종단 간 다국어 비유 처리 연구: 감지, 번역 및 평가 통합

Towards End-to-End Multilingual Metaphor Processing: Integrating Detection, Translation, and Evaluation

비유적 언어는 성공적인 해석과 번역을 위해 문자 그대로의 어휘 의미를 넘어서는 추론이 필요하기 때문에 다국어 자연어 처리에 있어 여전히 중요한 과제입니다. 기존 연구는 주로 비유 감지, 기계 번역 및 번역 평가를 별개의 작업으로 조사해 왔으며, 이러한 구성 요소를 통합된 계산 프레임워크로 어떻게 결합할 수 있는지에 대한 연구는 미흡합니다. 본 박사 논문 제안은 세 가지 상호 보완적인 연구 방향을 포함하는 종단 간 다국어 비유 처리 프레임워크를 개발하는 것을 목표로 합니다: (1) 다양한 언어에서의 강력한 비유 감지, (2) 인간 평가 및 자동 품질 추정을 위한 비유 중심 번역 평가, 그리고 (3) 비유 감지와 번역 평가를 연결하는 통합 모델링. 제안된 연구는 언어학적 이론과 최신 대규모 언어 모델의 발전을 결합하여 새로운 데이터 세트, 주석 방법론, 평가 벤치마크 및 비유 인식 기계 번역을 위한 자동 평가 방법을 개발할 것입니다. 기대되는 결과는 비유적 표현을 처리할 때 다국어 자연어 처리 시스템의 개발과 평가를 향상시키는 통합 프레임워크입니다.

Metaphorical language remains a major challenge for multilingual natural language processing because successful interpretation and translation require reasoning beyond literal lexical meaning. Existing research has largely investigated metaphor detection, machine translation, and translation evaluation as separate tasks, while little work has explored how these components can be integrated into a unified computational framework. This PhD proposal aims to develop an end-to-end framework for multilingual metaphor processing consisting of three complementary research directions: (1) robust metaphor detection across languages, (2) metaphor-oriented translation evaluation for both human assessment and automatic quality estimation, and (3) joint modelling that connects metaphor detection with translation evaluation. The proposed research will combine linguistic theory with recent advances in large language models to develop new datasets, annotation methodologies, evaluation benchmarks, and automatic evaluation approaches for metaphor-aware machine translation. The expected outcome is a unified framework that improves both the development and evaluation of multilingual NLP systems when processing figurative language.