[發明專利]基于統計的機器翻譯方法、裝置及電子設備

在審

• 申請號: 201510726342.6
• 申請日: 2015-10-30
• 公開（公告）號: CN106649282A
• 公開（公告）日: 2017-05-10
• 發明（設計）人: 黃瑞;駱衛華;林鋒;許星
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06F17/28
• 分類號: G06F17/28
• 代理公司: 北京市清華源律師事務所11441
• 代理人: 沈泳,李贊堅

1.一種基于統計的機器翻譯方法，其特征在于，包括：

獲取待翻譯文本和業務信息；

對所述待翻譯文本進行解碼，生成所述待翻譯文本的多個候選譯文；

針對各個候選譯文，根據所述待翻譯文本和所述候選譯文，獲取語言方面的翻譯特征；以及根據所述業務信息，抽取業務方面的翻譯特征；并根據獲取的語言方面的翻譯特征和業務方面的翻譯特征，通過預先生成的翻譯質量預測模型，計算所述多個候選譯文的翻譯質量得分；

選取預設數量的所述翻譯質量得分排在高位的候選譯文，作為所述待翻譯文本的譯文。

2.根據權利要求1所述的基于統計的機器翻譯方法，其特征在于，所述業務信息包括應用場景信息、用戶靜態屬性信息和用戶歷史行為信息的至少一者；所述業務方面的翻譯特征包括應用場景特征、用戶靜態屬性特征和用戶歷史行為特征的至少一者。

3.根據權利要求2所述的基于統計的機器翻譯方法，其特征在于，所述基于統計的機器翻譯方法應用在搜索場景，所述翻譯質量得分對所述候選譯文作為搜索結果時的搜索點擊率產生影響；所述應用場景信息包括由目標語言表達的查詢詞；所述應用場景特征包括：所述候選譯文是否包括所述查詢詞、所述查詢詞在所述候選譯文中的位置、所述候選譯文是否包括未翻譯的詞和所述候選譯文包括的詞數量的至少一者；其中，所述目標語言是指所述候選譯文所屬的語言。

4.根據權利要求3所述的基于統計的機器翻譯方法，其特征在于，所述待翻譯文本，采用如下步驟獲取：

獲取用戶輸入的由所述目標語言表達的查詢詞；

將所述由所述目標語言表達的查詢詞翻譯為由源語言表達的查詢詞；所述源語言是指所述待翻譯文本所屬的語言；

根據所述由源語言表達的查詢詞，檢索獲取所述待翻譯文本。

5.根據權利要求1所述的基于統計的機器翻譯方法，其特征在于，通過機器學習算法，從已標注業務處理結果的歷史翻譯記錄集中學習出所述翻譯質量預測模型；所述歷史翻譯記錄包括原文、譯文和業務信息。

6.根據權利要求5所述的基于統計的機器翻譯方法，其特征在于，所述業務信息包括應用場景信息、用戶靜態屬性信息和用戶歷史行為信息的至少一者。

7.根據權利要求6所述的基于統計的機器翻譯方法，其特征在于，所述歷史翻譯記錄集來源于搜索場景；所述業務處理結果包括：所述譯文作為搜索結果時其是否被點擊、或者所述譯文標識的商品作為搜索結果時所述商品是否被購買；所述應用場景信息包括由目標語言表達的查詢詞；其中所述目標語言是指所述譯文所屬的語言。

8.根據權利要求5所述的基于統計的機器翻譯方法，其特征在于，不同目標語言對應不同的所述翻譯質量預測模型；根據所述目標語言的所述歷史翻譯記錄集，生成所述目標語言的所述翻譯質量預測模型；其中所述目標語言是指所述譯文所屬的語言。

9.根據權利要求5所述的基于統計的機器翻譯方法，其特征在于，在從已標注業務處理結果的歷史翻譯記錄集中學習出所述翻譯質量預測模型之前還包括：

通過預設的噪音數據過濾算法，從所述歷史翻譯記錄集中剔除噪音歷史翻譯記錄。

10.根據權利要求5所述的基于統計的機器翻譯方法，其特征在于，所述通過機器學習算法，從已標注業務處理結果的歷史翻譯記錄集中學習出所述翻譯質量預測模型，包括：

獲取所述歷史翻譯記錄集；

針對各個歷史翻譯記錄，根據所述歷史翻譯記錄中的所述原文和譯文，獲取所述歷史翻譯記錄中的語言方面的翻譯特征；以及根據所述歷史翻譯記錄中的所述業務信息，抽取所述歷史翻譯記錄中的業務方面的翻譯特征；

通過所述機器學習算法，根據獲取的各個歷史翻譯記錄中的語言方面的翻譯特征、業務方面的翻譯特征和所述業務處理結果，學習獲得所述翻譯質量預測模型。