[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

技術領域

本發明涉及計算機技術領域，尤其涉及一種從圖片中自動提取雙語詞典的方法及裝置。

背景技術

互聯網技術的發展讓我們的知識面更加廣闊，獲取的知識也日益豐富。不過問題也隨之而來，有些網絡只有詳盡的英文或者其他外文資料而沒有我們熟悉的漢語資料，這就給我們工作和生活帶來極大的不便。

目前網絡中有很多翻譯系統，這些翻譯系統可以通過雙語詞典為我們提供翻譯服務，即利用雙語詞典將一種我們不熟悉的語言翻譯成我們熟悉的語言。而雙語詞典對于一個翻譯系統而言非常重要。

現有技術中一般利用雙語文本（如聯合國用多種語言發布的文檔）或雙語網頁（如多種語言的網站）來獲取雙語句對，并雙語從句對中抽取雙語詞典。

由此可見，現有雙語詞典的生成主要依賴雙語文本和網頁資源。而隨著信息技術的快速發展，信息載體多種多樣，包括文字、圖片和多媒體等，其中，圖片具有包含數據量大、表現形式豐富形象等特點，因而作為信息載體的圖片應用范圍越來越廣，如果能從圖片中抽取出雙語詞典詞條，將會極大地豐富和完善雙語詞典，因此，迫切需要提供一種可以從圖片中提取雙語詞典的技術方案。

發明內容

本發明旨在至少解決上述技術問題之一。

為此，本發明的第一個目的在于提出一種從圖片中自動提取雙語詞典的方法。該方法可以從圖片中自動提取出雙語詞典詞條，而不需要依賴雙語文本和網頁資源，且實現簡單、準確率高。

本發明的第二個目的在于提出一種從圖片中自動提取雙語詞典的裝置。

為了實現上述目的，本發明第一方面實施例的從圖片中自動提取雙語詞典的方法，包括以下步驟：

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，根據第一語言圖片語義標注器和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算法對生成的雙語句對進行詞對齊，提取出雙語詞典詞條。

本發明實施例的從圖片中自動提取雙語詞典的方法，通過生成多個雙語句對，然后采用EM算法對生成的雙語句對進行詞對齊，從而可以從圖片中自動提取出雙語詞典，而不需要依賴雙語文本和網頁資源，且實現簡單、準確率高。

為了實現上述目的，本發明第二方面實施例的從圖片中自動提取雙語詞典的裝置，包括：生成模塊以及對齊提取模塊。

本發明實施例的從圖片中自動提取雙語詞典的裝置，通過生成模塊生成至少兩個雙語句對，通過對齊提取模塊采用EM算法對雙語句對進行詞對齊，從而可以從圖片中自動提取出雙語詞典詞條，而不需要依賴雙語文本和網頁資源，且實現簡單、準確率高。

本發明附加的方面和優點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發明的實踐了解到。

附圖說明

本發明上述的和/或附加的方面和優點從下面結合附圖對實施例的描述中將變得明顯和容易理解，其中，

圖1是根據本發明一個實施例的從圖片中自動提取雙語詞典的方法的流程圖；

圖2a是根據本發明一個實施例的圖片示意圖；

圖2b是根據本發明另一個實施例的圖片示意圖；

圖2c是根據本發明又一個實施例的圖片示意圖；

圖3是根據本發明一個實施例的采用第一EM算法提取雙語詞典的方法的流程圖；

圖4是根據本發明一個實施例的采用第二EM算法提取雙語詞典的方法的流程圖；

圖5是根據本發明另一個實施例的從圖片中自動提取雙語詞典的方法的流程圖；

圖6是根據本發明一個實施例的從圖片中自動提取雙語詞典的裝置的結構示意圖。

具體實施方式

下面詳細描述本發明的實施例，實施例的示例在附圖中示出，其中自始至終相同或類似的標號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附圖描述的實施例是示例性的，僅用于解釋本發明，而不能理解為對本發明的限制。相反，本發明的實施例包括落入所附加權利要求書的精神和內涵范圍內的所有變化、修改和等同物。