러시아어-한국어 법률 병렬 코퍼스를 활용한 도메인 특화 기계번역에 관한 연구 = Русско-корейский параллельный корпус юридических текстов и его применение для доменно-специализированного машинного перевода

국문 초록 (Abstract)

본 연구는 러시아어-한국어 법률 텍스트 병렬 코퍼스를 구축하고, 이를 활용한 도메인 특화 기계번역의 효과를 검증하는 것을 목적으로 한다. 러시아어와 한국어는 유형론적으로 상이한 언어이며, 법률 언어는 전문용어와 복잡한 통사 구조를 특징으로 하여 기계번역에 있어 특히 난이도가 높은 영역이다. 러시아어-한국어 언어쌍의 경우 법률 분야 특화 코퍼스가 사실상 부재하여 해당 분야의 기계번역 발전에 심각한 제약이 존재한다. 이에 본 연구는 고품질 병렬 코퍼스를 구축하고, 기계번역 모델의 도메인 적응 실험을 통해 그 실용적 가치를 입증하는 것을 주요 목표로 설정하였다.
연구는 다음 세 단계로 진행되었다.
첫째, 러시아 헌법, 민법전, 형법전, 노동법전, 세법전 등 주요 법률 문서를 수집 및 전처리하여 10,000개의 문장쌍으로 구성된 병렬 코퍼스를 구축하였다. 코퍼스 분석 결과, 법률 전문용어의 높은 빈도와 담화 표지의 특징적 분포가 확인되어 구축된 코퍼스가 법률 도메인을 대표하는 자원임을 검증하였다.
둘째, 구축된 코퍼스의 효과를 검증하기 위해 두 가지 다국어 사전학습 모델인 NLLB-200과 mBART-50을 선정하고, 구축된 코퍼스를 활용하여 미세조정을 수행하였다.
셋째, NLLB-200과 mBART-50의 미세조정 전후 번역 품질에 대해 자동평가 지표(BLEU, chrF), 정성적 자동평가(G-Eval), 수동 전문가 평가를 적용한 종합 평가를 실시하였다. 범용 시스템과의 비교를 위해 구글 번역도 평가 대상에 포함하였다. 평가 결과, 두 모델 모두 미세조정 후 번역 품질이 크게 향상되었으며, 특히 mBART-50 미세조정 모델이 모든 평가 유형에서 최고 성능을 보였다. 오류 유형 분석에서도 미세조정 후 법률 개념 및 용어 왜곡과 관련된 중대 오류가 크게 감소하였다. 이러한 결과는 특화 병렬 코퍼스가 법률 분야 기계번역 품질 향상을 위한 핵심 자원임을 보여준다.
본 연구는 학술적, 기술적, 실용적 측면에서 유의미한 기여를 한다.
학술적 측면에서, 전수 품질 검증을 거친 10,000개 문장쌍 규모의 러시아어-한국어 법률 텍스트 병렬 코퍼스는 해당 언어쌍 최초의 자원으로서 법률 번역, 대조언어학, 코퍼스 언어학 연구의 기반이 될 수 있다. 제시된 코퍼스 구축 방법론은 저자원 환경에서도 재현 및 적용이 가능하다.
기술적 측면에서, 제한된 데이터를 활용한 도메인 적응의 효과를 실험적으로 입증함으로써, 고품질 특화 코퍼스가 소규모 데이터 환경에서도 번역 품질 향상의 핵심 요인임을 보여주었다.
실용적 측면에서, 구축된 코퍼스는 번역사 교육, 번역 메모리 구축, 용어집 개발, 모델 추가 학습 등에 활용될 수 있으며, 확대되는 러시아어권 국가들과의 협력 환경에서 번역사의 업무 효율성 제고와 법률 정보 접근성 향상에 기여할 수 있다.
본 연구는 러시아어-한국어 법률 병렬 코퍼스를 체계적으로 구축하고, 이를 활용한 미세조정을 통해 번역 품질의 유의미한 향상을 달성하였다. 본 연구에서 구축한 코퍼스와 제시한 방법론은 러시아어-한국어 법률 번역 연구의 기초 자원이자 방법론적 참조점으로 활용될 수 있으며, 나아가 다른 전문 도메인 및 저자원 언어쌍 연구에도 적용 가능하다는 점에서 광범위한 활용 가능성을 지닌다.

다국어 초록 (Multilingual Abstract)

Данное исследование посвящено построению русско-корейского параллельного корпуса юридических текстов и доказательству его эффективности для доменно-специализированного машинного перевода. Русский и корейский языки значительно различаются с типологической точки зрения, а юридический язык характеризуется использованием специализированной терминологии и сложными синтаксическими структурами, что делает его особенно трудным для машинного перевода. Для русско-корейской языковой пары специализированные корпусы юридических текстов практически отсутствуют, что серьёзно ограничивает развитие машинного перевода в данной области. В связи с этим основными целями данного исследования являются создание высококачественного параллельного корпуса и демонстрация его практической ценности через эксперименты по доменной адаптации моделей машинного перевода.
Исследование проводилось в три основных этапа.
Во-первых, были собраны и предварительно обработаны ключевые правовые документы, включая Конституцию России, Гражданский кодекс, Уголовный кодекс, Трудовой кодекс, Налоговый кодекс и т. д., на основе которых был создан параллельный корпус, состоящий из 10 000 пар предложений. Анализ корпуса выявил высокую частотность юридической терминологии и характерное распределение дискурсивных маркеров, что подтверждает репрезентативность созданного корпуса для юридического домена.
Во-вторых, для доказательства эффективности построенного корпуса были выбраны две многоязычные модели машинного перевода — NLLB-200 и mBART-50, — на которых была проведена тонкая настройка (fine-tuning) с использованием созданного корпуса.
В-третьих, была проведена комплексная оценка качества перевода моделей NLLB-200 и mBART-50 до и после тонкой настройки с применением автоматических метрик (BLEU, chrF), автоматической оценки с использованием GPT-4o (G-Eval) и ручной экспертной оценки. Для сравнения с универсальной системой в оценку был также включён Google Translate. Результаты показали существенное улучшение качества перевода после тонкой настройки для обеих моделей, при этом модель mBART-50 после тонкой настройки продемонстрировала наивысшую производительность по всем типам оценки. Анализ типов ошибок также выявил существенное сокращение критических ошибок, связанных с искажением юридических понятий и терминологии, после тонкой настройки. Эти результаты убедительно демонстрируют, что специализированный параллельный корпус является ключевым ресурсом для повышения качества машинного перевода в юридической области.
Данное исследование вносит значительный вклад в академическом, техническом и практическом аспектах.
С академической точки зрения, построенный русско-корейский параллельный корпус юридических текстов объёмом 10 000 пар предложений с полной проверкой качества представляет собой первый ресурс такого рода для данной языковой пары и может служить основой для исследований в области юридического перевода, сопоставительной лингвистики и корпусной лингвистики. Представленная методология построения корпуса является воспроизводимой и применимой даже в низкоресурсных условиях.
С технической точки зрения, экспериментальное доказательство эффективности доменной адаптации с использованием ограниченного объёма данных демонстрирует, что высококачественный специализированный корпус является ключевым фактором улучшения перевода даже при малых объёмах данных.
С практической точки зрения, построенный корпус может использоваться для обучения переводчиков, создания переводческой памяти, разработки терминологических баз и дальнейшего обучения моделей, способствуя повышению эффективности работы переводчиков и улучшению доступности правовой информации в условиях расширяющегося сотрудничества Кореи с русскоязычными странами.
Данное исследование систематически построило русско-корейский параллельный корпус юридических текстов и достигло значительного улучшения качества перевода посредством тонкой настройки с его использованием. Построенный корпус и представленная методология могут служить базовым ресурсом и методологическим ориентиром для исследований в области русско-корейского юридического перевода, а также обладают широким потенциалом применения в других специализированных доменах и исследованиях низкоресурсных языковых пар.

목차 (Table of Contents)

• 제 1 장 서론 1
• 1.1 연구 배경 1
• 1.2 연구 목적 9
• 1.3 연구 방법 11
• 1.4 논문의 구성 14
• 제 2 장 이론적 배경 17
• 2.1 법률 언어의 정의와 특징 18
• 2.1.1 법률 언어의 정의 18
• 2.1.2 법률 언어의 일반적 특징 23
• 2.1.3 러시아어 법률 언어의 특징 32
• 2.1.3.1 러시아어 법률 언어의 어휘적구문적 특징 33
• 2.1.3.2 러시아어 법률 언어의 문체적화용적 특징 43
• 2.1.4 한국어 법률 언어의 특징 50
• 2.1.4.1 한국어 법률 언어의 어휘적구문적 특징 51
• 2.1.4.2 한국어 법률 언어의 문체적화용적 특징 57
• 2.2 법률 번역학과 코퍼스 연구 62
• 2.2.1 법률 번역학 개요 62
• 2.2.2 러시아어-한국어 법률 번역 66
• 2.2.3 코퍼스 기반 번역 연구 동향 69
• 2.2.4 법률 번역에서의 코퍼스 활용 75
• 2.3 기계번역과 법률 분야 79
• 2.3.1 NMT 의 발전 동향 80
• 2.3.2 머신러닝을 통한 MT 품질 개선 85
• 2.3.3 법률 도메인에서의 MT 현황 91
• 2.3.4 번역 품질 평가 방법론 95
• 2.3.4.1 자동평가 방법론 96
• 2.3.4.2 모델 기반 자동평가 방법론 100
• 2.3.4.3 수동평가 방법론 104
• 제 3 장 러시아어-한국어 법률 병렬 코퍼스 구축 108
• 3.1 병렬 코퍼스 설계의 고려 요소 109
• 3.2 데이터 선정 및 수집 114
• 3.3 데이터 전처리 119
• 3.3.1 데이터 정렬, 문장 분할, 노이즈 처리 119
• 3.3.2 긴 문장 제거 125
• 3.3.3 데이터 분할 130
• 3.4 코퍼스 규모 및 기초 통계 131
• 3.4.1 문장 수 131
• 3.4.2 문장 길이 133
• 3.4.3 어휘 통계 136
• 3.4.3.1 기본 어휘 지표 136
• 3.4.3.2 법률 전문용어 142
• 3.4.4 담화 표지의 범주별 분포 145
• 제 4 장 법률 도메인 특화 코퍼스 기반 모델 학습 151
• 4.1 학습 데이터 준비 153
• 4.2 학습 환경 설정 154
• 4.3 모델 선정 157
• 4.4 하이퍼파라미터 설정 160
• 4.5 모델 학습 실행 162
• 제 5 장 번역 성능 평가 및 비교 분석 165
• 5.1 평가 설계 및 방법 165
• 5.1.1 평가 대상 모델 166
• 5.1.2 번역 실행 168
• 5.1.3 평가 데이터 및 샘플링 169
• 5.1.4 자동평가 설정 171
• 5.1.5 모델 기반 자동평가 설정 172
• 5.1.6 수동평가 설정 175
• 5.2 자동평가 결과 180
• 5.3 모델 기반 자동평가 결과 182
• 5.4 수동평가 결과 185
• 5.4.1 종합 성능 평가 및 통계 검증 185
• 5.4.2 충실성 및 유창성 분석 190
• 5.4.3 오류 유형별 분석 및 사례 195
• 5.5 종합 비교 분석 213
• 5.5.1 평가 방법별 시스템 순위 비교 213
• 5.5.2 미세조정 효과에 대한 종합 논의 215
• 제 6 장 코퍼스 및 모델의 활용 방안 217
• 6.1 코퍼스 및 모델 개선 방향 217
• 6.2 법률용어 사전 구축과 연동 219
• 6.3 실무 적용 시스템 구현 223
• 제 7 장 결론 228
• 7.1 연구 요약 228
• 7.2 연구 의의 230
• 7.3 향후 과제 233
• 참고문헌 236
• 초록 250
• Резюме 252