연구진이 언어 간 의미 전달의 한계인 '번역 불가능' 현상을 다루는 온톨로지를 개발했어요. 번역 불가능 상황에서 의미를 전달하는 다양한 전략(Annotation, Substitution 등)을 분류하고, 이를 바탕으로 다국어 데이터셋을 구축했어요. 사람 평가 결과, 설명적 맥락을 포함하는 Annotation 전략이 높은 선호도를 보였으며, 이는 전략 선택이 번역 품질에 영향을 미친다는 것을 시사해요.
기존 MT 시스템의 한계가 번역 불가능한 경우에 집중됨에 따라, 연구진은 번역 불가능의 구조적 온톨로지와 함께 보상 전략 체계를 제시했어요. 이 프레임워크를 바탕으로 다국어 데이터셋을 구축하여 번역 행동을 분석하고 모델링할 수 있는 기반을 마련했어요.
연구진은 번역 불가능한 문장과 전략 기반 번역을 짝지은 데이터셋을 구축하여, 번역 품질이 전략에 따라 달라지는 것을 확인했어요. 이는 전략 기반 기계 번역 연구를 위한 토대를 제공하며, 앞으로 MT 시스템의 성능 향상에 기여할 수 있을 것으로 기대돼요.