[發(fā)明專利]基于人工智能支持向量機算法翻譯普通話和日語的方法

在審

• 申請?zhí)枺?/td>: 201710174495.3
• 申請日: 2017-03-22
• 公開（公告）號: CN108628851A
• 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;G06F3/16;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.基于人工智能支持向量機算法翻譯普通話和日語的方法，其特征在于，包括：1）音頻輸入設備；2）音頻輸出設備；3）采集的普通話音頻大數(shù)據(jù)庫；4）采集的日語音頻大數(shù)據(jù)庫；5）由日文平假名和片假名排列組合及其釋義與語法規(guī)律的大數(shù)據(jù)庫；6）由部首偏旁構成的漢語文字結構及文字構成語法的大數(shù)據(jù)庫；7）大數(shù)據(jù)中心內搭建的基于支持向量機算法的翻譯模型，七個部件。

2.根據(jù)權利要求1所述的基于人工智能支持向量機算法翻譯普通話和日語的方法，其特征在于：部件分為用戶端實體部件和服務端云計算部件構成；用戶端部件為權利要求1所述的1）和2）；服務端云計算部件為權利要求1所述的3）、4）、5）、6）、7），且部件7）需要對部件3）、4）、5）、6）進行大數(shù)據(jù)的支持向量機算法的深度學習后才能對部件1）輸入來的語音數(shù)據(jù)進行翻譯，再通過部件2）將翻譯后的語音傳輸給部件2）。

3.根據(jù)權利要求1所述的基于人工智能支持向量機算法翻譯普通話和日語的方法，其特征在于包括如步驟：

步驟一、日語文字及語法大數(shù)據(jù)與漢語文字及語法大數(shù)據(jù)采集；

步驟二、日語語音大數(shù)據(jù)與漢語語音大數(shù)據(jù)采集；

步驟三、在大數(shù)據(jù)庫中掃描所有數(shù)據(jù)，并分類整理后，錄入云計算中心的支持向量機算法模型；

步驟四、由支持向量機算法對中日翻譯數(shù)據(jù)進行深度學習：在權利要求1所述的部件1）中輸入不小于10000句日語音頻使其通過支持向量機翻譯模型翻譯后從權利要求1所述的部件2）中輸出音頻，檢測其翻譯準確度；再將不小于10000句普通話輸入權利要求1所述的部件1）通過支持向量機翻譯模型翻譯后從權利要求1所述的部件2）中輸出音頻，檢測其翻譯準確度；若上述兩次檢測的交傳翻譯準確率高于95%，同傳翻譯的準確率高于70%則支持向量機模型訓練成功，可以投入使用；若準確率偏低，則重復步驟三到步驟六，并延長支持向量機模型的深度學習時間，直至翻譯準確率達標后結束。

4.根據(jù)權利要求1所述的基于人工智能支持向量機算法翻譯普通話和日語的方法，支持向量機翻譯模型用于計算翻譯語音的具體方法是：

支持向量給定線性不可分訓練數(shù)據(jù)集

其中, ，，線性不可分的線性支持向量機學習可以等價地求解相應的凸二次規(guī)劃問題，形式如：

求得最優(yōu)解和

從而得到分離的超平面：

分類決策函數(shù)

其中，為懲罰參數(shù)。