[發(fā)明專利]基于ES專家系統(tǒng)模型翻譯粵語口音和阿拉伯語的app

在審

• 申請?zhí)枺?/td>: 201710173284.8
• 申請日: 2017-03-22
• 公開（公告）號: CN108628842A
• 公開（公告）日: 2018-10-09
• 發(fā)明（設計）人: 邱念
• 申請（專利權）人: 湖南本來文化發(fā)展有限公司
• 主分類號: G06F17/28
• 分類號: G06F17/28;G06N3/08;H04M1/725
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明公開了一種基于ES專家系統(tǒng)模型翻譯粵語口音和阿拉伯語的app，包括：1）用戶app客戶端；2）采集的粵語口音音頻大數(shù)據(jù)庫；3）采集的阿拉伯語音頻大數(shù)據(jù)庫；4）漢語語法及粵語口音發(fā)音規(guī)則大數(shù)據(jù)庫；5）阿拉伯與語法及發(fā)音規(guī)則大數(shù)據(jù)庫；6）ES專家系統(tǒng)翻譯模型，通過上述部件，本發(fā)明能夠替代高薪資的高級同傳翻譯，為用戶提供不會因為翻譯時間長而因疲勞導致的翻譯錯誤的高質(zhì)量質(zhì)低成本的翻譯，并且本發(fā)明是采用app形式，用戶僅需攜帶自己的智能手機即可完成翻譯，攜帶方便，省去了聘請翻譯人員跟隨的麻煩。

技術領域

本發(fā)明涉及人ES專家系統(tǒng)的翻譯應用領域，特別是涉及基于ES專家系統(tǒng)模型翻譯粵語口音和阿拉伯語的app。

背景技術

隨著國際化進程的加快，無論是國際會議，還是個人出國旅行，涉外事物的頻率增多，人們對翻譯的需求也大大增多，而翻譯行業(yè)人員水平參差不齊，且翻譯時間過長會導致翻譯人員因疲勞而降低翻譯的正確率，特別是高端翻譯的薪資水平高，個人用戶難以承擔其費用，借助現(xiàn)有的互聯(lián)網(wǎng)工具又只能翻譯文字不能翻譯語音，且如果是要將國語翻譯成阿拉伯語，且說國語的人員普通話不標準，或者只會說粵語口音的方言，則對其語音進行翻譯將十分困難，需聘用專門的懂粵語口音的翻譯人員才能進行準確的翻譯，前期準備過程復雜而麻煩，不便于用戶正常工作的開展。

發(fā)明內(nèi)容

本發(fā)明主要解決的技術問題是提供一種基于ES專家系統(tǒng)模型翻譯粵語口音和阿拉伯語的app，能夠替代高薪資的高級同傳翻譯，為用戶提供不會因為翻譯時間長而因疲勞導致的翻譯錯誤的高質(zhì)量質(zhì)低成本的翻譯。

為解決上述技術問題，本發(fā)明采用的一個技術方案是：提供一種基于ES專家系統(tǒng)模型翻譯粵語口音和阿拉伯語的app，其特征在于包括：1）用戶app客戶端、2）云計算中心大數(shù)據(jù)存儲分區(qū)、3）云計算中心ES專家系統(tǒng)，三個主要組成部分；通過搭載有本發(fā)明的app的智能手機話筒，采集用戶發(fā)出的粵語口音/阿拉伯語語音數(shù)據(jù)，經(jīng)網(wǎng)絡傳輸至云計算中心，由3）和2）結合并對2）的各個翻譯大數(shù)據(jù)信息進行勾連和訓練后形成的ES專家系統(tǒng)翻譯模型，對輸入的音頻數(shù)據(jù)進行人工智能翻譯，最后將翻譯好的音頻經(jīng)網(wǎng)絡同步傳輸回用戶的智能手機app上，用戶通過與智能手機相連接的耳機收聽翻譯好的音頻內(nèi)容。

ES專家系統(tǒng)翻譯模型的具體訓練方法和檢驗翻譯準確率的方法與步驟為：

步驟1：初始化ES專家模式，模型初始化為離線訓練好的成RBF神經(jīng)網(wǎng)絡模型，將在線提取的當前檢測模式向量賦值；

步驟2：選擇第一層模型中與向量賦值距離最小的神經(jīng)元n作為獲勝神經(jīng)元，T＝ａｒｇｍｉｎｋｘ － ｗ ｋ

步驟3：如果獲勝神經(jīng)元可用于檢測神經(jīng)元，則跳轉(zhuǎn)至步驟5

步驟4：如果獲勝神經(jīng)元T不是葉神經(jīng)元，則繼續(xù)查找獲勝神經(jīng)元T子層中的獲勝神經(jīng)元，并將該神經(jīng)元賦值給T，然后返回第3）；否則獲勝神經(jīng)元T是葉神經(jīng)元，輸出檢測結果并調(diào)整獲勝神經(jīng)元的增量訓練集：當獲勝神經(jīng)元 T是非覆蓋神經(jīng)元且增量訓練集合IT為空，執(zhí)行如下：IT=R∪MT，否則執(zhí)行 IT∪｛ R，算法中不是每次循環(huán)運行都判斷結構的確定性 ,而是每運行一定的步驟以后判斷一次，具體步驟的數(shù)目由研究對象的實時性決定，該算法通過敏感度法，把時域的問題轉(zhuǎn)換到頻域進行研究，提供了一種研究神經(jīng)網(wǎng)絡結構問題的新方法 . 從傅里葉變換的角度看，頻域貢獻較大的神經(jīng)元在時域中也有對應的關系反之亦然；而且由傅里葉變換可知，在時刻 t 對神經(jīng)網(wǎng)絡隱含層神經(jīng)元的輸出權值的貢獻值的計算是時刻 t 之前一段時間的貢獻值的綜合，較之一般動態(tài)神經(jīng)網(wǎng)絡 [9?16] 以時刻 t當前值作為判斷依據(jù)更客觀；通過對神經(jīng)網(wǎng)絡結構的調(diào)整 , 最終獲得的神經(jīng)網(wǎng)絡結構比較緊湊；而且 ε 的選取一般小于目標誤差值，循環(huán)此算法；

第五步：系統(tǒng)測試并進行翻譯準確率的校對，具體為：向ES專家系統(tǒng)輸入不小于1000組需翻譯成阿拉伯語的粵語口音，分別進行交傳翻譯和同傳翻譯，若翻譯的準確率高于交傳95%，同傳70%，則合格，訓練完成；若低于該值，則重復步驟4到步驟5，并延長步驟4的ES專家系統(tǒng)的訓練時間，直至步驟5測試出的準確率達標為止。