[發(fā)明專利]一種拼音和漢字相結(jié)合的漢外口語(yǔ)自動(dòng)翻譯方法

有效

• 申請(qǐng)?zhí)枺?/td>: 200910244513.6
• 申請(qǐng)日: 2009-12-30
• 公開（公告）號(hào): CN101788978A
• 公開（公告）日: 2010-07-28
• 發(fā)明（設(shè)計(jì)）人: 周玉;宗成慶
• 申請(qǐng)（專利權(quán)）人: 中國(guó)科學(xué)院自動(dòng)化研究所
• 主分類號(hào): G06F17/28
• 分類號(hào): G06F17/28
• 代理公司: 中科專利商標(biāo)代理有限責(zé)任公司 11021
• 代理人: 梁愛榮

技術(shù)領(lǐng)域

本發(fā)明屬于自然語(yǔ)言處理領(lǐng)域，特別涉及口語(yǔ)機(jī)器自動(dòng)翻譯方法 和跨語(yǔ)言信息檢索方法。

背景技術(shù)

口語(yǔ)翻譯(Spoken?Language?Translation，SLT)又叫語(yǔ)音翻譯 (Speech-to-speech?Translation，SST)，就是利用計(jì)算機(jī)實(shí)現(xiàn)一種 語(yǔ)言的語(yǔ)音到另一種語(yǔ)言語(yǔ)音的翻譯過(guò)程。其基本思想是讓計(jì)算機(jī)像 人一樣充當(dāng)持不同語(yǔ)言的說(shuō)話人之間翻譯的角色。由于口語(yǔ)翻譯涉及 語(yǔ)言學(xué)、計(jì)算語(yǔ)言學(xué)、計(jì)算機(jī)科學(xué)和技術(shù)、語(yǔ)音識(shí)別與語(yǔ)音合成以及 通訊技術(shù)等多種學(xué)科和技術(shù)，因此開展這項(xiàng)研究具有重要的科學(xué)意義。 而該技術(shù)一旦獲得突破，可以應(yīng)用于社會(huì)生活的各個(gè)方面，例如，國(guó) 際民航信息咨詢，國(guó)際會(huì)議(包括體育運(yùn)動(dòng)會(huì))信息綜合服務(wù)，旅游 信息咨詢等，因此，該技術(shù)又蘊(yùn)涵著潛在的巨大的社會(huì)效益和經(jīng)濟(jì)利 益。為此，許多發(fā)達(dá)國(guó)家競(jìng)相投入巨資開展全國(guó)性或多國(guó)性的聯(lián)合攻 關(guān)。

目前的口語(yǔ)翻譯系統(tǒng)都是首先將源語(yǔ)言的語(yǔ)音信號(hào)轉(zhuǎn)換成文字，然 后再對(duì)文字進(jìn)行分析、轉(zhuǎn)換、生成，最后將譯文轉(zhuǎn)換成語(yǔ)音信號(hào)輸出。 也就是說(shuō)，口語(yǔ)翻譯系統(tǒng)主要由語(yǔ)音識(shí)別、機(jī)器翻譯和語(yǔ)音合成三個(gè) 主要模塊構(gòu)成。正如前所述，目前的口語(yǔ)翻譯系統(tǒng)首先由語(yǔ)音識(shí)別模 塊將語(yǔ)音信號(hào)轉(zhuǎn)化成文字，然后翻譯模塊再對(duì)文字進(jìn)行翻譯處理。所 以可以說(shuō)，這里并沒(méi)有很好的將語(yǔ)音識(shí)別和機(jī)器翻譯真正有機(jī)統(tǒng)一和 結(jié)合起來(lái)，整個(gè)系統(tǒng)相當(dāng)于串聯(lián)結(jié)構(gòu)，前端的語(yǔ)音識(shí)別的錯(cuò)誤會(huì)毫無(wú) 保留的延續(xù)到后續(xù)的翻譯模塊當(dāng)中。而當(dāng)今的翻譯方法無(wú)論是基于短 語(yǔ)或基于句法的翻譯系統(tǒng)，實(shí)際上還是針對(duì)字(單字或多字)進(jìn)行訓(xùn) 練和解碼的，整個(gè)訓(xùn)練和解碼流程如圖1所示，該實(shí)施步驟為：1)在 訓(xùn)練階段，輸入的是基于字(單字或多字)的漢外訓(xùn)練語(yǔ)料，通過(guò)步 驟A1進(jìn)行基于字的詞對(duì)齊訓(xùn)練，獲取基于字的詞對(duì)齊文件，然后通過(guò) 步驟A2，進(jìn)行語(yǔ)言模型的訓(xùn)練，獲取基于字的語(yǔ)言模型，通過(guò)步驟A3 進(jìn)行翻譯模型的訓(xùn)練，獲取基于字的翻譯模型，而后通過(guò)步驟A4進(jìn)行 基于字的最小錯(cuò)誤訓(xùn)練，獲取基于字的翻譯模型下的各種特征權(quán)重和 各種優(yōu)化參數(shù)，最后通過(guò)A5進(jìn)行解碼，得到最終翻譯結(jié)果。從該流程 圖我們可以很清楚的看到，因?yàn)檎麄€(gè)訓(xùn)練和解碼過(guò)程都是基于字的， 所以如果一旦語(yǔ)音識(shí)別輸出的文字有誤，則后續(xù)的基于字的翻譯系統(tǒng) 就很難對(duì)前端的錯(cuò)誤得到很好的糾正，從而導(dǎo)致翻譯質(zhì)量下降。而且 口語(yǔ)翻譯系統(tǒng)由于口語(yǔ)的多變性尤其是漢語(yǔ)中大量同音異形字的存在 會(huì)導(dǎo)致語(yǔ)音識(shí)別結(jié)果往往出現(xiàn)同音異形字，這對(duì)于基于字的翻譯方法 而言就成了未登陸詞，即便不是未登陸詞，也會(huì)導(dǎo)致組合的片段無(wú)法 在翻譯知識(shí)中找到很好的對(duì)應(yīng)片段，使得翻譯質(zhì)量大大降低。也就是 說(shuō)以往的基于字形式的語(yǔ)音翻譯方法根本無(wú)法解決這種同音異形字帶 來(lái)的錯(cuò)誤，使得本來(lái)可以召回的這部分待翻譯內(nèi)容變成未登陸詞或錯(cuò) 誤詞匯片段，找不到相應(yīng)義項(xiàng)導(dǎo)致翻譯失敗。

發(fā)明內(nèi)容

為了解決這個(gè)問(wèn)題，本發(fā)明提出了利用拼音替代漢字甚至是利用 拼音和漢字兩者相結(jié)合的方法來(lái)對(duì)翻譯模塊進(jìn)行訓(xùn)練和解碼，不僅能 夠有效降低語(yǔ)音識(shí)別由于同音異形字導(dǎo)致的錯(cuò)誤，而且由于將拼音和 漢字相互結(jié)合，能夠獲取更準(zhǔn)確的翻譯規(guī)則，從而增強(qiáng)系統(tǒng)的魯棒性， 提高口語(yǔ)翻譯系統(tǒng)的質(zhì)量。針對(duì)現(xiàn)有技術(shù)的問(wèn)題，本發(fā)明的目的是對(duì) 現(xiàn)有的口語(yǔ)翻譯系統(tǒng)進(jìn)行改善提高，提出一種將拼音和漢字相結(jié)合的 翻譯方法，希望利用拼音和漢字的結(jié)合來(lái)有效降低未登陸詞導(dǎo)致的錯(cuò) 誤，并通過(guò)兩者相互結(jié)合的方法來(lái)提高詞對(duì)齊的精度，生成更可信的 翻譯規(guī)則，從而提高翻譯質(zhì)量。為此本發(fā)明提供一種新的口語(yǔ)翻譯方 法。

為了實(shí)現(xiàn)所述的目的，本發(fā)明提供一種將拼音和漢字相結(jié)合的方 法用于口語(yǔ)翻譯系統(tǒng)，利用拼音和漢字相結(jié)合的方法進(jìn)行訓(xùn)練和解碼， 其具體實(shí)現(xiàn)步驟包括：

步驟S1：對(duì)原始漢外語(yǔ)料的漢語(yǔ)部分進(jìn)行字音轉(zhuǎn)化，將所有連續(xù) 漢字轉(zhuǎn)化為相應(yīng)的拼音，經(jīng)過(guò)將原始漢外語(yǔ)料的漢語(yǔ)部分進(jìn)行字音轉(zhuǎn) 化，得到基于拼音的漢語(yǔ)語(yǔ)料并與原始外語(yǔ)語(yǔ)料重新進(jìn)行對(duì)齊組合就 得到了基于拼音的漢外訓(xùn)練語(yǔ)料；并對(duì)原始漢語(yǔ)語(yǔ)料轉(zhuǎn)化為基于漢語(yǔ) 單字分隔形式的語(yǔ)料，得到基于漢語(yǔ)單字分隔的漢語(yǔ)語(yǔ)料并與原始外 語(yǔ)語(yǔ)料重新進(jìn)行組合就得到了基于漢字的漢外訓(xùn)練語(yǔ)料；

步驟S2：利用基于拼音的漢外訓(xùn)練語(yǔ)料進(jìn)行詞對(duì)齊的訓(xùn)練，得到 基于拼音的詞對(duì)齊；利用基于漢字的漢外訓(xùn)練語(yǔ)料進(jìn)行詞對(duì)齊的訓(xùn)練， 得到基于漢字的詞對(duì)齊；