초록
기존의 기계 번역 시스템, 구문 기반 또는 신경망 기반을 불문하고, 거의 전적으로 명시적인 분할을 사용한 단어 수준의 모델링에 의존해 왔습니다. 본 논문에서는 근본적인 질문을 제기합니다: 신경망 기계 번역이 명시적인 분할 없이 문자 시퀀스를 생성할 수 있을까요? 이 질문에 답하기 위해, 하위 단어 수준의 인코더와 문자 수준의 디코더를 갖춘 주목력(attention) 기반 인코더-디코더 모델을 WMT'15에서 제공하는 병렬 코퍼스를 사용하여 En-Cs, En-De, En-Ru 및 En-Fi 네 가지 언어 쌍에 대해 평가하였습니다. 실험 결과, 문자 수준의 디코더를 사용한 모델이 모든 네 가지 언어 쌍에서 하위 단어 수준의 디코더를 사용한 모델보다 우수한 성능을 보였습니다. 또한, 문자 수준의 디코더를 사용한 신경망 모델들의 앙상블이 En-Cs, En-De 및 En-Fi에서 최신 비신경망 기계 번역 시스템보다 우수하며, En-Ru에서는 유사한 성능을 보임을 확인하였습니다.