[發(fā)明專利]基于BIRCH聚類(lèi)算法翻譯粵語(yǔ)口音和英語(yǔ)的APP

在審

• 申請(qǐng)?zhí)枺?/td>: 201710172504.5
• 申請(qǐng)日: 2017-03-22
• 公開(kāi)（公告）號(hào): CN108628841A
• 公開(kāi)（公告）日: 2018-10-09
• 發(fā)明（設(shè)計(jì)）人: 邱念
• 申請(qǐng)（專利權(quán)）人: 湖南本來(lái)文化發(fā)展有限公司
• 主分類(lèi)號(hào): G06F17/28
• 分類(lèi)號(hào): G06F17/28;G06F17/30;H04M1/725
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.基于BIRCH聚類(lèi)算法翻譯粵語(yǔ)口音和英語(yǔ)的APP，其特征在于，包括：1）手機(jī)APP客戶端；2）云計(jì)算中心的粵語(yǔ)與英語(yǔ)相關(guān)翻譯大數(shù)據(jù)庫(kù)；3）云計(jì)算中心搭載的BIRCH聚類(lèi)算法模塊，三個(gè)部件構(gòu)成。

2.根據(jù)權(quán)利要求1所述的部件1）其特征在于：手機(jī)APP客戶端需安裝在用戶的智能手機(jī)上，使用時(shí)該手機(jī)需與互聯(lián)網(wǎng)連接，且用戶需佩戴連接該手機(jī)的耳機(jī)收聽(tīng)翻譯后的音頻信息。

3.根據(jù)權(quán)利要求1所述的部件2）具體包括：粵語(yǔ)口音音頻大數(shù)據(jù)庫(kù)、英語(yǔ)音頻大數(shù)據(jù)庫(kù)、由26個(gè)基礎(chǔ)字母構(gòu)成的英文文字排列組合及其釋義與語(yǔ)法規(guī)律的大數(shù)據(jù)庫(kù)、由部首偏旁構(gòu)成的漢語(yǔ)文字結(jié)構(gòu)及文字構(gòu)成語(yǔ)法的大數(shù)據(jù)庫(kù)、由不低于10個(gè)行業(yè)的行業(yè)專有名詞大數(shù)據(jù)庫(kù)。

4.根據(jù)權(quán)利要求1所述的部件3）是搭載在云計(jì)算中心上利用層次方法的平衡迭代規(guī)約和聚類(lèi)即BIRCH聚類(lèi)算法的翻譯模型；該模型需要輸入部件2）中的各類(lèi)翻譯大數(shù)據(jù)，并進(jìn)行粵語(yǔ)口音和英語(yǔ)發(fā)音的大數(shù)據(jù)深度學(xué)習(xí)后，才能進(jìn)行翻譯。

5.根據(jù)權(quán)利要求1所述的基于BIRCH聚類(lèi)算法翻譯粵語(yǔ)口音和英語(yǔ)的APP，其進(jìn)行翻譯的過(guò)程為：APP采集用戶發(fā)出的粵語(yǔ)口音或英語(yǔ)的音頻信息，傳輸至云計(jì)算中心，由經(jīng)過(guò)深度學(xué)習(xí)翻譯大數(shù)據(jù)后的BIRCH聚類(lèi)算法翻譯模型進(jìn)行翻譯，再將翻譯后的音頻信息同步傳回用戶的APP上，用戶通過(guò)佩戴連接該手機(jī)的耳機(jī)，聽(tīng)取翻譯后的音頻內(nèi)容。

6.根據(jù)權(quán)利要求1所述的基于BIRCH聚類(lèi)算法翻譯粵語(yǔ)口音和英語(yǔ)的APP，其特征在于包括如步驟：

步驟一、英語(yǔ)文字及語(yǔ)法大數(shù)據(jù)與漢語(yǔ)文字及語(yǔ)法大數(shù)據(jù)采集；

步驟二、英語(yǔ)語(yǔ)音大數(shù)據(jù)與漢語(yǔ)語(yǔ)音大數(shù)據(jù)采集；

步驟三、在大數(shù)據(jù)庫(kù)中掃描所有數(shù)據(jù)，構(gòu)建初始化的聚類(lèi)特征樹(shù)，即CF tree，把稠密數(shù)據(jù)分成簇，稀疏數(shù)據(jù)作為孤立點(diǎn)對(duì)待；

步驟四、在BIRCH中的全局或半全局聚類(lèi)算法有著輸入范圍的要求，據(jù)此要求細(xì)化CFtree樹(shù)，建立若干個(gè)更小的CF樹(shù)；

步驟五、補(bǔ)救由于輸入順序和頁(yè)面大小帶來(lái)的分裂，使用全局/半全局算法對(duì)全部葉節(jié)點(diǎn)進(jìn)行聚類(lèi)；

步驟六、把步驟五中的中心點(diǎn)作為種子，將數(shù)據(jù)點(diǎn)重新分配到最近的種子上，保證重復(fù)數(shù)據(jù)分到同一個(gè)簇中，同時(shí)添加簇標(biāo)簽使得翻譯的準(zhǔn)確度更為精確；

步驟七、通過(guò)步驟三到步驟六完成BIRCH聚類(lèi)模型對(duì)粵語(yǔ)口音的音頻和英語(yǔ)發(fā)音的音頻數(shù)據(jù)進(jìn)行翻譯的深度學(xué)習(xí)，此時(shí)BIRCH翻譯模型構(gòu)建完成，在權(quán)利要求1所述的部件1）中輸入不小于10000句英語(yǔ)音頻使其通過(guò)BIRCH翻譯模型翻譯后從權(quán)利要求1所述的部件2）中輸出音頻，檢測(cè)其翻譯準(zhǔn)確度；再將不小于10000句粵語(yǔ)方言輸入權(quán)利要求1所述的部件1）通過(guò)BIRCH翻譯模型翻譯后從權(quán)利要求1所述的部件2）中輸出音頻，檢測(cè)其翻譯準(zhǔn)確度；若上述兩次檢測(cè)的交傳翻譯準(zhǔn)確率高于95%，同傳翻譯的準(zhǔn)確率高于70%則BIRCH聚類(lèi)模型訓(xùn)練成功，可以投入使用；若準(zhǔn)確率偏低，則重復(fù)步驟三到步驟六，并延長(zhǎng)BIRCH聚類(lèi)模型的深度學(xué)習(xí)時(shí)間，直至翻譯準(zhǔn)確率達(dá)標(biāo)后結(jié)束。

7.根據(jù)權(quán)利要求1所述的基于BIRCH聚類(lèi)算法翻譯粵語(yǔ)口音和英語(yǔ)的APP，在構(gòu)建BIRCH聚類(lèi)樹(shù)時(shí)采用的方法為歐幾里得距離函數(shù)和曼哈頓距離函數(shù)，具體公式如下：

CF tree的結(jié)構(gòu)類(lèi)似于一棵B-樹(shù)，它有兩個(gè)參數(shù)：內(nèi)部節(jié)點(diǎn)平衡因子B，葉節(jié)點(diǎn)平衡因子L，簇半徑閾值T,樹(shù)中每個(gè)節(jié)點(diǎn)最多包含B個(gè)孩子節(jié)點(diǎn)，記為（CFi，CHILDi），1<=i<=B，CFi是這個(gè)節(jié)點(diǎn)中的第i個(gè)聚類(lèi)特征，CHILDi指向節(jié)點(diǎn)的第i個(gè)孩子節(jié)點(diǎn)，對(duì)應(yīng)于這個(gè)節(jié)點(diǎn)的第i個(gè)聚類(lèi)特征；需特別注意的是：構(gòu)建CF樹(shù)的過(guò)程中，一個(gè)重要的參數(shù)是簇半徑閾值T，因?yàn)樗鼪Q定了CF tree的規(guī)模，從而讓CF tree適應(yīng)當(dāng)前在云計(jì)算中心為BIRCH模型分配的內(nèi)存的大小,如果T太小，那么簇的數(shù)量將會(huì)非常的大，從而導(dǎo)致樹(shù)節(jié)點(diǎn)數(shù)量也會(huì)增大，這樣可能會(huì)導(dǎo)致所有數(shù)據(jù)點(diǎn)還沒(méi)有掃描完之前內(nèi)存就不夠用了，同時(shí)翻譯的準(zhǔn)確率與T值和所分配的內(nèi)存大小成正比關(guān)系，此處內(nèi)存不得小于100TB。