본 논문은 신경망 기계번역(NMT)에서 스타일 유지를 개선하기 위한 새로운 프레임워크인 Babel을 제시합니다. 기존의 스타일 유지 접근 방식이 병렬 말뭉치를 필요로 하는 것과 달리, Babel은 단일 언어 말뭉치만을 사용합니다. Babel은 문맥적 임베딩을 기반으로 스타일 불일치를 식별하는 스타일 검출기와 의미적 무결성을 유지하면서 스타일 불일치를 수정하는 확산 기반 스타일 적용기의 두 가지 주요 구성 요소로 이루어져 있습니다. 기존 NMT 시스템에 후처리 모듈로 통합되어, 아키텍처 변경이나 병렬 스타일 데이터 없이 스타일 인식 번역을 가능하게 합니다. 5개의 다양한 분야(법률, 문학, 과학 논문, 의학, 교육 콘텐츠)에 대한 광범위한 실험 결과, Babel은 88.21%의 정밀도로 스타일 불일치를 식별하고 스타일 유지를 150% 향상시키는 동시에 0.92의 높은 의미적 유사성 점수를 유지하는 것으로 나타났습니다. 사람에 의한 평가 또한 Babel로 개선된 번역이 유창성과 적절성을 유지하면서 원본 텍스트 스타일을 더 잘 보존한다는 것을 확인했습니다.
