning. In Proceedings of the 34th International Conference on Machine Learning-Volume 70 (pp. 1243-1252). JMLR. org. 

  10. Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., ... & Polosukhin, I. (2017). Attention is all you need. In Advances in neural information processing systems (pp. 5998-6008). 

  11. Luong, M. T., Pham, H., & Manning, C. D. (2015). Effective approaches to attention-based neural machine translation. arXiv preprint arXiv:1508.04025. 

  12. Lample, G., & Conneau, A. (2019). Cross-lingual language model pretraining. arXiv preprint arXiv:1901.07291. 

  13. Song, K., Tan, X., Qin, T., Lu, J., & Liu, T. Y. (2019). Mass: Masked sequence to sequence pre-training for language generation. arXiv preprint arXiv:1905.02450. 

  14. Liu, Y., Gu, J., Goyal, N., Li, X., Edunov, S., Ghazvininejad, M., ... & Zettlemoyer, L. (2020). Multilingual denoising pre-training for neural machine translation. arXiv preprint arXiv:2001.08210. 

  15. Y. J. Jeong, C. E. Park, C. K. Lee & J. S. Kim. (2019). English-Korean Neural Machine Translation using MASS, .The 31st Annual Conference on Human & Cognitive Language Technology 

  16. Guanghao Xu, Youngjoong Ko, Jungyun Seo. (2019). Improving Low-resource Machine Translation by utilizing Multilingual, Out-domain Resources. KIISE, 46(1), PP. 0649-0651 

  17. J. H. Lee, B. S. Kim, Guanghao Xu, Youngjoong Ko & J. Y. Seo. (2018). English-Korean Neural Machine Translation using Subword Units KIISE 2018 (), 586-588. 

  18. Xu, Guanghao, Youngjoong Ko, and Jungyun Seo.(2018) "Expanding Korean/English Parallel Corpora using Back-translation for Neural Machine Translation." Annual Conference on Human and Language Technology. Human and Language Technology. 

  19. Devlin, J., Chang, M. W., Lee, K., & Toutanova, K. (2018). Bert: Pre-training of deep bidirectional transformers for language understanding. arXiv preprint arXiv:1810.04805. 

  20. Radford, A., Wu, J., Child, R., Luan, D., Amodei, D., & Sutskever, I. (2019). Language models are unsupervised multitask learners. OpenAI Blog, 1(8), 9. 

  21. Sennrich, R., Haddow, B., & Birch, A. (2015). Neural machine translation of rare words with subword units. arXiv preprint arXiv:1508.07909. 

  22. Kudo, T., & Richardson, J. (2018). Sentencepiece: A simple and language independent subword tokenizer and detokenizer for neural text processing. arXiv preprint arXiv:1808.06226. 

  23. Papineni, K., Roukos, S., Ward, T., & Zhu, W. J. (2002, July). BLEU: a method for automatic evaluation of machine translation. In Proceedings of the 40th annual meeting on association for computational linguistics (pp. 311-318). Association for Computational Linguistics. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트