본 발명은 기계학습, 자연어처리 및 패턴기반 참조 라이브러리 기반 탐색 언어학습 시스템 및 방법에 관한 것으로, 더욱 상세하게는, 외국어를 배우는 개인이나 모국어를 사용하는 학생을 위한 학습 보조도구로 설계된 컴퓨터기반 시스템으로서, 탐색을 가능하게 하고, 타겟 언어에 대해 발생된 인스턴스가 인공지능(AI)과 자연어 처리 컴포넌트에 의하여 분석되고, 그리고나서 연계되는 참조 라이브러리의 적절한 항목에 자동으로 매핑하는 자가 학습 모드로서, 사용자가 해당 언어 인스턴스에서 사용되는 품사, 단어 의미, 구문 구조, 문법 및 관용구 패턴을 탐색할 수 있도록 하는 기계학습, 자연어처리 및 패턴기반 참조 라이브러리 기반 탐색 언어학습 시스템 및 방법에 관한 것이다.The present invention relates to a machine learning, natural language processing and pattern-based reference library-based exploratory language learning system and method, and more particularly, to a computer-based system designed as a learning aid for individuals learning a foreign language or students using their native language, which enables exploration and a self-learning mode in which instances generated for a target language are analyzed by artificial intelligence (AI) and natural language processing components and then automatically mapped to appropriate items in an associated reference library, thereby allowing a user to explore parts of speech, word meanings, syntactic structures, grammar and idiom patterns used in the language instances.
인터넷 서비스의 발달로 다른 나라의 동영상 컨텐츠를 개인 단말기기 혹은 전자장치를 이용하여 즐기는 인구가 늘고 있다.With the development of Internet services, the number of people enjoying video content from other countries using personal terminals or electronic devices is increasing.
특히 K-POP의 영향으로 영어권 국가에서 한국어 가요영상 뿐만 아니라고 영화등 다양한 영상컨텐츠를 시청하는 경우가 늘고 있다.In particular, due to the influence of K-POP, the number of people in English-speaking countries watching not only Korean music videos but also various video content such as movies is increasing.
그런데, 예를 들어 영어를 사용하는 Viki등의 동영상 시청프로그램을 사용하여 한국어 영상을 시청하면서 자막을 통해 서비스되는 한국어를 학습하거나 해당 한국어의 영어를 찾아보고자 할 때 그에 대응하는 즉각적인 서비스가 되지 않고 있는 실정이다.However, for example, when watching a Korean video using an English-language video viewing program such as Viki, and trying to learn Korean through subtitles or look up the English equivalent of the Korean, there is no immediate service to respond.
[선행기술문헌][Prior Art Literature]
대한민국 특허 등록번호 제10-1578991호(2015년12월14일 등록)(발명의 명칭:Republic of Korea Patent Registration No. 10-1578991 (registered on December 14, 2015) (Title of invention:
ＤＯＭ기반 동형을 이용하여 웹브라우징 연산을 메모라이징)Memorizing web browsing operations using DOM-based isomorphism)
본 발명은 상술한 종래의 실정을 감안하여 제안된 것으로서, 본 발명의 목적은 외국어를 배우는 개인이나 모국어를 사용하는 학생을 위한 학습 보조도구로 설계된 컴퓨터기반 시스템으로서, 탐색을 가능하게 하고, 타겟 언어에 대해 발생된 인스턴스가 인공지능(AI)과 자연어 처리 컴포넌트에 의하여 분석되고, 그리고나서 연계되는 참조 라이브러리의 적절한 항목에 자동으로 매핑하는 자가 학습 모드로서, 사용자가 해당 언어 인스턴스에서 사용되는 품사, 단어 의미, 구문 구조, 문법 및 관용구 패턴을 탐색할 수 있도록 하는 기계학습, 자연어처리 및 패턴기반 참조 라이브러리 기반 탐색 언어학습 시스템 및 방법을 제공하는 것이다.The present invention has been proposed in consideration of the above-described conventional circumstances, and the object of the present invention is to provide a computer-based system designed as a learning assistance tool for an individual learning a foreign language or a student using a native language, which enables exploration and provides a machine learning, natural language processing and pattern-based reference library-based exploratory language learning system and method, in which instances generated for a target language are analyzed by artificial intelligence (AI) and natural language processing components and then automatically mapped to appropriate items of a linked reference library, thereby allowing a user to explore parts of speech, word meanings, syntactic structures, grammar and idiom patterns used in the language instances.
본 발명의 실시예에 따른 기계학습, 자연어처리 및 패턴기반 참조 라이브러리 기반 탐색 언어학습 시스템은 언어에서 발생된 인스턴스를 수집하거나 입력하기 위한 입력수단,The machine learning, natural language processing and pattern-based reference library-based exploratory language learning system according to an embodiment of the present invention comprises an input means for collecting or inputting instances generated from a language,
상기 입력수단을 통해 입력된 문장을 언어적 단위, 단어, 어간, 접사 및 발음기호 입력문자의 어형 축소와 품사를 생성하는 어형 분석기(morphological analyzer),A morphological analyzer that reduces the form of the input characters and generates the part of speech of the input characters into linguistic units, words, stems, affixes, and pronunciation symbols from the sentences entered through the above input means.
어형 및 구문구조 패턴에 의해 색인된 참조 라이브러리(reference library),A reference library indexed by word form and syntactic patterns;
상기 어형 분석기에 의해 처리된 내용을 참조 라이브러리를 참조로 하여 처리하는 어휘 패턴 매칭기(lexical pattern match),A lexical pattern matcher that processes the content processed by the above word form analyzer by referring to a reference library,
상기 어휘 패턴 매칭기에서 처리된 어형 구조를 구문 구조를 처리하여 더 큰 구문 및 절 구조를 인식하는 구문구조 파서(phrase-structure parser),A phrase-structure parser that processes the word-form structure processed by the above-mentioned lexical pattern matcher into a phrase structure to recognize larger phrase and clause structures.
상기 구문구조 파서를 통해 처리된 구문 구조를 상기 참조 라이브러리를 참조로 하여 처리하는 라이브러리 패턴매칭기(library pattern-match), 및A library pattern matcher that processes the syntax structure processed through the above syntax parser by referring to the above reference library, and
사용자가 관련 참조 자료를 보고 탐색할 수 있는 참조 익스플로러(reference explorer)를 포함하고,
상기 구문구조 파서는 표준 NLP 또는 청킹(chunking) 문법 또는 재귀하강(recursive-descent) 파서와 같은 컴퓨터언어 파싱 방법을 수행하며,
결과는 그래픽으로, 점차적인 대화형 형태로 제공되어, 사용자가 가장 관심있는 분석 부분으로 드릴 다운(drill-down)되도록 하는 것을 특징으로 하는 기계학습, 자연어처리 및 패턴기반 참조 라이브러리 기반 탐색 언어학습 시스템이 제공된다.Includes a reference explorer that allows users to view and navigate related reference material;
The above syntax parser performs a computer language parsing method such as a standard NLP or chunking grammar or recursive-descent parser.
An exploratory language learning system based on machine learning, natural language processing, and pattern-based reference libraries is provided, with results presented graphically and in a progressively interactive format, allowing users to drill down into the parts of the analysis that interest them most.
본 발명의 다른 측면에 따르면, 사용자로부터 탐색하려는 텍스트가 입력되었는지를 확인하는 제1 단계,According to another aspect of the present invention, a first step of checking whether a text to be searched has been input by a user;
형태소 분석기는 입력된 문장을 처리하고 문장의 어형 분류(breakdown) 생성하는 제2 단계,The second step is the morphological analyzer, which processes the input sentence and generates a breakdown of the sentence's word forms.
형태소 분석기는 다양한 종류의 접사(affixes)들을 분리하고 라벨을 붙이며, 동사의 어간을 분리하고, 모든 형태소에 적절한 품사를 할당하는 제3 단계,The third stage, the morphological analyzer, separates and labels various types of affixes, separates the stems of verbs, and assigns the appropriate part of speech to every morpheme.
패턴 일치장치(pattern-matcher)가 초기 "어휘(lexical)" 패스(pass)를 라이브러리의 형태소기반 패턴에 대하여 형성하는 제4 단계,A fourth stage, where the pattern-matcher forms an initial "lexical" pass over the morpheme-based patterns in the library.
패턴 일치장치의 어휘 패스는 조동사 패턴과 같은 잠재적인 복합 형태소 구조를 생성하는 제 5단계,The lexical pass of the pattern matcher is the fifth stage, which generates potential complex morpheme structures such as auxiliary verb patterns.
패턴 일치장치는 주석이 달린 변형된 어형 구조에 구문구조 파싱(구문분석)이 적용되는 제 6 단계,The pattern matcher is the 6th stage, where syntactic parsing is applied to the annotated variant morphological structure.
패턴 일치장치는 보다 크고 중첩될 수 있는 구문 및 절 구조를 식별하는 제 7 단계(파싱 단계), 및The pattern matcher has a seventh stage (parsing stage) that identifies larger and possibly nested syntax and clause structures, and
패턴 일치장치(pattern-matcher)의 다른 패스가 적용되는 제 8 단계를 포함하되,
상기 파싱단계는 표준 NLP 또는 청킹(chunking) 문법 또는 재귀하강(recursive-descent) 파서와 같은 컴퓨터언어 파싱 방법을 이용하여 수행되고,
결과는 그래픽으로, 점차적인 대화형 형태로 제공되어, 사용자가 가장 관심있는 분석 부분으로 드릴 다운(drill-down)되도록 하는 것을 특징으로 하는 기계학습, 자연어처리 및 패턴기반 참조 라이브러리 기반 탐색 언어학습 시스템을 통한 언어학습 방법이 제공된다.Including the 8th step where another pass of the pattern-matcher is applied,
The above parsing step is performed using a computer language parsing method such as a standard NLP or chunking grammar or recursive-descent parser.
A language learning method is provided using an exploratory language learning system based on machine learning, natural language processing, and a pattern-based reference library, where the results are presented graphically and in a progressively interactive format, allowing the user to drill down into the part of the analysis that interests them most.
삭제delete
또한, 구문 구조와 형태소 구조를 참조하는 패턴을 포함하고, 형태소와 파싱 구조에 다른 주석 세트를 첨부하고, 참조 탐색기에서 표시와 탐색을 대비하여, 라이브러리의 모든 참조 항목에 그 주석세트를 다시 연결하는 것을 특징으로 한다.It also includes patterns referencing syntactic and morphological structures, attaching different sets of annotations to morphological and parsing structures, and re-linking those annotation sets to all reference items in the library for display and navigation in the reference navigator.
상술한 바와 같이, 본 발명에 따른 기계학습, 자연어처리 및 패턴기반 참조 라이브러리 기반 탐색 언어학습 시스템 및 방법에 의하면, 외국어를 배우는 개인이나 모국어를 사용하는 학생을 위한 학습 보조도구로 설계된 컴퓨터기반 시스템으로서, 탐색을 가능하게 하고, 타겟 언어에 대해 발생된 인스턴스가 인공지능(AI)과 자연어 처리 컴포넌트에 의하여 분석되고, 그리고나서 연계되는 참조 라이브러리의 적절한 항목에 자동으로 매핑하는 자가 학습 모드로서, 사용자가 해당 언어 인스턴스에서 사용되는 품사, 단어 의미, 구문 구조, 문법 및 관용구 패턴을 탐색할 수 있도록 하는 효과가 있다.As described above, the machine learning, natural language processing and pattern-based reference library-based exploratory language learning system and method according to the present invention is a computer-based system designed as a learning assistance tool for individuals learning foreign languages or students using their native language, which enables exploration and has the effect of enabling a user to explore parts of speech, word meanings, syntactic structures, grammar and idiom patterns used in the language instances in a self-learning mode in which instances generated for the target language are analyzed by artificial intelligence (AI) and natural language processing components and then automatically mapped to appropriate items of the linked reference library.
도 1은 본 발명에 따른 기계학습, 자연어처리 및 패턴기반 참조 라이브러리 기반 탐색 언어학습 시스템에서의 학습 과정을 개략적으로 설명하는 기능 설명도이다.Figure 1 is a functional description diagram schematically illustrating the learning process in a machine learning, natural language processing, and pattern-based reference library-based exploratory language learning system according to the present invention.
이하, 본 발명에 따른 기계학습, 자연어처리 및 패턴기반 참조 라이브러리 기반 탐색 언어학습 시스템 및 방법을 첨부도면을 참조로 상세히 설명한다.Hereinafter, a machine learning, natural language processing, and pattern-based reference library-based exploratory language learning system and method according to the present invention will be described in detail with reference to the attached drawings.
도 1은 본 발명에 따른 기계학습, 자연어처리 및 패턴기반 참조 라이브러리 기반 탐색 언어학습 시스템에서의 학습 과정을 개략적으로 설명하는 기능 설명도이다.Figure 1 is a functional description diagram schematically illustrating the learning process in a machine learning, natural language processing, and pattern-based reference library-based exploratory language learning system according to the present invention.
도 1을 참조하면, 본 발명은 외국어를 배우는 개인이나 모국어를 사용하는 학생을 위한 학습 보조도구로 설계된 컴퓨터기반 시스템이다. 본 발명에 따르면, 탐색을 가능하게 하고, 타겟 언어에 대해 발생된 인스턴스가 인공지능(AI)과 자연어 처리 컴포넌트에 의하여 분석되고, 그리고 나서 연계되는 참조 라이브러리의 적절한 항목에 자동으로 매핑하는 자가 학습 모드로서, 사용자가 해당 언어 인스턴스에서 사용되는 품사, 단어 의미, 구문 구조, 문법 및 관용구 패턴을 탐색할 수 있도록 한다.Referring to Figure 1, the present invention is a computer-based system designed as a learning aid for individuals learning a foreign language or students using their native language. According to the present invention, the system enables exploration, and in a self-learning mode, instances generated for a target language are analyzed by artificial intelligence (AI) and natural language processing components, and then automatically mapped to appropriate items in an associated reference library, thereby allowing the user to explore parts of speech, word meanings, syntactic structures, grammar, and idiom patterns used in the language instances.
참조 라이브러리에는 타겟 언어의 각 요소에 대한 광범위한 자료가 포함될 수 있는데, 이용 노트, 대체 예제 사용, 외부 참조 사이트 링크, 도서 인용 등이 이에 포함된다. 그것은 ML(Machine Learning) 및 NLP(Natural Language Processing) 컴포넌트가 찾은 어형 및 구문 패턴에 의해 색인되고, 상향식 학습의 한 형태가 가능하게 하며, 유기적으로 생성된 텍스트가 학습 및 디스커버리 프로세스를 구동하여, 구조화된 교육용 프로그램(courseware) 및 수업 커리큘럼의 일반적인 하향식 접근 방식을 확장하는 방식으로 구성된다.A reference library can contain extensive material on each element of the target language, including usage notes, alternative examples, links to external reference sites, and book citations. It is indexed by morphological and syntactic patterns discovered by Machine Learning (ML) and Natural Language Processing (NLP) components, enabling a form of bottom-up learning, with organically generated text driving the learning and discovery process, extending the typical top-down approach of structured courseware and classroom curricula.
여기에 제시된 발명은 적절하게 학습된 분석기, 파서(parser) 및 라이브러리 항목, 각 학습자 언어로 참조 자료를 복제하는 것만으로 특정 타겟 언어의 여러 학습자 언어를 포함함으로써, 타겟 언어와 학습자 언어의 모든 조합에 적용될 수 있다. 타겟 언어 자체의 참고 자료 버전은 학교 및 기타 교육적인 컨텍스트에서 타겟 언어 원어민이 사용할 수 있다.The invention presented herein can be applied to any combination of target and learner languages by simply replicating appropriately trained analyzers, parsers, and library elements, along with reference materials in each learner language, to encompass multiple learner languages for a given target language. The target language-specific reference materials can then be used by native speakers of the target language in schools and other educational contexts.
작동 원리How it works
본 발명의 일 실시 예는 다음 컴포넌트를 포함한다; 아래의 실시 예 부분에서 설명된 바와 같이 다른 실시 예가 가능하다.One embodiment of the present invention includes the following components; other embodiments are possible as described in the Embodiments section below.
1. 언어에서 발생된 인스턴스를 수집하거나 입력하기 위한 입력시스템(input system)1. An input system for collecting or inputting instances generated from a language.
2. 언어적 단위, 단어, 어간, 접사, 발음기호 등 입력문자의 어형 축소와 품사를 생성하는 어형 분석기(morphological analyzer)2. A morphological analyzer that reduces the form of input characters such as linguistic units, words, stems, affixes, and phonetic symbols and generates parts of speech.
3. 상기 어형 축소에서 더 큰 구문 및 절 구조를 인식하는 구문구조 파서(phrase-structure parser)3. A phrase-structure parser that recognizes larger phrase and clause structures in the above-mentioned word reduction.
4. 어형 및 구문구조 패턴에 의해 색인된 참조 라이브러리(reference library)4. Reference library indexed by word form and syntactic patterns
5. 탐색한 인스턴스의 분석 및 파싱(구문분석)에서 패턴이 존재하고 있는 참조 라이브러리 항목을 찾아 주는 패턴매칭 시스템(pattern-matching system)5. A pattern-matching system that finds reference library items that contain patterns in the analysis and parsing of the searched instances.
6. 사용자가 관련 참조 자료를 보고 탐색할 수 있는 프레젠테이션 시스템(presentation system).6. A presentation system that allows users to view and explore related reference materials.
도 1에서, 기계학습, 자연어처리 및 패턴기반 참조 라이브러리 기반 탐색 언어학습 시스템은 언어에서 발생된 인스턴스를 수집하거나 입력하기 위한 입력수단, 상기 입력수단을 통해 입력된 문장을 언어적 단위, 단어, 어간, 접사 및 발음기호 입력문자의 어형 축소와 품사를 생성하는 어형 분석기(morphological analyzer)(10),In Fig. 1, the machine learning, natural language processing and pattern-based reference library-based exploratory language learning system includes an input means for collecting or inputting instances generated from a language, a morphological analyzer (10) for generating word form reduction and part of speech of input characters into linguistic units, words, stems, affixes and phonetic symbols from sentences input through the input means,
어형 및 구문구조 패턴에 의해 색인된 참조 라이브러리(reference library)(50),A reference library (50) indexed by word form and syntactic patterns;
상기 어형 분석기에 의해 처리된 내용을 참조 라이브러리를 참조로 하여 처리하는 어형 패턴 매칭기(lexical pattern match)(20),A lexical pattern matcher (20) that processes the content processed by the above morphological analyzer by referring to a reference library,
상기 어형 패턴 매칭기(20)에서 처리된 어형 구조를 구문 구조를 처리하여 더 큰 구문 및 절 구조를 인식하는 구문구조 파서(phrase-structure parser)(30),A phrase-structure parser (30) that processes the phrase structure processed by the above phrase pattern matcher (20) to recognize larger phrase and clause structures,
상기 구문구조 파서(30)를 통해 처리된 구문 구조를 상기 참조 라이브러리를 참조로 하여 처리하는 라이브러리 패턴매칭기(library pattern-match)(40), 및A library pattern matcher (40) that processes the syntax structure processed through the above syntax parser (30) by referring to the above reference library, and
사용자가 관련 참조 자료를 보고 탐색할 수 있는 참조 익스플로러(reference explorer)(60)를 포함한다.Includes a reference explorer (60) that allows users to view and navigate related reference materials.
상기 입력수단은 특정한 영상(스트리밍 혹은 이에 제한되지 않음)(장치)내에 프로그래밍적으로 혹은 하드웨어적으로 특정언어의 표시가 가능하도록 하는 수단 혹은 영화나 연극 및 각종 영상을 출력하는 서비스를 제공하는 영상속에서 문자화면의 출력과 연관되어 작동가능한 입력장치 일 수 있다. 그러나 이에 제한되지 않으며, 별도로 영상을 출력하는 장치에 외부 입력장치로 연결되어 영상에 문자를 오버레이 방식 혹은 화면내 특정위치에 표시하는 방식으로 작동되는 입력장치일 수도 있다. 이 입력장치는 본 발명에 따른 언어학습시스템과 연동되어 작동될 수 있다.The above input means may be a means that enables the display of a specific language programmatically or hardware-wise within a specific video (streaming or not limited thereto) (device), or an input device that can operate in connection with the output of a character screen within a video that provides a service that outputs movies, plays, and various other videos. However, it is not limited thereto, and may be an input device that is connected as an external input device to a device that outputs a separate video and operates by overlaying characters onto the video or displaying them at a specific location within the screen. This input device may be operated in conjunction with the language learning system according to the present invention.
이러한 컴포넌트는 도 1과 같이 작동한다.These components work as shown in Figure 1.
①단계, 사용자는 탐색하려는 텍스트를 입력한다. 위의 예에서 학생은 한국어를 학습 중이고, 한국어로 “나는 자전거를 탈 수 있다(I can ride a bicycle)”이라는 문장을 입력한다.Step 1: The user enters the text they wish to search for. In the example above, the student is learning Korean and enters the sentence "I can ride a bicycle" in Korean.
② 단계, 형태소 분석기는 입력된 문장을 처리하고 문장의 어형 분류(breakdown) 생성한다. ③ 단계, 다양한 종류의 접사(affixes)들을 분리하고 라벨을 붙이며, 동사의 어간을 분리하고, 모든 형태소에 적절한 품사를 할당한다. 현재 형태소 분석기는 일반적으로 심층(deep) 신경망(neural network)이며, 본 발명은 기존 분석기 또는 이러한 목적을 위해 특별히 학습된 새 분석기의 사용을 허용한다. 이것은 아래의 어형 분석기 부분에서 더 자세히 다룬다.Step 2: The morphological analyzer processes the input sentence and generates a breakdown of the sentence's morphology. Step 3: Separates and labels various types of affixes, separates verb stems, and assigns appropriate parts of speech to each morpheme. Current morphological analyzers are typically deep neural networks, and the present invention allows for the use of existing analyzers or new ones specifically trained for this purpose. This is discussed in more detail in the morphological analyzer section below.
④ 단계, 패턴 일치장치(pattern-matcher)의 초기 "어휘(lexical)" 패스(pass)는 라이브러리의 형태소기반 패턴에 대하여 형성된다. 일치된 패턴은 형태소 구조에 주석을 달고 변형할 수 있으며, ⑤에서의 “ㄹ 수있”(= 할 수 있(can do)) 조동사 패턴과 같은 잠재적인 복합 형태소 구조를 생성한다. 이러한 주석 및 변환은 참조 탐색기로 전달되지만, 다음 구문구조 파서(Parser) 단계에 중요한 도움이 될 수도 있다.In Step ④, the pattern matcher's initial "lexical" pass is formed against the library's morpheme-based patterns. Matched patterns can be annotated and transformed into morpheme structures, generating potential complex morpheme structures, such as the auxiliary verb pattern "ㄹ する" (= "can do") in Step ⑤. These annotations and transformations are passed to the reference searcher, but can also be of significant help to the subsequent syntactic parser step.
⑥ 단계, 주석이 달린 변형된 어형 구조에 구문구조 파싱(구문분석)이 적용되고, ⑦ 단계에서 보이는 것처럼, 보다 크고 중첩될 수 있는 구문 및 절 구조를 식별한다. 이 파싱 단계는 표준 NLP 또는 청킹(chunking) 문법 또는 재귀하강(recursive-descent) 파서와 같은 컴퓨터언어 파싱 방법을 이용하여 수행한다. 본 발명은 이러한 파싱 기술의 사용을 허용한다. 본 발명의 일부 실시 예는, 일반성을 잃지 않고, ④ 단계 또는 ⑥ 단계를 생략할 수 있지만 둘 다 모두 생략할 수는 없다.Step ⑥: Syntactic parsing is applied to the annotated transformed morphological structure, and as shown in step ⑦, larger and possibly nested syntactic and clause structures are identified. This parsing step is performed using standard NLP or computer language parsing methods such as chunking grammars or recursive descent parsers. The present invention allows the use of such parsing techniques. Some embodiments of the present invention may omit step ④ or step ⑥ without loss of generality, but not both.
⑧ 단계, 패턴 일치장치(pattern-matcher)의 다른 패스가 적용되는데, 이때 구문 구조와 형태소 구조를 참조하는 패턴을 포함한다. 이는 형태소와 파싱 구조에 다른 주석 세트를 첨부하고, 참조 탐색기에서 표시와 탐색을 대비하여, 라이브러리의 모든 참조 항목에 그 주석세트를 다시 연결한다.Step ⑧: Another pass of the pattern matcher is applied, this time including patterns referencing syntactic and morphological structures. This attaches a different set of annotations to the morphological and parsing structures, and re-links that annotation set to all reference items in the library for display and navigation in the reference browser.
⑨ 단계, 모든 분석 및 패턴 매칭 결과를 사용자가 검토할 수 있다. 본 발명의 일 실시 예에서, 결과는 그래픽으로, 점차적인 대화형 형태로 제공되어, 사용자가 가장 관심있는 분석의 부분으로 드릴 다운(drill-down)(더 많은 정보를 찾기 위해 관련 텍스트나 아이콘등을 클릭하여 마치 뚫고 들어가듯이 검색하는 것) 되도록 한다. 프리젠테이션 시스템은 사용자가 추후에 계속 학습할 수 있도록, 입력된 텍스트의 일부 또는 전부의 분석 및 탐색 상태를 저장할 수 있다.Step ⑨: Users can review all analysis and pattern matching results. In one embodiment of the present invention, the results are presented graphically and in a progressively interactive format, allowing users to drill down into the analysis sections of greatest interest. The presentation system can store the analysis and exploration status of some or all of the input text, allowing users to continue learning later.
다른 실시 예에서, 분석의 일부 요소는 긴 대기시간이 발생할 수 있고(외부 서비스에서 번역 및 단어 조회), 이 경우 전체 분석은 ⑨ 단계 디스플레이 시스템에 부분적으로 전달될 수 있으며, 즉각적인 디스플레이(표시)를 위해 대기시간이 짧은 요소가 제공되고, 대기시간이 보다 긴 요소(longer-latency)는 비동기식으로 제공되는데, 그 요소들이 이용가능할 때 디스플레이될 수 있다.In another embodiment, some elements of the analysis may have high latency (translation and word lookup in external services), in which case the entire analysis may be passed in parts to the ⑨ stage display system, with low-latency elements provided for immediate display, and longer-latency elements provided asynchronously, and displayed when available.
실시 예Example
본 발명의 다양한 요소는 다수의 실시 예에 존재할 수 있다. 아래는 그 중 일부를 더 자세히 제시한 것이다.Various elements of the present invention may exist in multiple embodiments. Some of these are presented in more detail below.
어형 분석기(The morphological analyzer)The morphological analyzer
어형 분석기는 자연어처리 분야에서 잘 알려진 작업을 수행하며, 이는 여러 구현 방식이 있다. 현재 가장 인기있는 접근 방식은 기존 어형 파싱의 말뭉치(corpuse)에 대해 학습된 심층(deep) 신경망(neural-net) 모델을 사용하는 것이다. 다양한 언어로 사용할 수 있는 기존 모델이 있거나, 새로운 모델을 학습시킬 수 있다.Phrase analyzers perform a well-known task in natural language processing, and there are several implementations available. The most popular approach today uses a deep neural network model trained on a corpus of existing phrase parsing techniques. Existing models are available for various languages, or new models can be trained.
대부분의 어형 분석기는 완벽하지 않다. CNN(Convolutional Neural Network)기반 분석기의 최신 기술은 97%~98%범위로, 일반적으로 오류 수정(error-correction) 또는 조정 스키마(accommodation schemes)를 사용해야 한다. 본 발명에서 발생되는 어형 분석 오류는 패턴 라이브러리에서 변형 패턴으로 캡처될 수 있으므로(captured), 이러한 종류의 오류 수정은 상기 작동 개요의 ④ 단계에서 다루어진 어형구조 변환에서 일부분이 된다.Most morphological analyzers are not perfect. State-of-the-art CNN-based analyzers have accuracy rates in the 97% to 98% range, typically requiring error correction or accommodation schemes. Since the morphological analysis errors encountered in the present invention can be captured as variant patterns in a pattern library, this type of error correction becomes part of the morphological structure transformation covered in Step ④ of the above operational overview.
본 발명은 기존의 어형 분석기 구성 기술을 추가하는 것이 아니라, 언어 학습에 대한 새로운 접근 방식에서 최첨단(state-of-the-art) 분석기를 사용한다.Rather than adding to existing word form analyzer construction techniques, the present invention uses state-of-the-art analyzers in a novel approach to language learning.
구문구조 파서(Phrase-structure parser)Phrase-structure parser
어형 분석기 컴포넌트와 유사한 방식으로, 구문구조 파싱(parsing)은 자연어 처리 및 컴퓨터 언어 구현의 잘 알려진 요소이며, 청킹 문법, 평서문의(/선언적) 파서 생성기(declarative parser generators) 또는 애드혹 재귀하강(ad-hoc recursive-descent) 파서와 같은 이러한 컴포넌트를 구현하는데 일반적 접근 방식으로 사용할 수 있다.In a similar way to the morphological analyzer component, syntactic parsing is a well-known element of natural language processing and computer language implementation, and can be used as a general approach to implementing such components, such as chunking grammars, declarative parser generators, or ad-hoc recursive-descent parsers.
애드혹 재귀하강(ad-hoc recursive-descent) 파서는 자연어 파싱의 컨텍스트에서, 일부 문법에 필요할 수 있는 컨텍스트(context-sensitive)에 민감한 파싱을 수용하는 이점이 있다.In the context of natural language parsing, ad-hoc recursive-descent parsers have the advantage of accommodating context-sensitive parsing, which may be required for some grammars.
또한, 인코딩한 학습 데이터가 주어지면, 어형 구조분해 및 구문 구조화를 모두 인식하고 출력하기 위한 신경망 기반 분석기를 학습시킬 수 있다.Additionally, given encoded training data, a neural network-based analyzer can be trained to recognize and output both word structure decomposition and syntactic structuring.
광범위하고 완전한 구문구조 파싱은 이 응용프로그램(application)에서 필수적인 것은 아니며, 파싱은 주로 교육적 목적을 가지고 있고, 종종 더 간단하며, 거친 구조는 학생들이 이해하기 더 쉽다. 다른 목적은 문법 또는 관용구 패턴인식을 돕는 것이므로, 파서가 인식할 수 있게 해당 목적에 필수적인 구문구조만 필요하다.Extensive and complete syntactic parsing is not essential for this application. Parsing is primarily for educational purposes, and simpler, coarse-grained structures are often easier for students to understand. Another purpose is to aid in grammar or idiom pattern recognition, so only the syntactic structures essential for that purpose are required for the parser to recognize.
패턴 기반 참조 라이브러리(Pattern-based reference library)Pattern-based reference library
패턴기반 참조 라이브러리는 본 발명의 핵심 컴포넌트이며, 본 발명 내에서 새로우며 전개할 만한 가치가 있는 여러 측면 및 가능한 실시 예를 갖는다.The pattern-based reference library is a core component of the present invention and has several novel and deployable aspects and possible embodiments within the present invention.
패턴 스키마(Pattern schemes)Pattern schemes
학습중인 텍스트의 구조는 해당 텍스트의 어형과 구문 구조에서 패턴을 구별하는 방식으로 라이브러리내 변형 또는 설명하는 항목과 연계된다. 이러한 패턴 정의 및 매칭은 본 발명의 핵심 메커니즘이며, 이를 안정적이고 효율적으로 수행하는 모든 스키마를 수용한다.The structure of the text being studied is linked to items within the library that are transformed or described by identifying patterns in the text's morphology and syntactic structure. This pattern definition and matching is the core mechanism of the present invention, and any schema that performs this function reliably and efficiently is acceptable.
일 실시 예는 일부 텍스트의 어형구조를 단일 문자열로 인코딩하고, 라이브러리 항목의 패턴은 해당 문자열의 토큰에 대한 정규식(regular-expressions)으로 표현된다. 예를 들면, 위 다이어그램의 샘플 한국어 문장의 형태소 구조(=“나는 자전거를 탈 수있 다”)는 다음과 같이 나타낼 수 있다.:One example encodes the morphological structure of a portion of text into a single string, with patterns in library items expressed as regular expressions for tokens within that string. For example, the morphological structure of the sample Korean sentence in the diagram above (= "I can ride a bicycle") can be expressed as follows:
;저: NP;는: J X;자전거: NNG;를: J KO;타: VV;ㄹ: ETM;수: NNB;있: VV;어요: EF;;I: NP; am: J X; bike: NNG; is: J KO; ride: VV; I: ETM; I: NNB; I have: VV; I am: EF;
형태소 + 품사의 쌍으로 구성되어 세미콜론으로 분리된 시퀀스(sequence), 품사는 NLP에서 사용되는 공통 태그 코드로, NP = 고유 명사, NNG = 일반 명사, VV = 동사 등.A sequence composed of pairs of morphemes and parts of speech separated by semicolons. Parts of speech are common tag codes used in NLP, such as NP = proper noun, NNG = common noun, VV = verb, etc.
그리고 나서, ‘ㄹ /을 수 있다’ 형식을 인식하는 일반화된 패턴은 정규식이 될 수 있다:Then, a generalized pattern that recognizes the ‘ㄹ /을 수 있습니다’ format can be a regular expression:
( ( [ ^: ] +) : V[ A- Z] +) (ㄹ|을) : ETM;수: NNB;있: VV( ( [ ^: ] +) : V[ A- Z] +) (ㄹ|을) : ETM;수: NNB;있는: VV
의존명사 ‘수’ 앞에 ‘ㄹ’ 또는 ‘을’ 파티클(particles)(불변화사)이 앞에 오는 모든 동사와 조동사 ‘있다’의 모든 활용동사(conjugation)를 일치시킨다.All verbs preceded by the particle ‘ㄹ’ or ‘을’ before the dependent noun ‘수’ are matched with all conjugations of the auxiliary verb ‘있다’.
패턴 라이브러리 수가 증가함에 따라, 모든 패턴의 순차적인 테스트는 계산상 거부될 수 있으므로 검색 최적화가 필요하다. 최적화의 간단한 실시 예는 공통 접두사(prefixes)에 대한 모든 패턴의 트리 코딩(trie-coding)이 될 수 있다.(트리는 명령 트리 데이터 구조(ordered tree data structure)를 말한다.)As the number of pattern libraries grows, sequential testing of all patterns becomes computationally prohibitive, necessitating search optimization. A simple example of this optimization could be trie-coding all patterns based on common prefixes. (Trie refers to an ordered tree data structure.)
안내 및 샘플학습된 패턴 (Guided- and sample-trained patterns)Guided- and sample-trained patterns
타겟 언어에서 교육학적인 가치의 각 구성을 구별하는 패턴은 여러 가지 방법으로 구성될 수 있다. 일 실시 예에서, 패턴은 타겟 언어의 문법 및 교육 전문가에 의해 수작업으로 코딩된다(hand-coded). 또 다른 경우에는, 전문가가 특정 패턴의 사례를 포함하는 텍스트의 예를 사용하고 해당 패턴의 학습을 가이드한다. 또 다른 실시 예에서, 패턴의 인스턴스를 포함하는 텍스트의 많은 예시들이 패턴에 대한 신경망기반 정규식 생성기를 학습시키는 데 사용된다.Patterns that distinguish each component of pedagogical value in the target language can be constructed in several ways. In one embodiment, the patterns are hand-coded by a grammar and education expert in the target language. In another, the expert uses examples of text containing instances of a particular pattern and guides learning of that pattern. In yet another embodiment, numerous examples of text containing instances of a pattern are used to train a neural network-based regular expression generator for the pattern.
직접 신경망 구조 인식(Direct neural-net structure recognition)Direct neural-net structure recognition
원본 문장의 교육학적 구조는 참조 라이브러리 인덱싱 스키마의 또 다른 실시 예에서 특별히 학습된 신경망에 의해 직접 발견될 수도 있다. 이 경우, 학습 데이터는 참조 라이브러리 항목에 대하여 직접 링크로 레이블이 지정된 텍스트 컴포넌트 문장을 구성하는 하나의 말뭉치(corpus)이다. 두 단계 접근 방식도 가능하여, 가이드된 세트의 패턴 또는 수동 세트의 패턴이 라이브러리 항목 인덱스로 레이블이 지정된 큰 말뭉치를 생성하기 위해 이용되는 방식, 대량의 정규식 검색보다 훨씬 성능이 좋은 훈련된 신경망을 생성하는 방식이 가능하다.The pedagogical structure of the original sentences can also be directly discovered by a specially trained neural network in another embodiment of the reference library indexing scheme. In this case, the training data is a single corpus of text component sentences labeled with direct links to reference library entries. A two-step approach is also possible, where a guided or manual set of patterns is used to generate a large corpus labeled with library entry indices, generating a trained neural network that performs significantly better than bulk regular expression searches.
다중 학습자 언어(Multiple learner languages)Multiple learner languages
형태소 분석기, 구문 파서 및 패턴세트는 각 타겟언어(학습중인 언어)에 따라 다르며 해당 언어에 대해 한 번 개발된다. 모든 설명, 라벨링 및 번역이 벡터(vectors)의 식으로 구성된 참조 라이브러리의 일 실시 예로, 학습자 언어(학생의 모국어 또는 유창한 언어)별로 분할됨으로써 동일한 라이브러리 및 타겟언어 컴포넌트가 다중 학습자 언어를 쉽게 지원할 수 있다.The morphological analyzer, syntactic parser, and pattern set are specific to each target language (the language being learned) and are developed once for that language. As an example, a reference library with all descriptions, labels, and translations organized as vector expressions is partitioned by learner language (the student's native or fluent language), allowing the same library and target language components to easily support multiple learner languages.
관용구 및 문장 패턴 및 형식 문법(Idiom and sentence patterns as well as formal grammar)Idioms and sentence patterns as well as formal grammar
본 발명의 일부 실시 예에서 참조 라이브러리는 타겟 언어의 유용한 표준 어휘, 구문 및 문법 구조의 대부분 또는 전부를 포함할 것이다. 다른 실시 예에서, 라이브러리는 관용구 또는 속어 구문에 대한 패턴 및 설명을 포함하도록 확장될 수 있는데, 언어로부터 생성된 인스턴스에서 이러한 형태의 존재는 언어 학습자에게 공통적인 어려움의 근원이 되기 때문이다. 문법 패턴을 정의, 인식 및 설명하는데 이용하는 동일한 메커니즘은 관용적 형식에 사용될 수 있다.In some embodiments of the present invention, the reference library will include most or all of the useful standard vocabulary, phrases, and grammatical structures of the target language. In other embodiments, the library may be extended to include patterns and descriptions of idioms or slang phrases, as the presence of these forms in instances generated from the language is a common source of difficulty for language learners. The same mechanisms used to define, recognize, and describe grammatical patterns can be used for idiomatic forms.
또한, 두 언어 사이의 일반적인 표현 중 일반적으로 잘 알려진 등가물(equivalent)인 문장레벨의 패턴들이 있다. 예를 들어, "I hope X"라는 일반적인 형식은, "I hope you can come” 처럼, 영어에서는 한국어로 "만약 X이면 좋을 것이다"(“If X, it will be good”)에 상당하는 공통 문자 형식을 가진다. 이러한 문장레벨 패턴은 또한 본 발명의 메커니즘에 의해 정의되고 인식될 수 있으며, 따라서 일부 실시 예에서 참조 라이브러리에도 추가될 것이다.Additionally, there are sentence-level patterns that are generally well-known equivalents among common expressions between the two languages. For example, the common form "I hope X" has a common character form in English equivalent to "If X, it will be good" in Korean, as in "I hope you can come." Such sentence-level patterns may also be defined and recognized by the mechanisms of the present invention, and thus will be added to the reference library in some embodiments.
NLP에서 발견된 예제 사용(NLP-discovered example uses)NLP-discovered example uses
여기 설명한 것처럼 학습 도구에서 특히 유용한 교육적 요소는 학습중인 구성체(construct,단어들)의 사용에 대한 많은 예제를 제공하는 것이다. 이 시스템의 일 실시 예는 패턴 정의를 사용하여 타겟 언어의 기존 말뭉치에서 이러한 예제를 자동으로 발견한다.As described here, a particularly useful pedagogical element in learning tools is providing numerous examples of the use of the constructs (words) being studied. One embodiment of this system automatically discovers these examples in an existing corpus of the target language using pattern definitions.
외부 참조 (External references)External references
본 발명의 네트워크 연결 실시 예에서 다른 유용한 요소는 추가 교육 또는 배경 정보의 외부 소스에 대하여 참조 라이브러리 항목 내에 링크를 제공하는 것이다. 여기에는 전통적 학습 사이트의 관련 페이지 링크가 포함되며, 또는 Youtube 비디오 또는 온라인 참고 서적 또는 문화적 또는 역사적 사이트도 포함된다. 외부 참조를 지원하는 본 발명의 실시 예는 유용한 것으로 간주 될 수 있는 이러한 종류의 링크 및 다른 인용을 포함할 수 있다.Another useful element in networked embodiments of the present invention is providing links within the reference library entry to external sources of additional educational or background information. This includes links to relevant pages on traditional learning sites, YouTube videos, online reference books, or cultural or historical sites. Embodiments of the present invention that support external references may include these types of links and other citations that may be deemed useful.
크라우드 소싱(Crowd-sourcing)Crowd-sourcing
언어의 표준 어휘, 구문 및 문법 구조를 포함하는 참조 라이브러리의 구성은 상대적으로 제한된 훈련이며, 언어에 대한 문법 교과서를 만드는 데 필요한 것과 유사하다. 관용구, 속어, 문장 패턴, 광범위한 예제 및 외부 참조 링크와 같은 다른 자료를 포함하도록 라이브러리를 확장하는 것은 시간이 지남에 따라 점진적으로 구현될 수 있는 보다 많은 작업이 된다.Building a reference library containing the language's standard vocabulary, syntax, and grammatical structures is a relatively limited exercise, comparable to the effort required to create a grammar textbook for the language. Expanding the library to include other materials, such as idioms, slang, sentence patterns, extensive examples, and external reference links, is a more substantial undertaking that can be implemented incrementally over time.
본 발명의 가능한 실시 예는 Wikipedia 또는 Wiktionary와 같은 다른 크라우드 소싱 콘텐츠 서비스에서 발견되는 품질 및 콘텐츠에 대한 전형적인 크라우드 소싱 제어와 함께 모든 사용자로부터 라이브러리에 대한 기여를 초대하는 크라우드 소싱 시스템을 포함한다. 이러한 아이디어의 중간적인(intermediate) 실시예는 라이브러리를 추출하고(extract) 라이브러리에 진입하기 위해(enter) 서비스의 언어-교육 전문가들에 의해 검토되고 준비된(curated) 일반적인 오픈-텍스트-피드백 시스템을 포함한다Possible embodiments of the present invention include a crowdsourcing system that invites contributions to a library from all users, along with typical crowdsourcing controls over quality and content found in other crowdsourcing content services, such as Wikipedia or Wiktionary. An intermediate embodiment of this idea includes a general open-text feedback system where contributions are reviewed and curated by the service's language-education experts to extract and enter the library.
크라우드 소싱 기술은 또한, 위의 다중 학습자 언어 섹션에서 언급된 학습자 언어 참조 자료 번역을 소싱하기 위해 본 발명의 실시 예에 사용될 수 있다.Crowdsourcing techniques may also be used in embodiments of the present invention to source learner language reference material translations as mentioned in the Multi-Learner Language section above.
본 발명의 기술 사상은 상기 바람직한 실시 예에 따라 구체적으로 기술되었으나, 상기한 실시 예는 그 설명을 위한 것이며 그 제한을 위한 것이 아님을 주의하여야 한다. 또한, 본 발명의 기술 분야의 통상의 전문가라면 본 발명의 기술 사상의 범위 내에서 다양한 실시 예가 가능함을 이해할 수 있을 것이다.While the technical concept of the present invention has been specifically described in accordance with the preferred embodiments described above, it should be noted that the above-described embodiments are intended for illustrative purposes only and are not intended to be limiting. Furthermore, those skilled in the art will readily appreciate that various other embodiments are possible within the scope of the technical concept of the present invention.
10: 어형 분석기(morphological analyzer)
20: 어휘 패턴 매칭기(lexical pattern match)
30: 구문구조 파서(phrase-structure parser)
40: 라이브러리 패턴 매칭기(Library Pattern match)
50: 참조 라이브러리(reference library)
60: 참조 익스플로러(reference explorer)10: Morphological analyzer
20: Lexical pattern match
30: Phrase-structure parser
40: Library Pattern Match
50: Reference library
60: Reference Explorer
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US17/909,511US20230112674A1 (en) | 2020-03-08 | 2021-03-08 | Exploratory language-learning system based on ml, nlp and pattern-based reference library |
| PCT/KR2021/002856WO2021182828A1 (en) | 2020-03-08 | 2021-03-08 | Exploratory language-learning system and method based on machine learning, natural language processing, and pattern-based reference library |
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US202062986757P | 2020-03-08 | 2020-03-08 | |
| US62/986,757 | 2020-03-08 |
| Publication Number | Publication Date |
|---|---|
| KR20210113551A KR20210113551A (en) | 2021-09-16 |
| KR102864149B1true KR102864149B1 (en) | 2025-09-25 |
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200137119AActiveKR102864149B1 (en) | 2020-03-08 | 2020-10-21 | Exploratory language-learning system based on ML, NLP and a pattern-based reference library And the Method thereof |
| Country | Link |
|---|---|
| KR (1) | KR102864149B1 (en) |
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114138963A (en)* | 2021-12-01 | 2022-03-04 | 北京比特易湃信息技术有限公司 | Intent recognition model based on syntactic analysis |
| KR102745367B1 (en)* | 2022-09-28 | 2024-12-20 | 네이버 주식회사 | Method for extracting linguistic features based on multilingual model and computing apparatus using the same |
| KR20240081206A (en)* | 2022-11-30 | 2024-06-07 | 주식회사 미리내테크놀로지스 | Interest Learning Method Using Exploratory language-learning system based on ML, NLP and a pattern-based reference library |
| WO2024117315A1 (en)* | 2022-11-30 | 2024-06-06 | 주식회사 미리내테크놀로지스 | Knowledge engine construction method using exploratory language learning system based on machine learning, natural language processing and pattern-based reference library |
| KR20240081201A (en)* | 2022-11-30 | 2024-06-07 | 주식회사 미리내테크놀로지스 | Language Learing Method Using Exploratory language-learning system based on ML, NLP and a pattern-based reference library |
| KR20240081202A (en)* | 2022-11-30 | 2024-06-07 | 주식회사 미리내테크놀로지스 | Jeongum Engine Building Method Using Exploratory language-learning system based on ML, NLP and a pattern-based reference library |
| KR20240081737A (en)* | 2022-11-30 | 2024-06-10 | 주식회사 미리내테크놀로지스 | Babel Analyzer With Compile Function Based on Exploratory language-learning system based on ML, NLP and a pattern-based reference library |
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100413784B1 (en)* | 1997-04-29 | 2004-02-14 | 삼성전자주식회사 | Device for translating english-korean having clause unit separator and method for the same |
| US20170169334A1 (en)* | 2010-06-22 | 2017-06-15 | Primal Fusion Inc. | Methods and devices for customizing knowledge representation systems |
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100413784B1 (en)* | 1997-04-29 | 2004-02-14 | 삼성전자주식회사 | Device for translating english-korean having clause unit separator and method for the same |
| US20170169334A1 (en)* | 2010-06-22 | 2017-06-15 | Primal Fusion Inc. | Methods and devices for customizing knowledge representation systems |
| Publication number | Publication date |
|---|---|
| KR20210113551A (en) | 2021-09-16 |
| Publication | Publication Date | Title |
|---|---|---|
| KR102864149B1 (en) | Exploratory language-learning system based on ML, NLP and a pattern-based reference library And the Method thereof | |
| Darwish et al. | A panoramic survey of natural language processing in the Arab world | |
| Shaalan 1 | An intelligent computer assisted language learning system for Arabic learners | |
| Levin et al. | ALICE-chan: A case study in ICALL theory and practice | |
| Davydov et al. | Mathematical method of translation into Ukrainian sign language based on ontologies | |
| Anthes | Automated translation of indian languages | |
| Rose et al. | Overcoming the knowledge engineering bottleneck for understanding student language input | |
| KR20240081737A (en) | Babel Analyzer With Compile Function Based on Exploratory language-learning system based on ML, NLP and a pattern-based reference library | |
| KR20240081201A (en) | Language Learing Method Using Exploratory language-learning system based on ML, NLP and a pattern-based reference library | |
| Zanetti | NLP methods for the automatic generation of exercises for second language learning from parallel corpus data | |
| Antonsen | Improving feedback on L2 misspellings–an FST approach | |
| US20230112674A1 (en) | Exploratory language-learning system based on ml, nlp and pattern-based reference library | |
| KR20240081202A (en) | Jeongum Engine Building Method Using Exploratory language-learning system based on ML, NLP and a pattern-based reference library | |
| KR20240081206A (en) | Interest Learning Method Using Exploratory language-learning system based on ML, NLP and a pattern-based reference library | |
| KR20240081203A (en) | Knowledge Engine Building Method Using Exploratory language-learning system based on ML, NLP and a pattern-based reference library | |
| Boughariou et al. | Detecting speech disorders using a machine-learning guided method in spontaneous Tunisian dialect speech | |
| Rabinovich et al. | Say anything: automatic semantic infelicity detection in L2 English indefinite pronouns | |
| Tarish et al. | Text correction algorithms for correct grammar and lex-ical errors in the English language | |
| Winiwarter | Mastering Japanese through augmented browsing | |
| Megyesi et al. | The english-swedish-turkish parallel treebank | |
| WO2021182828A1 (en) | Exploratory language-learning system and method based on machine learning, natural language processing, and pattern-based reference library | |
| Nguyen et al. | ViSoLex: An Open-Source Repository for Vietnamese Social Media Lexical Normalization | |
| Pretorius et al. | Finite-state computational morphology-treatment of the zulu noun | |
| Qadir et al. | EDUCATIONAL AND LINGUISTIC ASPECTS OF TEXT PREPROCESSING IN PASHTO | |
| Nørstebø Moshagen et al. | The GiellaLT infrastructure: A multilingual infrastructure for rule-based NLP |
| Date | Code | Title | Description |
|---|---|---|---|
| PA0109 | Patent application | St.27 status event code:A-0-1-A10-A12-nap-PA0109 | |
| P11-X000 | Amendment of application requested | St.27 status event code:A-2-2-P10-P11-nap-X000 | |
| P13-X000 | Application amended | St.27 status event code:A-2-2-P10-P13-nap-X000 | |
| R15-X000 | Change to inventor requested | St.27 status event code:A-3-3-R10-R15-oth-X000 | |
| R16-X000 | Change to inventor recorded | St.27 status event code:A-3-3-R10-R16-oth-X000 | |
| PG1501 | Laying open of application | St.27 status event code:A-1-1-Q10-Q12-nap-PG1501 | |
| A201 | Request for examination | ||
| PA0201 | Request for examination | St.27 status event code:A-1-2-D10-D11-exm-PA0201 | |
| R18-X000 | Changes to party contact information recorded | St.27 status event code:A-3-3-R10-R18-oth-X000 | |
| R17-X000 | Change to representative recorded | St.27 status event code:A-3-3-R10-R17-oth-X000 | |
| R18-X000 | Changes to party contact information recorded | St.27 status event code:A-3-3-R10-R18-oth-X000 | |
| R17-X000 | Change to representative recorded | St.27 status event code:A-3-3-R10-R17-oth-X000 | |
| R18-X000 | Changes to party contact information recorded | St.27 status event code:A-3-3-R10-R18-oth-X000 | |
| PE0902 | Notice of grounds for rejection | St.27 status event code:A-1-2-D10-D21-exm-PE0902 | |
| R18-X000 | Changes to party contact information recorded | St.27 status event code:A-3-3-R10-R18-oth-X000 | |
| T11-X000 | Administrative time limit extension requested | St.27 status event code:U-3-3-T10-T11-oth-X000 | |
| P11-X000 | Amendment of application requested | St.27 status event code:A-2-2-P10-P11-nap-X000 | |
| P13-X000 | Application amended | St.27 status event code:A-2-2-P10-P13-nap-X000 | |
| E13-X000 | Pre-grant limitation requested | St.27 status event code:A-2-3-E10-E13-lim-X000 | |
| P11-X000 | Amendment of application requested | St.27 status event code:A-2-2-P10-P11-nap-X000 | |
| R18-X000 | Changes to party contact information recorded | St.27 status event code:A-3-3-R10-R18-oth-X000 | |
| PE0701 | Decision of registration | St.27 status event code:A-1-2-D10-D22-exm-PE0701 | |
| PG1601 | Publication of registration | St.27 status event code:A-4-4-Q10-Q13-nap-PG1601 |