특정 분야에 특화된
고정밀 AI 번역을
개발하고 싶다
다국어 챗봇의
정확도를
높이고 싶다
대화나 질의응답 시의
발언을 예측하고 싶다
동남아시아 국가들의 언어에
대응하는
대역 코퍼스를
찾고 있습니다
업종이나 전문 분야에
특화된
용어 사전을
만들고 싶습니다
1980년대부터 기계 번역을 개발해 왔으며,
대기업에 대한 대역 코퍼스 납품 실적도 풍부합니다.
오랜 경험과 노하우로 문제 해결에 기여하는
다국어 코퍼스를 제공합니다.
관광, 의료, 법률, 금융, 지식재산 등
다양한 분야의 대역 코퍼스를 보유하고 있습니다.
기자회견, 질의응답 등 대화 형식의
대역 코퍼스도 준비되어 있습니다.
제공 가능한 대역 코퍼스는 100만 쌍 이상!
이용 중인 번역 지원 도구의
번역 메모리로도 활용 가능합니다.
일본어에서 영어로 번역된 데이터 외에도,
영어에서 동남아시아 언어나 희귀 언어로
번역된 대역 코퍼스를 보유하고 있습니다.
대역 코퍼스는 각 언어의 원어민이
번역했기 때문에, 각 언어 특유의
뉘앙스와 관용구가 반영되어 있습니다.
분야, 데이터 타입뿐만 아니라 원문과 번역문의
번역 방향까지 포함하여 관리하고 있으므로,
원하시는 대역 코퍼스를 추출할 수 있습니다.
다국어 전문 용어 사전 제작도 가능합니다.
공장이나 작업 현장에서 안전하게 작업하기 위한 주의사항을 업종별 대화 형식으로 갖추고 있습니다.
농업, 임업, 수산업 등의 1차 산업부터 경제, 금융, IT, 원자력 관련 보고서까지 많은 분야에 대응하고 있습니다.
입국 및 체류 자격 관련 법률이나 의료 현장에서의 문진 등 외국인이 일본에 입국하여 생활하는 데 필요한 데이터를 다국어로 준비하고 있습니다.
대형 통신사의 연구 부문
/방송국의 연구소
/AI 계열 기계 번역 엔진 개발 회사
등
기계 번역이나 다국어 생성 AI의 개발 및 튜닝에 있어 대역 코퍼스의 필요성은 점점 더 높아지고 있습니다. 또한 번역가가 새로운 분야의 번역을 시작하는 경우에도 사내에 축적된 번역 메모리가 있다면 번역 작업의 효율은 크게 향상될 것입니다. 반면 체계적인 대역 코퍼스를 직접 수집하는 것은 쉽지 않으므로, 외부에서 데이터를 조달하여 목적하는 결과물의 개발이나 번역 작업에 집중하는 것이 효율적이라고 할 수 있습니다.
대역 코퍼스 선정 포인트로 다음 6가지를 들 수 있습니다.
１） 언어 조합
２） 분야
３） 품질
４） 수량
５） 데이터 타입
６） 문맥 유무
1)의 '언어 조합'은 번역가가 번역하는 언어 쌍이나 기계 번역 개발 시 학습시킬 언어 쌍이 일본어와 영어인지, 일본어와 중국어인지 등을 의미합니다. 사용하는 번역 지원 도구의 번역 메모리에 등록하는 경우에도 마찬가지로 '언어 조합'은 가장 중요한 요소라고 할 수 있습니다. 나아가 더 자연스러운 표현을 원할 경우에는 어느 언어가 원문인지도 중요한 요소가 됩니다. 구체적인 예로, 단순히 '일본어와 영어 대역 코퍼스'라고 해도 일본어 원문을 영어로 번역한 경우와 영어 원문을 일본어로 번역한 경우, 영어 표현의 유창함이나 번역의 배경에 차이가 느껴지는 것은 당연하다고 할 수 있습니다.
2)의 '분야'는 관광, 의료, 법률, 경제, 과학 기술 등의 분야를 가리킵니다. 정밀도를 높이고 싶은 분야의 데이터를 기계 학습시킴으로써 개발 가속화로 이어집니다. 특정 분야의 기계 번역 정밀도를 향상시키기 위해 언어 모델을 구축하는 경우, 효과가 나타나는 기준은 10만 쌍 정도라고 합니다. 대역 코퍼스에서 전문 용어 사전을 작성하는 경우에도 분야가 중요하다는 것은 말할 필요도 없습니다. 당사의 사례를 보면, 일본 국내에서 요구되는 분야는 관광 입국이라는 명목하에 인바운드 대응에 주력하던 시대에는 관광 분야, 방일·정주 외국인을 위한 의료를 강화하기 위해 의료 분야의 대역 코퍼스가 요구되었습니다. 나아가 사업 내용 발표나 설명에 사용되는 프레젠테이션 자료, 회의나 이벤트에서의 강연과 그에 이어지는 질의응답을 기록한 비즈니스 분야로, 수년 사이에 니즈는 변천했습니다.
3)의 '질'이란 바꾸어 말하면 정밀도를 의미하며, 대역 코퍼스가 작성된 방법에 의존합니다. 사람의 손으로 번역된 데이터인 것이 바람직하며, 기계 번역을 사용하여 번역되었고 사람의 눈에 의한 확인이나 수정 과정을 거치지 않은 것은 자연스럽게 질이 떨어집니다. 또한 사람의 손으로 번역된 대역 데이터의 경우에도 원문 1문장에 대해 번역문이 2문장 이상으로 번역되어 있는 경우가 있으며, 원문과 번역문이 1문장으로 대응하는 것이 필수인 경우에는 질에 영향을 주게 됩니다. 나아가 지나치게 생략되어 번역된 경우도 양질의 대역 코퍼스라고 할 수 없습니다.
4)의 '수량'은, 예를 들어 사내에서 사용하는 번역 지원 도구의 번역 메모리나 단어 사전에 등록할 목적이라면, 특정 분야의 대역 코퍼스가 수만 쌍만 있어도 번역가에게 충분히 도움이 되는 양이라고 할 수 있습니다. 기계 번역 엔진을 개발하는 경우 등 특정 분야의 기계 학습을 수행할 때는 10만 쌍으로도 일정한 효과가 있다고 알려져 있습니다. 반면, 범용 기계 번역 엔진을 개발할 경우에는 수천만 쌍이 필요하다고 합니다. 이처럼 요구되는 대역 코퍼스의 양은 용도에 따라 크게 달라집니다.
5)의 '데이터 타입'은 대역 코퍼스를 작성한 원본 파일이 보고서·백서, 발표·회견·질의응답 중 무엇인지를 나타냅니다. 문어체를 기계 학습시키고 싶다면 보고서·백서를, 구어체를 기계 학습시키고 싶다면 발표·회견·질의응답에서 작성된 대역 코퍼스를 사용하는 것이 더 효과적입니다. 당사의 대역 코퍼스는 속성을 세밀하게 관리하고 있으므로 데이터 타입별로 대역 코퍼스를 추출할 수 있습니다.
6)의 '문맥 유무'란 여러 문장 간에 의미상의 연결성이 있는지 여부를 의미합니다. 구체적으로 사전에 게재된 예문은 특정 표제어를 포함하고 있다는 것만이 조건이며, 다른 예문과의 맥락은 없습니다. 따라서 '문맥이 없다'고 판단합니다. 반면, 보고서는 어떤 현상이나 사건에 관한 기술이 여러 문장으로 구성되어 있으므로 '문맥이 있다'고 할 수 있습니다. 마찬가지로 회견이나 질의응답에 대해서도 여러 화자가 교대로 대화하므로 '문맥이 있다'고 할 수 있습니다. 기계 번역뿐만 아니라 챗봇에서 더 높은 정확도의 답변을 생성하기 위해 기계 학습용 대역 코퍼스에 '문맥이 있는' 데이터가 이전보다 더 많이 요구되고 있습니다.
요약
대역 코퍼스를 선정할 때는 용도에 따라 상기 1)부터 6)까지를 고려해야 합니다. 특히 특정 분야에 대해 기계 학습을 수행하는 경우에는 품질이나 데이터 타입, 문맥 유무의 필요성을 고려하는 것이 중요합니다. 목적에 맞는 대역 코퍼스를 활용하기 위해 우선 당사의 무료 샘플 데이터를 확인해 주십시오.
