[發(fā)明專利]一種譯員文檔精確匹配的方法

有效

• 申請?zhí)枺?/td>: 201310712040.4
• 申請日: 2013-12-23
• 公開（公告）號: CN103729421B
• 公開（公告）日: 2018-03-16
• 發(fā)明（設(shè)計(jì)）人: 江潮;張芃
• 申請（專利權(quán)）人: 語聯(lián)網(wǎng)（武漢）信息技術(shù)有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京康盛知識產(chǎn)權(quán)代理有限公司11331
• 代理人: 張良

1.一種譯員文檔精確匹配的方法，其特征在于，包括：

掃描待譯文檔，確定所述待譯文檔中的所有詞匯和所有語句；

根據(jù)確定的所述詞匯和語句分別進(jìn)行復(fù)雜度計(jì)算，得到文檔的詞匯復(fù)雜度和語句復(fù)雜度；

根據(jù)所述文檔的所述詞匯復(fù)雜度和所述語句復(fù)雜度計(jì)算得到所述文檔的翻譯難度數(shù)值；

根據(jù)所述待譯文檔的所述翻譯難度數(shù)值在數(shù)據(jù)庫中與譯員具有的翻譯能力等級進(jìn)行匹配，匹配出與所述待譯文檔的翻譯難度數(shù)值對應(yīng)的譯員；

其中，根據(jù)所述文檔的所述詞匯復(fù)雜度和所述語句復(fù)雜度計(jì)算得到所述文檔的所述翻譯難度數(shù)值包括：

按照翻譯難度計(jì)算公式計(jì)算所述翻譯難度數(shù)值，所述翻譯難度計(jì)算公式如下：

diff_doc＝K₁·diff_word+K₂·diff_sentence

其中，diff_word為所述文檔詞匯復(fù)雜度，diff_sentence為所述文檔語句復(fù)雜度，K₁、K₂為多元線性回歸系數(shù)；

其中,所述文檔詞匯復(fù)雜度的計(jì)算過程包括：

計(jì)算出文檔的詞匯等級、類符形符比和實(shí)義詞詞義密度；按照詞匯復(fù)雜度計(jì)算公式計(jì)算，得到所述文檔的所述詞匯復(fù)雜度，所述詞匯復(fù)雜度計(jì)算公式如下：

diff_word＝K₁₁·grade_word+K₁₂·STTR+K₁₃·density_notional；

其中，diff_word為所述文檔詞匯復(fù)雜度，grade_word為所述文檔的詞匯等級，STTR為所述文檔的類符形符比，density_notional為所述文檔的實(shí)義詞詞義密度，K₁₁、K₁₂和K₁₃為通過樣本計(jì)算得到詞匯復(fù)雜度調(diào)節(jié)系數(shù)；

其中,所述文檔的詞匯等級的計(jì)算過程包括：

對所述文檔進(jìn)行分詞處理，得到所有詞匯，并統(tǒng)計(jì)得到總詞匯數(shù)；

將得到的每個(gè)所述詞匯在詞匯分級表中進(jìn)行匹配，得到每個(gè)所述詞匯的詞匯級別；所述詞匯級別為一級、二級、三級或四級；

分別統(tǒng)計(jì)所述詞匯級別為二級或二級以上的級別的所述詞匯的數(shù)量；

按照詞匯等級計(jì)算公式計(jì)算出所述文檔的詞匯等級，所述詞匯等級計(jì)算公式如下：

grade_word=K111·word2word+K112·word3word+K113·word4word;]]>

其中，word_x為詞匯級別為X級的詞匯的數(shù)量，word為總詞匯數(shù)，K₁₁₁、K₁₁₂和K₁₁₃為給定樣本所計(jì)算出的詞匯等級調(diào)節(jié)系數(shù)，屬于第三級調(diào)節(jié)系數(shù)，該調(diào)節(jié)系數(shù)為多元線性回歸系數(shù)可以通過最小二乘法計(jì)算得到；具體計(jì)算方法如下：

令：Y＝grade_word，

對于采集到的n組樣本數(shù)據(jù)：

{X₁₁,X₁₂,X₁₃}；

{X₂₁,X₂₂,X₂₃}；

{X_n1,X_n2,X_n3}；

對應(yīng)給出專家評定出的詞匯等級：

由此可以獲得以下線性方程組：

Y₁＝K₁₁₁·X₁₁+K₁₁₂·X₁₂+K₁₁₃·X₁₃；

Y₂＝K₁₁₁·X₂₁+K₁₁₂·X₂₂+K₁₁₃·X₂₃；

Y_n＝K₁₁₁·X_n1+K₁₁₂·X_n2+K₁₁₃·X_n3；

得到：

K111K112K113=(X′X)-1X′Y;]]>

其中，X'為X的轉(zhuǎn)置矩陣。