|
|
|
|
|
|
||
|
제목: TransWorks 특허출원 문서소개 |
이페이지 저작권은 저자에게 있음. |
|
|
저자: 정재준(rgbi3307(at)nate.com) |
최근수정일:2011-05-22 |
|
|
|
|
|
목차:
1. 특허 출원을 위한 기재사항.
2. 개요.
3. TWI 소개.
4. TWI 번역 방식.
5. TWI 번역 맞춤형 단어색인.
6. TWI 번역 검증.
7. TWI 번역 방식의 장단점.
2. 개요.
이 문서는 “맞춤형 문장 자동 번역 시스템 및 이를 위한 데이터베이스 구축방법”을 개발한 것에 관한 것이며, 이 알고리즘을 컴퓨터 프로그래밍 언어인 C언어로 구현하여 증명하는 내용으로 구성한다. 이 알고리즘은 영어 문장과 한글 문장을 상호 번역하는 방법에 관한 것이다. 번역된 문장을 구성하는 단어들에 고유번호를 부여하고 이것을 색인사전에 저장한 것을 빠르게 검색하는 방식으로 문장을 번역한다. 문장을 상호 번역하기 위해서 영어단어 색인번호와 한글단어 색인번호를 서로 맞춤형 자료구조로 저장하고 이것을 빠르게 검색하는 알고리즘이 새로운 발명이며 특허 출원 대상이다. 이것을 “번역 맞춤형 단어색인 검색 알고리즘”이라 하고 “TWI” 라는 명칭을 부여한다. TWI는 C언어로 프로그래밍 되었으며 B+Tree 구조의 단점을 보완하여 문장 번역을 위한 맞춤형으로 최적화 시켰다. 개발한 프로그램의 명칭은 “TransWorks”이다. TransWorks에서 TWI의 수행 시간은 산출되었으며 아래와 같은 수식이 도출되었다.
M = (log(n) ´ 10) / 2
T = M ´ c
TS = w ´ T
TWI 검색시간(초): TWS = 2TS + T
여기서 n는 색인번호의 개수, M은 비교회수, w는 문장안의 단어개수, log 함수의 밑수는 10이고, c는 단어 하나를 검색하는데 소요되는 시간으로 컴퓨터 처리속도에 의존하는 값이다. 수식의 의미와 산출 결과값들은 아래에서 자세히 설명된다.
핵심용어 정리:
* 색인번호: 문장을 구성하는 단어들에게 부여한 고유번호.
* 색인사전: 색인번호를 저장한 사전.
* 번역 맞춤형 단어색인: 영어단어 색인번호와 한글단어 색인번호를 서로 연결하는 자료구조.
* TWI (TransWorks Index): 번역 맞춤형 단어색인 검색 알고리즘.
* TransWorks: TWI를 C언어로 개발한 프로그램.
목차:
3. TWI 소개.
4. TWI 번역 방식.
5. TWI 번역 맞춤형 단어색인.
6. TWI 번역 검증.
7. TWI 번역 방식의 장단점.
3. TWI 소개.
일반적으로 문장 번역은 아래 그림과 같은 방식으로 수행하며 이때 문장을 구성하고 있는 단어들을 검색하는 방식이 중요한 평가 요소가 된다.
옥스포드 영어사전에 등재되어 있는 영어단어 수는 약30만(3 x 10의5승)개 라고 알려져 있다. 일상생활에서 통용되는 단어(방언, 신조어 등..)들까지 합하면 약100만(10의6승)개의 단어가 있다고 예상된다. 영어단어 100만개, 한글단어 100만개를 서로 연결시킨 순차적인 자료구조로 컴퓨터 메모리에 영한-한영 사전을 구축했을 때, 일반적인 단어 검색 시간에 대해서 먼저 정리한다.
요즘 컴퓨터의 CPU 처리속도는 보통 수 GHz이다. 즉, CPU 내부에서 1 클럭(디지털 신호가 On/Off로 변화되는 클럭)은 약 10의-9승초(0.001마이크로초)가 걸린다는 것이다. CPU 제조사 마다 조금씩 다르겠지만, 1개의 기계명령이 10클럭으로 설계되었다면, 하나의 명령을 수행하는데 0.01마이크로초가 소요된다. 여기서, 하나의 문자를 비교하는데 10개의 기계명령이 필요하다면, 하나의 문자 비교에 0.1마이크로(10의-7승)초가 소요된다. 영어단어가 평균 10개의 문자로 구성되었다고 보면, 하나의 영어단어를 비교하는데 약 1마이크로(10의-6승)초가 걸린다고 계산할 수 있으며 이것이 상수 c값(컴퓨터 처리속도에 따라 달라짐)이다. 그렇다면, 컴퓨터 메모리에 100만개의 단어가 일반적인 형태의 순차 배열로 저장되어 있다고 할 때, 단어 검색 시간을 아래와 같은 수식으로 계산할 수 있다.
N = n
A = N ´ c
여기서, n은 단어 사전안의 단어개수, N은 단어비교 회수이며, c는 단어 하나를 비교하는데 소요되는 시간으로 위에서 산출한 1마이크로(10의-6승)초 이다.
(1) 최선의 경우: 영어단어 1번 비교(N = 1): A1 = 1 ´ c = 1마이크로(10의-6승)초
(2) 최악의 경우: 영어단어 100만번 비교(N = 10의6승):
A2 = (10의6승) ´ c = (10의6승) ´ (10의-6승) = 1초
(3) 평균: A3 = A2 / 2 = 1초 / 2 = 0.5초
위의 결과는 100만개의 단어가 컴퓨터 메모리에 순차적인 배열형태로 나열되어 있는 자료구조에서 하나의 단어를 순차 검색했을때의 결과이다. 영어문장은 보통 수십개의 단어들로 구성되어 있다. 따라서, 문장안에 있는 단어들을 모두 검색하는데 소요되는 시간은 아래와 같은 수식으로 계산할 수 있다.
AS = w ´ N ´ c = w ´ A3
여기서, w는 문장안의 단어개수, N은 단어비교 회수이며, c는 단어 하나를 비교하는데 소요되는 시간으로 위에서 산출한 1마이크로(10의-6승)초 이다.
예를들어 10개의 단어들로 구성된 문장의 단어들을 모두 검색한다면, w=10, A3 = 0.5초 이므로 AS = 10 ´ 0.5초 = 5초가 된다. 5초라는 시간은 요즘의 컴퓨팅 환경에서 상당히 긴 시간이다. 따라서, 문장 번역을 빠르게 하기 위해서는 좀더 효율적인 자료구조와 알고리즘이 필요하다.
TWI는 Tree구조를 바탕으로 한 B+Tree 구조를 개선한 “번역 맞춤형 단어색인 검색 알고리즘”이다. TWI의 단어 검색속도는 아래와 같이 산출된다.
100만개의 단어에 색인번호를 부여하여 TWI 색인사전에 저장하면 Tree의 높이(height)는 log(10의6승), 즉 6이 된다. (log 함수의 밑수는 10). 높이(height)는 100만개의 단어중에서 한 개 단어를 검색할 때 단어 비교 회수 N이며, 검색 시간은 아래와 같이 계산된다.
M1 = log(n)
T1 = M1 ´ c
M2 = log(n) ´ 10
T2 = M2 ´ c
(1) 최소: T1 = log(10의6승) ´ 1마이크로초 = 6 ´ 1마이크로초 = 6마이크로초 = 0.006미리초
(2) 최대: T2 = log(10의6승) ´ 10 ´ 1마이크로초 = 60마이크로초 = 0.06미리초
(3) 평균: T = T2 / 2 = 0.03미리초
문장 안에 단어가 10개로 구성되어 있다면, 문장 안의 단어를 모두 검색하는 시간은 아래의 수식으로 계산할 수 있다.
M = (log(n) ´ 10) / 2
T = M ´ c
TS = w ´ M ´ c = w ´ T
위의 수식에서 M은 평균비교 회수이며 아래와 같이 계산된다.
M = (log(10의6승) ´ 10) / 2 = 60 / 2 = 30
T = 30 ´ 1마이크로초 = 30마이크로초 = 0.03미리초
TS = 10 ´ 0.03미리초 = 0.3미리초
문장안의 단어 개수 w을 10으로 했을때 TS는 0.3미리초가 된다. 이것은 앞의 순차탐색 평균 검색시간(AS=5초)에 비해서 약16000배가 빨라지는 결과이다. 위와 같이 TS의 검색속도가 빠른 이유는 단어비교 회수가 로그함수로 증가하기 때문이다. 아래 테이블은 순차탐색의 단어비교 회수 N = n, TWI 색인탐색의 단어비교 회수 M = log(n)를 상호 비교한 것이다.
|
n = 단어개수 |
n = 10 |
n = 1000(10의3승) |
n = 백만(10의6승) |
n = 십억(10의9승) |
|
N = n (비교회수) |
10 |
1000 |
1000000 |
1000000000 |
|
N = n / 2 (평균회수) |
5 |
500 |
500000 |
500000000 |
|
M1 = log(n) |
1 |
3 |
6 |
9 |
|
M = (log(n) ´ 10) / 2 |
5 |
15 |
30 |
45 |
4. TWI 번역 방식.
TWI 번역 방식은 사용자가 번역한 문장에 색인번호를 부여한후 이것을 TWI 색인사전에 저장하여 TS 검색 시간으로 수행되는 방식이다.
TWI는 아래와 같은 방식으로 문장을 번역한다.
(1) 문장을 단어 단위로 분리.
(2) 분리된 각각의 단어를 색인사전에서 검색.
(3) 검색된 색인번호를 조합하여 번역 맞춤형 단어색인에서 검색.
(4) 번역대상 색인번호 선택.
(5) 번역대상 색인번호로 색인사전을 검색.
(6) 검색된 각각의 번역단어를 문장으로 조합.
따라서, TWI를 통한 문장번역 시간 TWS는 아래와 같은 수식으로 계산할 수 있다.
M = (log(n) ´ 10) / 2
T = M ´ c
TS = w ´ M ´ c = w ´ T
TWS = 2TS + T
여기서, M은 TWI 색인사전 검색회수, T는 검색시간, TS는 w개의 단어로 구성된 문장 검색시간, TWS는 TWI의 전체 검색시간이다. 아래의 테이블은 단어개수(n)에 따라서 순차검색 시간(AS)와 TWI의 색인사전 검색시간(TWS)을 표로 정리한 것이다.
|
w = 10 |
n = 10 |
n = 1000(10의3승) |
n = 백만(10의6승) |
n = 십억(10의9승) |
|
AS = w ´ N ´ c |
50 마이크로초 |
5 미리초 |
5 초 |
5000 초 |
|
TWS = 2TS+T |
105 마이크로초 |
345 마이크로초 |
630 마이크로초 |
945 마이크로초 |
5. TWI 번역 맞춤형 단어색인.
TWI 번역에서 TWI 번역 맞춤형 단어색인은 중요한 역할을 한다. 번역한 문장의 단어 색인들을 연결하여 빠르게 검색할 수 있도록 하며 번역문장 인덱스를 컴퓨터 메모리가 허용하는 범위내에서 무한히 할당해도 속도가 별로 떨어지지 않으므로 번역문장 인덱스 개수를 무한히 저장할 수 있다. TWI는 번역문장 인덱스에서 산출한 해시값을 해시 테이블에 연결 시키는 방식을 사용한다.
해시 테이블은 배열형태로 컴퓨터의 기억장소가 허용하는한 무한히 할당할 수 있으며, 해시 테이블의 배열 요소마다 TWI 단어색인을 연결시킬 수 있다. TWI 단어색인은 32비트 컴퓨터에서 42억개까지 저장할 수 있고, 해시테이블의 배열 요소가 n개라면 영어문장 번역 인덱스는 n ´ 42억개만큼 저장 가능하다.
6. TWI 번역 검증.
(1)TransWorks 작업메뉴
|
T: Translation (번역) --> 사용자가 키보드로 입력한 문장을 번역합니다. I: Insertion (입력) --> 사용자가 새로운 문장을 번역하여 입력합니다. D: Deletion (삭제) --> 저장되어 있는 번역 문장을 삭제합니다. V: View (조회하기) --> 저장되어 있는 번역 문장들을 출력합니다. F: File Trans (파일번역) --> 파일의 문장들을 제한된 개수만큼 번역합니다. R: Review (번역복습) --> 번역한 문장들을 반복적으로 학습합니다. C: Change (번역전환) --> 영한-한영 번역방향을 전환합니다. S: Save (작업내용저장) --> 작업내용을 저장합니다.(종료시 자동저장됨) A: Statistic (통계정보) --> 각종 통계정보들을 출력합니다. M: Member (회원메뉴) --> 회원 등록하신 분들을 위한 메뉴입니다. H: Help (도움말) --> 도움말을 봅니다. Q: Quit (프로그램종료) --> 프로그램 종료합니다.
* 프롬프트에 메뉴문자(t/i/d/v/..)중 하나를 키보드로 입력후 엔터합니다. * 입력문자 없이 그냥 엔터하면 이전 작업메뉴로 돌아갑니다. * 단어 입력중에 탭키를 누른후 엔터하면 관련되는 단어가 출력 됩니다.
|
(2)명령 프롬프트 (커서)
|
Command> (명령어 입력)
English>> (영어 입력)
한글>> (한글 입력)
|
(3)탭키 검색
|
단어 입력도중에 탭키를 입력후 엔터하면 입력된 문자와 연관된 단어가 모두 표시됩니다.
English>> discr --> 탭키 입력후 엔터
discredit discreditable discredited discrediting discreet discreetly discrepancies discrepancy discrepant discrete discrete-continuous discretion discretion. discretional discretionary discretization discriminant discriminate discriminated discriminates discriminating discrimination discriminative discriminatory discrown
|
(4)T: Translation (번역): 영어-한글을 상호 번역하여 출력합니다.
|
Command> t English>> I have a dream (영문 입력) 난 꿈이 있어요.
I have a dream. 난 꿈이 있어요.
I have a dream which is up to dick. 나는 멋진 꿈을 갖고 있다.
** Translation Time: 0.001 Secs
English>> (그냥 엔터시 종료)
|
(5)I: Insertion (입력): 사용자가 문장을 번역하여 입력 합니다.
|
Command> i English>> discriminative (영문 입력) 차별적인. * Would you like to delete this? [y/N]
차별적. * Would you like to delete this? [y/N]
차별 세율. * Would you like to delete this? [y/N]
한글>> 식별하는 (한글 입력) ** Insertion Time: 0.000 Secs
English>> (그냥 엔터시 종료)
|
(6)D: Deletion (삭제): 번역한 문장을 삭제합니다.
|
Command> d English>> ant 개미. * Would you like to delete this? [y/N]
불일. * Would you like to delete this? [y/N] y (삭제)
** Deletion Time: 0.000 Secs
병정개미. * Would you like to delete this? [y/N]
|
(7)V: View (조회하기): 번역된 문장들을 모두 출력합니다.
|
Command> v 1: Present situation and methodology for research on sensible textiles and apparel. >> 감성의류 연구의 현황과 방법론. 2: Present at the ceremony were matt , luciana and luciana's 7-year-old daughter , alexia. >> 식에 참여한 사람은 맷 , 루치아나 , 그리고 7살 난 루치아나의 딸 알렉시아였다. 3: Present condition of illumination and artificial lighting elements after remodeling in apartment units. >> 아파트 단위주거 리모델링시의 공간별 조명 요소와 조도 실태. 4: I do not usually read bodice-rippers. >> 나는 보통 로맨스물은 읽지 않아. 5: I do not like to wear this shirt. >> 이 셔츠 입기 싫어요. 6: I do not like it when you make a plaything of me. >> 나는 네가 나를 장난감 취급하면 싫어한다. 7: I do not like it when you make free with my lawn mower. you should at least ask when you want to borrow it. >> 당신이 나의 잔디깎기를 제멋대로 쓰는 것은 마음에 들지 않아요. 빌리고 싶으면 적어도 말이라도 해야 하지 않을까요 ?. 8: I do not like being ordered around by that joker. >> 그런 (잘난척 하는) 인간한테 혹사당하긴 싫어요. 9: I do not like doing the laundry. >> 빨래 하는 것 싫어. 10: I do not like him for he is a hunk of cheese. >> 나는 그가 꾸물대는 놈이라 그를 좋아하지 않는다. 11: I do not like men who macho it out. >> 나는 터프가이처럼 행동하는 남자들이 싫다. 12: I do not like men who macho up. >> 나는 터프가이처럼 대담하게 구는 남자들이 싫다. 13: I do not like such a fearful movie. >> 난 그렇게 무시무시한 영화는 싫어. 14: I do not smoke but i am angry that smokers are being demonized. >> 나는 담배를 피지 않지만 , 담배를 피는 사람들이 악마 취급을 당한다는것에 대해 화가 난다.
* 14/28880(1/9) Would you like to see more? [Y/n] n
|
(8)F: File Trans (파일번역): 파일단위로 번역합니다.
|
Command> f (Path)/home/jungjj/dev/tw/works/ (작업 경로) Input (txt) FileName: mozart.txt (번역대상 텍스트 파일 입력) (Path)/home/jungjj/dev/tw/works/ (작업 경로) Output(txt) FileName: mozart_out.txt (번역하여 출력되는 파일 입력) File (./works/mozart.txt >> ./works/mozart_out.txt) Translating... (번역중) *line: 6: ** 4 Run Time: 0.001 Secs (번역완료)
* mozart.txt (번역대상 텍스트 파일) ----------------------------------- Wolfgang Amadeus Mozart was an Austrian musician and composer. He lived from 1756 to 1791. He started composing at the age of five and wrote more than 600 pieces of music. He was only 35 years old when he died.
* mozart_out.txt (번역하여 출력된 텍스트 파일) ---------------------------------------------- Wolfgang Amadeus Mozart was an Austrian musician and composer. 볼프강 아마데우스 모짜르트는 오스트리아 음악가이자 작곡가 였습니다.
He lived from 1756 to 1791. 그는 1756년에서 1791년까지 살았습니다.
He started composing at the age of five and wrote more than 600 pieces of music. 그는 다섯살때 작곡을 시작했고 600편 이상의 음악을 썼습니다.
He was only 35 years old when he died. 그는 불가 35세의 나이로 사망했습니다.
|
(9)R: Review (번역복습):
최근에 번역한 문장들을 50개 까지 보관했다가 다시 보여줍니다. (출력시 타이머 동작)
|
Command> r Wolfgang Amadeus Mozart was an Austrian musician and composer. 볼프강 아마데우스 모짜르트는 오스트리아 음악가이자 작곡가 였습니다.
He lived from 1756 to 1791. 그는 1756년에서 1791년까지 살았습니다.
He started composing at the age of five and wrote more than 600 pieces of music. 그는 다섯살때 작곡을 시작했고 600편 이상의 음악을 썼습니다.
He was only 35 years old when he died. 그는 불가 35세의 나이로 사망했습니다.
* Would you like to see more? [Y/n]
|
(10)A: Statistic (통계정보): 각종 통계 수치를 보여줍니다.
|
Command> a **TransWorks V1.2011.04
* Dictionay Tree Order : 8 (TWI 색인 오더) * Translation Hash Size : 10 (해싱 크기) * Revision Index Count : 43 (교정용 인덱스 개수) * Words A Queue Count : 0 (삭제된 단어 인덱스) * Words B Queue Count : 0
* Words A Index(i) Count : 95349 (단어1 개수) * Words A Index(i) Serial : 95349 * Words B Index(i) Count : 323844 (단어2 개수) * Words B Index(i) Serial : 323844
* Translation[0] Index(A) Count : 269 * Translation[0] Index(B) Count : 269
* Translation[#] Index(A) Min Count : 28833 * Translation[#] Index(B) Min Count : 28831 * Translation[#] Index(A) Max Count : 29414 * Translation[#] Index(B) Max Count : 29450
* Translation[#] Index(A) All Sum : 262215 (TWI 색인 개수)
** Used Memory: 66213 KBytes (사용한 메모리, 리눅스에서만 나타남)
|
(11)Q: Quit (프로그램종료): 프로그램 종료합니다.
|
Command> q
**TransWorks V1.2011.04 is finishing...Please wait for a while... Writing data to the twd1.twa... Writing data to the twd2.twa... (-)41236 i-nodes have removed. (사용한 메모리 해제) (-)180285 i-nodes have removed. (-)180422 i-nodes have removed. (-)192786 i-nodes have removed. (-)205262 i-nodes have removed. (-)217765 i-nodes have removed. (-)230251 i-nodes have removed. (-)242816 i-nodes have removed. (-)255281 i-nodes have removed. (-)267822 i-nodes have removed. (-)280395 i-nodes have removed. (-)292798 i-nodes have removed. **TransWorks V1.2011.04 have finished. (메모리 모두 해제후 종료)
|
7. TWI 번역 방식의 장단점.
TWI 번역의 장점은 아주 빠르고 정확하다는 것이며, 단점은 문장이 미리 번역되어 저장되어 있어야 한다는 것이다.
사람이 언어를 구사하는 것은 학습을 통해서 이루어진다. 극단적인 예로 청각에 장애가 있는 사람은 말도 하지 못한다. 즉, 청각을 통해서 들은 언어를 머리에 축적시켜 놓지 못하면 꺼내 쓸 수 있는 말도 없게된다. 사람은 요람에서 무덤까지 이르면서 수많은 언어를 듣고 학습한다. 사람의 두뇌 세포들은 엄청난 저장 용량과 논리적인 판단 능력이 있다. 시청각을 통해서 학습한 수십만개의 단어들을 논리적으로 조합하여 언어를 구사한다. 사람이 구사하고 있는 문장의 개수를 다음과 같이 계산해 보자.
(1) 사전에 등재되어 있는 단어(어휘)의 개수 --> 30만개
(2) 문장 개수 --> 단어의 조합 순열 --> 30만!(팩토리얼)
30만 팩토리얼 이라는 수는 현존하는 컴퓨터로 계산할 수 없는(데이터 표현 범위 벗어남) 천문학적인 수이다.
30!(팩토리얼):
265252859812191032188804700045312
100!(팩토리얼):
933262154439441021883256061085752672409442548549605715091669104004
079950642429371486326940304505128980429892969444748982587372043112
36641477561877016501813248
30만!(팩토리얼): 상상해 보자.
사람의 두뇌 세포들은 이러한 어마어마한 저장용량을 가지고 있고, 게다가 논리적인 판단을 통해서 단어(어휘)들을 문법에 맞게 조합하여 사물을 보는 순간 아주 눈 깜짝할 정도의 속도로 문장들을 표현한다. 실로 엄청난 능력을 가지고 있다.
사람의 두뇌를 컴퓨터의 CPU와 메모리에 비유한다. 컴퓨터의 논리회로는 사람의 두뇌 세포라 볼 수 있다. 컴퓨터의 CPU와 메모리는 수십년내로 사람의 두뇌 세포 용량만큼 증가할 수 있다고 본다. 컴퓨터의 메모리 용량은 다음과 같이 계산된다.
32비트 컴퓨터는 2의32승 --> 4 x 10의9승 --> 40억
64비트 컴퓨터는 2의64승 --> 16 x 10의18승 --> 16000000...(0이 18개 붙어 있는수) --> 16해
128비트 컴퓨터는 2의128승 --> 256 x 10의36승 --> 25600000000... (0이 36개 붙어 있는수) --> 256??
256비트 컴퓨터는... 아마 엄청난 크기의 수를 표현할 수 있고, 메모리도 엄청 늘어날 것이다.
우리가 일상에서 사용하는 문장을 다음과 같이 분류해 보자.
(1) 오감(시각, 청각, 후각, 미각, 촉각)에 의한 문장표현: 경험에 의해 축적된 어휘를 순간적으로 표현. 이러한 문장은 사람의 두뇌 세포에 그대로 저장되어 있어서, 맞는 상황이 발생하면 그대로 꺼내어 사용하는 것이라 볼 수 있다. 여기에는 논리적으로 문법을 고려하지 않을 것이다. 따라서, 이러한 문장은 TWI에 모두 저장시켜 두고 빠르게 검색해 낼 수 있다. TWI의 장점은 여기에 있다.
(2) 논리적인 문장표현: 학습에 의해 축적된 어휘를 논리적인 문법 체계에 맞도록 조합하여 표현. 이러한 문장은 30만!(팩토리얼) 이라는 천문학적인 수가 있으므로 현존하는 컴퓨터에 모두 저장 시켜두기에는 한계성이 있지만, TWI는 컴퓨터 기술이 계속 발전하고 메모리 용량이 무한히 증가하면 충분히 실현 가능한 알고리즘이다.
사람이 아닌 기계(컴퓨터)가 사람이 사용하는 언어의 모든 상황, 즉, 화자의 감정, 화자가 처한 상태, 화자의 어투, 줄임말, 존대말, 뛰어쓰기 등을 여러가지 논리로 판단하여 번역하는 데는 한계성이 있다. 그러므로 TWI는 문장에 여러가지 논리성을 적용하거나 통계적인 패턴으로 번역하기 보다 화자가 자신의 언어를 컴퓨터에게 입력(학습) 시키고 이것을 검색해 내는 방식을 도입했다. TWI는 입력되어 있는 문장은 아주 빠르고 정확하게 검색하여 번역한다.
|
|
|
|
|
|
|
|
|
|
||
|
제목: TransWorks 특허출원 문서소개 |
이페이지 저작권은 저자에게 있음. |
|
|
저자: 정재준(rgbi3307(at)nate.com) |
최근수정일:2011-05-22 |