[논문 리뷰] Anusaaraka: Overcoming the Language Barrier in India

Akshar Bharati, Vineet Chaitanya외 3명|ArXiv.org|2003. 08. 07.

Multilingual Education and PolicySocial Sciences인용 수 20

한 줄 요약

Anusaaraka는 원본 텍스트를 목표 언어와 청각적·시각적으로 유사한 형태로 변환함으로써 밀접하게 관련된 인도어 간의 다국어 텍스트 접근을 가능하게 하는 인간 보조 기계 번역 시스템을 제안한다. 이 시스템은 언어적 유사성을 활용하여 번역 부담을 줄이며, 사용자가 약 2주 이내에 출력 언어를 습득할 수 있도록 한다. 이후 문법적 정확성 확보와 스타일 조정을 위한 후처리 편집이 이루어진다.

ABSTRACT

The anusaaraka system makes text in one Indian language accessible in another Indian language. In the anusaaraka approach, the load is so divided between man and computer that the language load is taken by the machine, and the interpretation of the text is left to the man. The machine presents an image of the source text in a language close to the target language.In the image, some constructions of the source language (which do not have equivalents) spill over to the output. Some special notation is also devised. The user after some training learns to read and understand the output. Because the Indian languages are close, the learning time of the output language is short, and is expected to be around 2 weeks. The output can also be post-edited by a trained user to make it grammatically correct in the target language. Style can also be changed, if necessary. Thus, in this scenario, it can function as a human assisted translation system. Currently, anusaarakas are being built from Telugu, Kannada, Marathi, Bengali and Punjabi to Hindi. They can be built for all Indian languages in the near future. Everybody must pitch in to build such systems connecting all Indian languages, using the free software model.

연구 동기 및 목표

• 다국어 인도에서의 언어 장벽을 해결하여 인도어 간 텍스트 접근을 가능하게 하기 위해.
• 기계가 언어 처리를 담당함으로써 인간 번역가의 인지적·언어적 부담을 줄이기 위해.
• 인도어 간 번역 시스템을 구축하기 위한 확장 가능한 무료 소프트웨어 기반 프레임워크를 만들기 위해.
• 인도어 간 언어 유사성을 활용하여 사용자가 기계가 생성한 출력을 이해하기 위한 훈련 시간을 최소화하기 위해.
• 문법적 정확성과 스타일 개선을 위한 후처리 편집을 통해 인간 보조 번역 시스템으로서의 활용을 가능하게 하기 위해.

제안 방법

• 시스템은 목표 언어에서 시각적·청각적으로 유사한 형태로 원본 텍스트를 생성하며, 형태소적·구문적 구조를 유지한다.
• 원본 언어의 구성이 목표 언어에 직접 대응이 없는 경우를 표현하기 위해 표기 체계를 사용한다.
• 출력은 목표 언어와 시각적·청각적으로 유사하도록 설계되어, 최소한의 훈련 후 사용자가 신속히 이해할 수 있도록 한다.
• 사용자는 출력을 정확한 번역이 아닌 청각적·철자적 근사로 이해하도록 훈련받는다.
• 훈련된 사용자의 후처리 편집을 통해 문법 오류를 수정하고 스타일을 향상시켜 자연스러운 목표 언어 텍스트로 전환한다.
• 이 접근은 무료 소프트웨어 모델을 사용하여 구현되어 커뮤니티 기반 개발 및 모든 인도어로의 확장이 가능하다.

실험 결과

연구 질문

• RQ1 기계가 생성한 목표 인도어 텍스트 근사치가 목표 언어에 익숙하지 않은 사용자에게 신속한 이해를 가능하게 할 수 있는가?
• RQ2 인도어 간 언어 유사성이 사용자가 기계가 생성한 출력을 해석하기 위해 필요한 훈련 시간을 얼마나 줄일 수 있는가?
• RQ3 후처리 편집을 통한 문법적 정확성 및 스타일 향상 측면에서 시스템의 인간 보조 번역 지원 능력은 얼마나 효과적인가?
• RQ4 시각적·청각적 유사성이 다국어 텍스트 접근의 인지적 부담을 어떻게 줄이는가?
• RQ5 무료 소프트웨어 모델이 인도의 다양한 언어적 환경에서 다국어 번역 시스템의 개발 및 확장에 지속 가능하게 기여할 수 있는가?

주요 결과

• 원본 언어와 목표 언어 간 청각적·철자적 유사성 덕분에 사용자는 약 2주 이내에 기계가 생성한 출력을 읽고 이해할 수 있다.
• 시스템은 대부분의 언어 처리를 기계가 담당함으로써 번역가의 부담을 효과적으로 줄이며, 해석과 보완 작업은 사용자에게 위임한다.
• 훈련된 사용자의 후처리 편집을 통해 목표 언어에서 문법적으로 정확하고 스타일적으로 적절한 텍스트로 개선된다.
• 이 접근은 확장 가능하고 확장 가능하며, 텔루구어, 칸나다어, 마라티어, 법인어, 펀자브어에서 히누어로의 Anusaaraka 시스템이 이미 개발되고 있다.
• 시스템은 인간 보조 번역 파이프라인으로서 효과적으로 기능하며, 기계 보조 기반과 인간 감시를 통합하여 출력 품질을 향상시킨다.
• 무료 소프트웨어 모델은 협업 기반 개발을 가능하게 하며, 향후 곧바로 모든 인도어에 대한 Anusaaraka 시스템 개발을 지원한다.