[發(fā)明專利]基于領(lǐng)域相似性度量方法的統(tǒng)計(jì)機(jī)器翻譯方法

無(wú)效

• 申請(qǐng)?zhí)枺?/td>: 201310689351.3
• 申請(qǐng)日: 2013-12-16
• 公開(kāi)（公告）號(hào): CN103631773A
• 公開(kāi)（公告）日: 2014-03-12
• 發(fā)明（設(shè)計(jì)）人: 曹海龍;劉淋;趙鐵軍;鄭德權(quán);楊沐昀;徐冰;朱聰慧
• 申請(qǐng)（專利權(quán)）人: 哈爾濱工業(yè)大學(xué)
• 主分類號(hào): G06F17/28
• 分類號(hào): G06F17/28;G06F17/27
• 代理公司: 哈爾濱市松花江專利商標(biāo)事務(wù)所 23109
• 代理人: 張宏威

1.基于領(lǐng)域相似性度量方法的統(tǒng)計(jì)機(jī)器翻譯方法，其特征在于，所述統(tǒng)計(jì)機(jī)器翻譯方法為在現(xiàn)有統(tǒng)計(jì)機(jī)器翻譯方法中，在從雙語(yǔ)平行的訓(xùn)練語(yǔ)料庫(kù)中選取與翻譯文本的領(lǐng)域相似性高的若干篇文檔作為訓(xùn)練語(yǔ)料。

2.根據(jù)權(quán)利要求1所述的基于領(lǐng)域相似性度量方法的統(tǒng)計(jì)機(jī)器翻譯方法，其特征在于，在從雙語(yǔ)平行的訓(xùn)練語(yǔ)料庫(kù)中選取與翻譯文本的領(lǐng)域最相似的若干篇文檔作為訓(xùn)練語(yǔ)料的過(guò)程為：將翻譯文本逐一與雙語(yǔ)平行訓(xùn)練語(yǔ)料庫(kù)中的文檔進(jìn)行相似性度量，然后對(duì)所有度量結(jié)果進(jìn)行排序，選取度量結(jié)果最佳的若干篇文檔作為訓(xùn)練語(yǔ)料。

3.根據(jù)權(quán)利要求2所述的基于領(lǐng)域相似性度量方法的統(tǒng)計(jì)機(jī)器翻譯方法，其特征在于，將翻譯文本與雙語(yǔ)平行訓(xùn)練語(yǔ)料庫(kù)中的任意一個(gè)文檔進(jìn)行相似性度量的方法為：

采用相對(duì)詞頻作為特征代表，采用余弦距離函數(shù)、變分距離函數(shù)、歐式距離函數(shù)、偏斜距離函數(shù)或者JS距離函數(shù)作為相似度函數(shù)進(jìn)行文當(dāng)相似性度量。

4.根據(jù)權(quán)利要求3所述的基于領(lǐng)域相似性度量方法的統(tǒng)計(jì)機(jī)器翻譯方法，其特征在于，所述相對(duì)詞頻的獲得方法為采用TF-IDF公式計(jì)算相對(duì)詞頻（TF），所述TF-IDF公式為：TF-IDF=詞頻(TF)×逆文檔頻率(IDF)，其中：

5.根據(jù)權(quán)利要求2所述的基于領(lǐng)域相似性度量方法的統(tǒng)計(jì)機(jī)器翻譯方法，其特征在于，將翻譯文本與雙語(yǔ)平行訓(xùn)練語(yǔ)料庫(kù)中的任意一個(gè)文檔進(jìn)行相似性度量的方法為：

采用主題模型作為特征代表，采用余弦距離函數(shù)、變分距離函數(shù)、歐式距離函數(shù)、偏斜距離函數(shù)或者JS距離函數(shù)作為相似度函數(shù)進(jìn)行文當(dāng)相似性度量。

6.根據(jù)權(quán)利要求3或5所述的基于領(lǐng)域相似性度量方法的統(tǒng)計(jì)機(jī)器翻譯方法，其特征在于，所述偏斜距離函數(shù)為：

S_α(q,r,α)=D(q(y)||αr(y)+(1-α)q(y))，α∈[0,1)，

所述函數(shù)中，q(y)和r(y)表示表示兩個(gè)文檔中的特征代表的分布，D(q||r)表示KL距離，α表示q(y)和r(y)這兩個(gè)分布在進(jìn)行KL距離計(jì)算時(shí)的混合程度。它是非負(fù)的、累加的、非對(duì)稱的距離函數(shù)，所述非對(duì)稱是指D(q||r)≠D(r||q)，其中：

D(q||r)=Σyq(y)logq(y)r(y).]]>

7.根據(jù)權(quán)利要求3或5所述的基于領(lǐng)域相似性度量方法的統(tǒng)計(jì)機(jī)器翻譯方法，其特征在于，所述所述余弦距離函數(shù)為：

cos(q(y),r(y))=q(y)×r(y)/||q(y)||||r(y)||

所述余弦距離函數(shù)中：q(y)和r(y)表示兩文檔中的特征代表概率分布。

8.根據(jù)權(quán)利要求3或5所述的基于領(lǐng)域相似性度量方法的統(tǒng)計(jì)機(jī)器翻譯方法，其特征在于，所述變分距離函數(shù)為：Var(q,r)=∑_y|q(y)-r(y)|，q(y)和r(y)表示表示兩個(gè)文檔中的特征代表的分布。

9.根據(jù)權(quán)利要求3或5所述的基于領(lǐng)域相似性度量方法的統(tǒng)計(jì)機(jī)器翻譯方法，其特征在于，所述歐式距離函數(shù)(Euclidean?distance?function)為：q(y)和r(y)表示表示兩個(gè)文檔中的特征代表的分布。

10.根據(jù)權(quán)利要求3或5所述的基于領(lǐng)域相似性度量方法的統(tǒng)計(jì)機(jī)器翻譯方法，其特征在于，所述JS距離函數(shù)為：JS(q,r)=1/2[D(q||avg(q,r)+D(r||avg(q,r))]，q(y)和r(y)表示表示兩個(gè)文檔中的特征代表的分布。