[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）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

技術(shù)領(lǐng)域

本發(fā)明涉及翻譯技術(shù)領(lǐng)域，具體而言，涉及一種譯員文檔精確匹配的方法。

背景技術(shù)

在翻譯流程中，為待譯文檔選擇合適的譯員是其中最重要的一個環(huán)節(jié)。為保證譯文的翻譯質(zhì)量，首先要求譯員的翻譯能力足以勝任的待譯文檔的翻譯難度，其次從性價比的角度考慮，也要求譯員的翻譯能力不要過于超出待譯文檔的翻譯難度，以使得翻譯質(zhì)量和翻譯代價之比最優(yōu)。譯員的翻譯能力是一個動態(tài)的能力值，對于翻譯企業(yè)來說，譯員的翻譯能力值是通過譯員在不斷的翻譯生產(chǎn)過程中所得到的一個加權(quán)評分值，相對來說是個固定的可獲取的能力值，但待譯文檔的翻譯難度的判定則需要根據(jù)每篇文檔的具體情況而定。對于文檔翻譯難度的判別可以分為人工判別和機(jī)器判別。人工判別是通過語言專家或翻譯專家對待翻譯文檔進(jìn)行標(biāo)注和判斷，由于人的閱讀和理解限制，這種方法速度較慢同時要耗費(fèi)非常大的的人力成本，并且由于判別人能力的參差以及每人對文檔難度的理解不同而產(chǎn)生很大的判別差別，判別結(jié)果無法做到統(tǒng)一標(biāo)準(zhǔn)，客觀性很差。機(jī)器判別是通過計算機(jī)結(jié)合一定的方法對文檔進(jìn)行翻譯難度判斷，目前最常用的方法是通過對文檔中生僻字詞的統(tǒng)計來進(jìn)行難度判斷，這種單一維度的判斷方法其用來作為判別因素的可靠性比較單薄，有較大的片面性，得到的判別結(jié)果往往與實(shí)際情況差別很大，無法保證判別結(jié)果的準(zhǔn)確性。目前對文檔翻譯難度的判別，還缺乏一個既高效又相對準(zhǔn)確的判別方法，從而保證譯員文檔能夠進(jìn)行快速準(zhǔn)確的匹配。

發(fā)明內(nèi)容

本發(fā)明旨在提供一種譯員文檔精確匹配的方法，解決了如何將文檔分配給合適的譯員的問題。

本發(fā)明公開了一種譯員文檔精確匹配的方法，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)雜度和所述文檔復(fù)雜度計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。

優(yōu)選地，計算所述文檔的詞匯復(fù)雜度的過程包括：

計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)雜度計算公式計算，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為通過樣本計算得到詞匯復(fù)雜度調(diào)節(jié)系數(shù)。

優(yōu)選地，在計算所述文檔的詞匯等級之前，還包括：

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

將得到的每個所述詞匯在詞匯分級表中進(jìn)行匹配，得到每個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；

計算所述文檔的詞匯等級的過程包括：

按照詞匯等級計算公式計算出所述文檔的詞匯等級，所述詞匯等級計算公式如下：

其中，word_x為詞匯級別為X級的詞匯的數(shù)量，K₁₁₁、K₁₁₂和K₁₁₃為通過樣本計算得到詞匯等級調(diào)節(jié)系數(shù)，word為總詞匯數(shù)。

優(yōu)選地，在計算所述文檔的類符形符比的過程包括；

根據(jù)得到的所有所述詞匯，統(tǒng)計其中的類符數(shù)和形符數(shù)，計算所述類符數(shù)與所述形符數(shù)之比，得到所述文檔的類符形符比；或

將得到的所有所述詞匯按照標(biāo)準(zhǔn)數(shù)量劃分為多個子文檔，及1個不足標(biāo)準(zhǔn)數(shù)量詞匯的子文檔，按照類符形符比計算公式計算，得到所述文檔的類符形符比；所述類符形符比計算公式如下：

其中，token為所述不足標(biāo)準(zhǔn)數(shù)量詞匯的子文檔的形符數(shù)，type為不足標(biāo)準(zhǔn)數(shù)量詞匯的子文檔的類符數(shù)，type_i為第i個含標(biāo)準(zhǔn)數(shù)量個詞匯的子文檔的類符數(shù)，n為所述含標(biāo)準(zhǔn)數(shù)量個詞匯的子文檔數(shù)量，ST為所述標(biāo)準(zhǔn)數(shù)量個詞匯劃分單位。