분산형 모델의 인코딩 및 적응성 및 확장성 액세싱 document_id A220623065170

본 출원의 명세서는 기계 번역 등의 처리 작업을 수행하기 위하여 컴퓨터와 같은 기계를 이용하는 기계 처리에 관한 것이다. 컴퓨터와 같은 기계 및 컴퓨터 기반의 기계들은 각종 처리 작업을 자동화하는 데에 널리 사용된다. 과거에 기계가 처리하기 어려웠던 특정 작업들이 컴퓨터 정보 기술 및 통신 기술의 발달에 힘입어 점차 자동화되고 있다. 자동화되고 있는 기계 처리 작업 중에서 2가지 예를 들자면 언어 번역(language translation)과 스피치 인식(speech recognition)이 있다. 하나의 인간 언어 또는 자연 언어(소스 자연 언어)를 다른 자연 언어(목표 자연 언어)로 번역하는 것은 여러 가지 방법으로 행하여질 수 있다. 사람은 소스 자연 언어(예를 들면, 중국어)의 텍스트를 먼저 읽고 이해한 다음 목표 언어(예를 들면, 영어)의 대응하는 텍스트로 기록함으로써 소스 자연 언어의 텍스트를 수동으로 번역할 수 있다. 이와 같은 수동 번역은 품질은 높은 경향이 있으나 비용이 많이 들고 속도가 느릴 수 있다. 기계 번역은 컴퓨터 및 다른 기계를 이용하여 번역 처리의 일부 또는 전체를 자동화함으로써 번역 비용을 감소시키고 번역 처리를 신속히 한다. 기계 번역 기술의 2가지 예를 들자면 규칙 기반의(rule-based) 기계 번역과 통계적 기계 번역이 있다. 기계 번역 시스템은 사용하기 쉽다. 즉, 사용자는 소스 자연 언어의 디지털 문서를 기계 번역 시스템에 전송하고; 시스템은 상기 문서를 처리하여 목표 자연 언어로 번역된 문서를 생성한다. 기계 번역은 점차 광범위한 응용에서 사용되고 있다. 예를 들어, 상이한 자연 언어의 정보에 대한 쉬운 액세스를 허용하기 위하여, 리소스(resource)는 기계 번역을 제공하기 위해 인터넷과 같은 많은 컴퓨터 네트워크 상에서 이용 가능하다. 그러나, 기계 번역 시스템의 번역 품질은 수동 번역보다 낮을 수 있고, 때로는 기계 번역된 텍스트가 이해하기 어렵거나 불가능할 수도 있다. 통계적 기계 번역 기술을 비롯한 각종 기계 번역 기술들은 번역 품질 및 번역 속도와 같은 기계 번역의 여러 가지 측면을 개선하도록 개발되어 왔다.