[發(fā)明專利]短語(yǔ)挖掘方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201610388049.8
• 申請(qǐng)日: 2016-06-02
• 公開（公告）號(hào): CN107463554B
• 公開（公告）日: 2021-05-04
• 發(fā)明（設(shè)計(jì)）人: 卞華明;管陶然;史黎鑫;張海波;劉禹;趙宇;駱衛(wèi)華;林鋒
• 申請(qǐng)（專利權(quán)）人: 阿里巴巴集團(tuán)控股有限公司
• 主分類號(hào): G06F40/47
• 分類號(hào): G06F40/47;G06F40/58;G06F16/2457
• 代理公司: 北京博思佳知識(shí)產(chǎn)權(quán)代理有限公司 11415
• 代理人: 李威;林祥

本申請(qǐng)?zhí)峁┮环N短語(yǔ)挖掘方法及裝置，該方法可以包括：從原始語(yǔ)料中抽取候選短語(yǔ)集合，所述候選短語(yǔ)集合中包含若干候選短語(yǔ)；將所述候選短語(yǔ)集合分配至若干預(yù)設(shè)處理對(duì)象，以由所述預(yù)設(shè)處理對(duì)象根據(jù)預(yù)定義的篩選條件對(duì)被分配的候選短語(yǔ)進(jìn)行篩選；根據(jù)所述預(yù)設(shè)處理對(duì)象返回的篩選結(jié)果，確定所述候選短語(yǔ)集合中滿足預(yù)設(shè)質(zhì)量條件的短語(yǔ)。通過本申請(qǐng)的技術(shù)方案，可以實(shí)現(xiàn)對(duì)高質(zhì)量短語(yǔ)的準(zhǔn)確挖掘。

技術(shù)領(lǐng)域

本申請(qǐng)涉及機(jī)器翻譯技術(shù)領(lǐng)域，尤其涉及一種短語(yǔ)挖掘方法及裝置。

背景技術(shù)

機(jī)器翻譯(又稱，自動(dòng)翻譯)是利用計(jì)算機(jī)把一種自然源語(yǔ)言轉(zhuǎn)變?yōu)榱硪环N自然目標(biāo)語(yǔ)言的過程。在相關(guān)技術(shù)中，提出了一種統(tǒng)計(jì)機(jī)器翻譯方式，即利用統(tǒng)計(jì)學(xué)的方法對(duì)大量的平行語(yǔ)料進(jìn)行分析，并通過由此構(gòu)建的機(jī)器翻譯模型完成翻譯操作。

然而，經(jīng)過實(shí)踐驗(yàn)證表明，即便通過對(duì)大規(guī)模數(shù)據(jù)的自動(dòng)學(xué)習(xí)，統(tǒng)計(jì)機(jī)器翻譯的翻譯結(jié)果仍然存在難以控制的質(zhì)量問題，尤其是對(duì)于已有準(zhǔn)確翻譯結(jié)果的數(shù)據(jù)，統(tǒng)計(jì)機(jī)器翻譯方式輸出的翻譯結(jié)果可能并不準(zhǔn)確，從而無法滿足用戶的實(shí)際應(yīng)用需求。

發(fā)明內(nèi)容

有鑒于此，本申請(qǐng)?zhí)峁┮环N短語(yǔ)挖掘方法及裝置，可以實(shí)現(xiàn)對(duì)高質(zhì)量短語(yǔ)的準(zhǔn)確挖掘。

為實(shí)現(xiàn)上述目的，本申請(qǐng)?zhí)峁┘夹g(shù)方案如下：

根據(jù)本申請(qǐng)的第一方面，提出了一種短語(yǔ)挖掘方法，包括：

從原始語(yǔ)料中抽取候選短語(yǔ)集合，所述候選短語(yǔ)集合中包含若干候選短語(yǔ)；

將所述候選短語(yǔ)集合分配至若干預(yù)設(shè)處理對(duì)象，以由所述預(yù)設(shè)處理對(duì)象根據(jù)預(yù)定義的篩選條件對(duì)被分配的候選短語(yǔ)進(jìn)行篩選；

根據(jù)所述預(yù)設(shè)處理對(duì)象返回的篩選結(jié)果，確定所述候選短語(yǔ)集合中滿足預(yù)設(shè)質(zhì)量條件的短語(yǔ)。

根據(jù)本申請(qǐng)的第二方面，提出了一種短語(yǔ)挖掘裝置，包括：

第一抽取單元，從原始語(yǔ)料中抽取候選短語(yǔ)集合，所述候選短語(yǔ)集合中包含若干候選短語(yǔ)；

分配單元，將所述候選短語(yǔ)集合分配至若干預(yù)設(shè)處理對(duì)象，以由所述預(yù)設(shè)處理對(duì)象根據(jù)預(yù)定義的篩選條件對(duì)被分配的候選短語(yǔ)進(jìn)行篩選；

確定單元，根據(jù)所述預(yù)設(shè)處理對(duì)象返回的篩選結(jié)果，確定所述候選短語(yǔ)集合中滿足預(yù)設(shè)質(zhì)量條件的短語(yǔ)。

由以上技術(shù)方案可見，本申請(qǐng)通過將候選短語(yǔ)集合分配至若干預(yù)設(shè)處理對(duì)象，使前期機(jī)器處理與后期眾包處理相結(jié)合，從而高效、準(zhǔn)確篩選出高質(zhì)量短語(yǔ)、篩除低質(zhì)量短語(yǔ)，從而構(gòu)建出高質(zhì)量的術(shù)語(yǔ)庫(kù)，以便于建立可實(shí)現(xiàn)高翻譯質(zhì)量的翻譯記憶系統(tǒng)。

附圖說明

圖1是本申請(qǐng)一示例性實(shí)施例提供的一種短語(yǔ)挖掘方法的流程圖。

圖2是本申請(qǐng)一示例性實(shí)施例提供的一種翻譯架構(gòu)的示意圖。

圖3是本申請(qǐng)一示例性實(shí)施例提供的另一種短語(yǔ)挖掘方法的流程圖。

圖4-8是本申請(qǐng)一示例性實(shí)施例提供的一種切割語(yǔ)料的示意圖。

圖9是本申請(qǐng)一示例性實(shí)施例提供的一種電子設(shè)備的結(jié)構(gòu)示意圖。

圖10是本申請(qǐng)一示例性實(shí)施例提供的一種短語(yǔ)挖掘裝置的框圖。

具體實(shí)施方式

由于統(tǒng)計(jì)機(jī)器翻譯存在的問題，相關(guān)技術(shù)中進(jìn)一步提出了基于翻譯記憶的機(jī)器翻譯方式。翻譯記憶(translation memory)是一種用于存儲(chǔ)原文本及其譯文的語(yǔ)言數(shù)據(jù)庫(kù)，通過事先存儲(chǔ)術(shù)語(yǔ)的準(zhǔn)確譯文，使得用戶可以直接搜索而獲得已有的準(zhǔn)確翻譯結(jié)果。