[發明專利]從圖片中自動提取雙語詞典的方法及裝置

有效

• 申請號: 201310746535.9
• 申請日: 2013-12-30
• 公開（公告）號: CN103714055A
• 公開（公告）日: 2014-04-09
• 發明（設計）人: 王海峰;馬艷軍
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06F17/28
• 分類號: G06F17/28;G06F17/27
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 宋合成

1.一種從圖片中自動提取雙語詞典的方法，其特征在于，包括：

分別采用第一語言圖片語義標注器和第二語言圖片語義標注器對至少兩個圖片進行標注，根據所述第一語言圖片語義標注器和所述第二語言圖片語義標注器的輸出，生成至少兩個均包含第一語言語義標簽和第二語言語義標簽的雙語句對；以及

采用最大期望EM算法對生成的所述雙語句對進行詞對齊，提取出雙語詞典詞條。

2.如權利要求1所述的方法，其特征在于，所述根據所述第一語言圖片語義標注器和所述第二語言圖片語義標注器的輸出，生成至少兩個均包含第一語言語義標簽和第二語言語義標簽的雙語句對，包括：

根據所述第一語言圖片語義標注器和所述第二語言圖片語義標注器的有序或無序輸出，生成至少兩個均包含第一語言語義標簽和第二語言語義標簽的雙語句對。

3.如權利要求1所述的方法，其特征在于，所述采用最大期望EM算法對生成的所述雙語句對進行詞對齊包括：

當所述第一語言圖片語義標注器和所述第二語言圖片語義標注器的輸出為無序輸出時，采用第一EM算法對生成的所述雙語句對進行詞對齊；或者

當所述第一語言圖片語義標注器和所述第二語言圖片語義標注器的輸出為有序輸出時，采用第二EM算法對生成的所述雙語句對進行詞對齊。

4.如權利要求3所述的方法，其特征在于，所述采用第一EM算法對生成的所述雙語句對進行詞對齊，提取出雙語詞典詞條，包括：

獲得兩個雙語句對中所有詞語之間的對齊概率；

判斷所述對齊概率是否達到設定閾值，若達到，則提取出雙語詞典詞條，若未達到，則根據所述對齊概率采用第一對齊概率公式分別計算每個雙語句對中各種對齊方式對應的概率；對各種對齊方式對應的概率進行歸一化處理，對歸一化處理結果進行計數統計；根據計數統計結果更新所述對齊概率，重復執行所述判斷所述對齊概率是否達到設定閾值的操作。

5.如權利要求4所述的方法，其特征在于，所述第一對齊概率公式為：

其中，e表示第一語言的句子，f表示第二語言的句子，E_i與F_Ei是互相對齊的詞，a表示對齊方式，i表示第一語言的詞語在第一語言的句子中的位置，m表示第一語言的句子長度。

6.如權利要求3所述的方法，其特征在于，所述采用第二EM算法對生成的所述雙語句對進行詞對齊，提取出雙語詞典詞條，包括：

獲得兩個雙語句對中所有詞語之間的對齊概率；

判斷所述對齊概率是否達到設定閾值，若達到，則提取出雙語詞典詞條，若未達到，則根據所述對齊概率采用第二對齊概率公式分別計算每個雙語句對中各種對齊方式對應的概率；對各種對齊方式對應的概率進行歸一化處理，對歸一化處理結果進行計數統計；根據計數統計結果更新所述對齊概率，重復執行所述判斷所述對齊概率是否達到設定閾值的操作。

7.如權利要求6所述的方法，其特征在于，所述第二對齊概率公式為：

其中，d(j|i,m,n)表示位置關系概率，e表示第一語言的句子，f表示第二語言的句子，E_i與F_Ei是互相對齊的詞，a表示對齊方式，i、j分別表示第一語言的詞語在第一語言的句子中的位置和第二語言的詞語在第二語言的句子中的位置，m、n分別表示第一語言的句子長度和表示第一語言的句子長度，0≤j≤n且i-w≤j≤i+w，w表示窗口大小。

8.一種從圖片中自動提取雙語詞典的裝置，其特征在于，包括：

生成模塊，用于分別采用第一語言圖片語義標注器和第二語言圖片語義標注器對至少兩個圖片進行標注，根據所述第一語言圖片語義標注器和所述第二語言圖片語義標注器的輸出，生成至少兩個均包含第一語言語義標簽和第二語言語義標簽的雙語句對；以及

對齊提取模塊，用于采用最大期望EM算法對生成的所述雙語句對進行詞對齊，提取出雙語詞典詞條。

9.如權利要求8所述的裝置，其特征在于，所述生成模塊，具體用于：

根據所述第一語言圖片語義標注器和所述第二語言圖片語義標注器的有序或無序輸出，生成至少兩個均包含第一語言語義標簽和第二語言語義標簽的雙語句對。