논문검색
pISSN : 1225-1453
일본학보,, Vol.132 (2022)
pp.119~134
기계번역의 문맥 판단 능력 분석 ― 동음이의어 번역을 중심으로 ―
최근 컴퓨터의 성능이 빠른 속도로 향상되면서, 그 혜택은 다양한 장면에서 다양 한 사람들에게 제공되고 있다. 기계번역 역시 최초로 등장한 이후 지속적인 발전을 거듭해 번역의 품질이 많이 개선되어 다양한 언어 조합에 대해 여러 기계번역기가 무료, 혹은 유료로 번역 서비스를 제공해주고 있다. 이와 같은 상황에 따라 최근 들 어 기계번역에 관한 학술적 연구 또한 활발하게 이루어지고 있으나, 기계번역에는 여전히 많은 과제들이 남아 있기도 하다. 본 연구는 기계번역의 약점 중 하나로 지적되고 있는 문맥 판단 능력을 평가하는 데 목적이 있으며, 그 방법으로 동음이의어를 문맥에 맞게 해석하고 올바르게 번역 했는지, 파파고와 구글의 실제 한-일 번역 사례를 통해 분석하였다. 분석의 결과, 305개 단어 전체에서 정확하게 번역한 경우가 두 기계번역기 평균 76.1%, 오역한 경우 18.6%, 정확한 번역과 오역이 혼합된 경우 5.4%로, 100점 만점 으로 환산 시 78.8점으로 나타났다. 국립국어원이 작성한 ‘한국어 학습용 어휘 목록’ 에 수록된 어휘(상대적으로 저난도 어휘)와 미수록 어휘(상대적으로 고난도 어휘)로 나누어 분석한 결과 수록 어휘에 대한 점수 84.8점, 미수록 어휘에 대한 점수 72.0점 으로 12.8점의 차이가 확인되었다. 또한, 원문의 같은 어휘를 다른 도착어로 번역해 일관성이 없는 번역을 한 경우 가 전체의 5.4%에 달했다. 이는 기계번역의 특징적인 번역 양상이라 할 수 있으며, 전반적인 정확도를 높임과 동시에 일관된 번역을 하는 것 또한 기계번역이 앞으로 개선해야 할 과제가 될 것이다.
기계번역,문맥 판단,동음이의어,오역,기사문 , machine translation,Contextual Judgment,homonyms,mistranslation,article
A Study of the Contextual Judgment Ability of Machine Translation : Focusing on the Translation of Homonyms
The purpose of this study is to evaluate contextual judgment ability, which is pointed out as one of the weaknesses of machine translation. To this end, we analyzed whether “homonyms” are correctly interpreted and translated according to the context using KoreanJapanese translations by Papago and Google. Analysis revealed that the two machine translators, with 305 words, translated 76.1% correctly, 18.6% incorrectly, and 5.4% were a mixture of correct and incorrect translations. Further analyses of the recorded (relatively low difficulty vocabulary) and unrecorded vocabularies (relatively high difficulty vocabulary) in the “Korean language learning lexicon list” showed that the translation scores were 84.8 points, and 72.0 points for the recorded and unrecorded vocabularies, respectively. Furthermore, inconsistent translations of the same vocabulary in the original text to different target languages, which is a characteristic aspect of machine translation, reached 5.4% of the total. This is also a major issue of machine translation to perform consistent translation while improving overall accuracy.
