La traducción automática neuronal (NMT) es una de las tareas de generación de texto que ha logrado una mejora significativa con el surgimiento de las redes neuronales profundas. Sin embargo, problemas específicos del lenguaje, como el manejo de la traducción de honoríficos, han recibido poca atención. En este documento, proponemos un NMT consciente del contexto para promover mejoras en la traducción de honoríficos coreanos. Al explotar la información, como la relación entre los hablantes de las oraciones circundantes, nuestro modelo propuesto gestiona de manera efectiva el uso de expresiones honoríficas. Específicamente, utilizamos una arquitectura de codificador novedosa que puede representar la información contextual de las oraciones de entrada dadas. Además, se adopta una técnica de post-edición consciente del contexto (CAPE) para refinar un conjunto de traducciones inconsistentes de honoríficos a nivel de oración. Para demostrar la eficacia del método propuesto, se requieren datos de prueba etiquetados con honoríficos. Por lo tanto, también diseñamos una heurística que etiqueta oraciones coreanas para distinguir entre estilos honoríficos y no honoríficos. Los resultados experimentales muestran que nuestro método propuesto supera a las líneas de base de NMT a nivel de oración tanto en calidad de traducción general como en traducciones honoríficas.