KCI등재
벡터 얼라인먼트를 활용한 기계 번역 학습 데이터 정제 방법론 = A Methodology for Purifying Data for Machine Translation Using Vector Alignment
저자
발행기관
학술지명
아시아태평양융합연구교류논문지(Asia-pacific Journal or Convergent Recearch Interchange)
권호사항
발행연도
2023
작성언어
Korean
주제어
등재정보
KCI등재
자료형태
학술저널
수록면
55-67(13쪽)
DOI식별코드
제공처
With recent advancements in GPUs and novel AI algorithms, remarkable progress has been made in the field of deep learning-based machine translation. A vast amount of parallel corpus consisting of pairs of source and target languages is required to perform machine translation tasks successfully. However, such a parallel corpus is rare, and it is difficult to verify its quality. Although the quality of machine translation training data is a crucial factor directly affecting the performance of translation models, discussions on the quality of machine translation training data have not been addressed sufficiently so far. In this study, therefore, we propose a method to improve the quality of machine translation training data using deep learning-based vector alignment techniques. Specifically, we train a deep learning-based vector alignment model to convert English sentence vectors to Korean sentence vectors using high-quality Korean-English data, align the English sentence vectors of newly given Korean-English data to the Korean vector space using the trained model, and remove the ones with the low similarity between the aligned vectors and Korean sentence vectors as noise. Experimental results show that the proposed method achieves the best performance with an F1-score of 0.860 on average when refining 10% of the entire data.
더보기최근 GPU 및 AI 알고리즘의 발전에 따라, 딥 러닝 기반 기계 번역 분야에서도 괄목할 성과가 나타나고 있다. 기계 번역 태스크를 수행하기 위해서는 원문 언어와 대상 언어의 쌍으로 구성된 방대한 양의 병렬 코퍼스가 필요한데, 이러한 병렬 코퍼스가 드물 뿐 아니라 해당 데이터의 품질을 확인하기 어렵다는 어려움이 존재한다. 하지만 기계 번역 학습 데이터의 품질은 번역 모델의 성능에 직접적인 영향을 미치는 매우 중요한 요소임에도 불구하고, 기계 번역 학습 데이터의 품질에 대한 논의는 거의 다루어지지 않았다. 이에 본 연구에서는 벡터 정렬 기술을 활용하여 기계 번역 학습용 데이터의 품질을 높이는 방안을 제시하였다. 구체적으로 제안 방법론은 고품질 한/영 데이터를 사용하여 영어 문장 벡터를 한글 문장 벡터로 변환하는 딥러닝 기반 벡터 정렬 모델을 학습하고, 학습된 모델을 사용하여 새로 주어진 한/영 데이터의 영어 문장 벡터를 한글 벡터 공간으로 정렬한 뒤, 정렬된 벡터와 한/영 데이터의 한글 문장 벡터와의 유사성이 낮은 경우 이를 노이즈로 간주하여 제거한다. 제안 방법론을 실제 데이터 분석에 적용한 실험 결과, 전체 데이터 중 10%를 정제했을 때의 성능이 F1-score 기준 평균 0.860으로 가장 우수하게 나타남을 확인하였다.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)