[發(fā)明專利]一種譯文檢查方法及其系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201310456548.2
• 申請日: 2013-09-29
• 公開（公告）號: CN104516870B
• 公開（公告）日: 2018-08-07
• 發(fā)明（設(shè)計(jì)）人: 葉茂;王元龍;金立峰;湯幟;徐劍波
• 申請（專利權(quán)）人: 北大方正集團(tuán)有限公司;北京方正阿帕比技術(shù)有限公司;北京大學(xué)
• 主分類號: G06F17/27
• 分類號: G06F17/27;G06F17/28
• 代理公司: 北京三聚陽光知識產(chǎn)權(quán)代理有限公司 11250
• 代理人: 寇海俠

本發(fā)明提供一種譯文檢查方法及其系統(tǒng)，包括初始化處理和檢查判定處理。所述初始化處理，基于一批語料來訓(xùn)練二元語法模型，作為檢查評分模型，為所述檢查判定處理時(shí)給譯文打分提供依據(jù)。所述檢查判定處理，通過所述檢查評分模型給譯文打分，將譯文得分與預(yù)設(shè)判定閾值比較，將得分小于所述預(yù)設(shè)判定閾值的譯文判定為“錯(cuò)誤”，否則判定為“正確”。上述技術(shù)方案有效避免了現(xiàn)有技術(shù)中對譯文檢測方法很大程度上依賴于雙語專家或高質(zhì)量的人工翻譯譯文作為參照，同時(shí)不能判斷正確與否，只能判斷評測譯文的好差程度的問題。

技術(shù)領(lǐng)域

本發(fā)明涉及一種譯文檢查方法及其系統(tǒng)，具體是一種基于二元語法模型的譯文檢查方法及其系統(tǒng)，屬于電數(shù)字?jǐn)?shù)據(jù)處理方法技術(shù)領(lǐng)域。

背景技術(shù)

近年來，機(jī)器翻譯（Machine Translation）的應(yīng)用越來越廣泛，而且對機(jī)器翻譯譯文的質(zhì)量要求越來越高。在翻譯領(lǐng)域內(nèi)，即使最好的翻譯人員也很難達(dá)到翻譯界所要求的最高標(biāo)準(zhǔn)“信、達(dá)、雅”，因此機(jī)器翻譯評價(jià)成為一個(gè)重要而困難的課題。

由于要對譯文質(zhì)量評價(jià)至少要懂得兩種語言，譯文質(zhì)量評價(jià)成為一項(xiàng)難度很大的智力活動，因此對機(jī)器翻譯的譯文質(zhì)量的評價(jià)通常由專家來進(jìn)行，而且價(jià)格成本不菲，評價(jià)過程也非常耗時(shí)而且不可重用。

一般機(jī)器譯文的評價(jià)出發(fā)點(diǎn)為“有多好”和“哪個(gè)更好”，如果在人工對譯文評價(jià)之前，將譯文中“不正確”或“錯(cuò)誤”的譯文篩選出來，將大大縮減人工評價(jià)譯文的成本和時(shí)間。

在翻譯需求中，有一類是針對領(lǐng)域短語的翻譯，由于領(lǐng)域短語包含的文字不多且通常具備顯著的領(lǐng)域特征，因此通過一定量的領(lǐng)域語料，能夠從不同角度發(fā)現(xiàn)其規(guī)律，并建立模型。

現(xiàn)有技術(shù)中IBM提出的基于N元匹配的BLEU機(jī)器翻譯評測方法需要不同的雙語專家對原文進(jìn)行翻譯得到參考譯文，然后計(jì)算機(jī)器譯文與這多個(gè)參考譯文的字符串相似度，從而實(shí)現(xiàn)對機(jī)器翻譯譯文質(zhì)量的評測。該方法進(jìn)行評測譯文時(shí)，需要提供人工翻譯的高質(zhì)量譯文作為參照，獲取大量高質(zhì)量譯文的成本很高；同時(shí)在很大程度上依賴于雙語專家，其成本仍然很大；另外該方法只能評測譯文有“多好”，而不能判斷翻譯譯文是否“錯(cuò)誤”。

現(xiàn)有技術(shù)中還公開了一種機(jī)器翻譯自糾錯(cuò)的方法，首先定義翻譯錯(cuò)誤類別，將翻譯錯(cuò)誤類別定義為正確、一般錯(cuò)誤、次序錯(cuò)誤、集外詞錯(cuò)誤、其他錯(cuò)誤五類；訓(xùn)練錯(cuò)誤分類器，對翻譯錯(cuò)誤進(jìn)行分類；將翻譯映射到源語言端并構(gòu)建復(fù)述詞圖網(wǎng)絡(luò)；最后得到詞圖解碼并加以校正。該方法首先通過抽取與具體語言相關(guān)的字、詞、詞性標(biāo)注、句法、語法、語義特征建立語料庫，構(gòu)造訓(xùn)練模型，需要大量語料的準(zhǔn)備有很大的難度；其次該方法是基于動態(tài)概率潛變量模型的算法也需要大規(guī)模的語料準(zhǔn)備數(shù)據(jù)；另外，該方法只能檢查所定義的翻譯錯(cuò)誤類別，如果譯文的錯(cuò)誤類別不屬于所定義的翻譯錯(cuò)誤類別，則不能判斷翻譯譯文是否“錯(cuò)誤”。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題是現(xiàn)有技術(shù)中譯文檢測方法在很大程度上依賴于雙語專家，同時(shí)不能判斷正確與否，只能判斷評測譯文的好差程度，從而提供一種通過學(xué)習(xí)語料，訓(xùn)練出二元語法模型，通過該模型自動將相關(guān)的海量譯文中“不正確”或“錯(cuò)誤”的短語譯文過濾掉的譯文檢查方法。

為解決上述技術(shù)問題，本發(fā)明是通過以下技術(shù)方案實(shí)現(xiàn)的：

一種譯文檢查方法，包括初始化處理和檢查評定處理，

所述初始化處理，基于一批語料，通過統(tǒng)計(jì)語料二元切分條目的概率信息，來獲得二元語法模型，作為檢查評分模型，為所述檢查判定處理時(shí)給譯文打分提供依據(jù)；

所述檢查評定處理，通過所述檢查評分模型給譯文打分，將譯文得分與預(yù)設(shè)判定閾值比較，將得分小于所述預(yù)設(shè)判定閾值的譯文判定為“錯(cuò)誤”，否則判定為“正確”。

所述初始化處理的步驟如下：

獲取文本集D，d∈D，其中d表示所述文本集D的一個(gè)文本；