[發明專利]信息轉換方法、裝置、存儲介質和電子裝置

有效

• 申請號: 201810159460.7
• 申請日: 2018-02-26
• 公開（公告）號: CN108388549B
• 公開（公告）日: 2021-02-19
• 發明（設計）人: 王明軒;謝軍;姚健;黃江泉
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F40/12
• 分類號: G06F40/12
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 王仲凱

本發明公開了一種信息轉換方法、裝置、存儲介質和電子裝置。其中，該方法包括：對源信息進行編碼得到第一編碼；獲取預先設置的轉換條件，其中，所述轉換條件為所述源信息與轉換結果的映射關系；根據所述源信息、所述轉換條件和譯出信息對所述第一編碼進行解碼，得到目標信息，其中，所述目標信息與所述源信息為不同語種的信息，所述譯出信息是從所述源信息轉換得到的詞語，所述譯出信息的語種與所述目標信息相同。本發明解決了基于神經網絡的信息轉換的靈活性比較差的技術問題。

技術領域

本發明涉及數據處理領域，具體而言，涉及一種信息轉換方法、裝置、存儲介質和電子裝置。

背景技術

信息轉換是指在保證原有意思不被改變的基礎上，將一種信息轉換為另一種信息的過程，也就是說，通過信息轉換技術將源信息轉換為目標信息。其中，目前常用的信息轉換技術包括：機器轉換，例如，傳統的統計機器轉換(Statistical Machine Translation，簡稱SMT)和神經網絡機器轉換(Neural Machine Translation，簡稱NMT)。其中，在通過神經網絡機器轉換NMT進行信息轉換的過程中，通常是將輸入的源信息編碼為向量或者向量序列，然后基于編碼得到的向量或者向量序列逐詞生成目標信息。

然而，在采用上述方式進行信息轉換的過程中，所使用的往往是已完成訓練的神經網絡模型，如果希望調整轉換結果，則需重新獲取訓練對象，對神經網絡模型重新進行訓練。也就是說，相關技術所提供的信息轉換方式存在對外部資源利用困難，無法在信息轉換過程中及時添加信息轉換所需的新的映射關系，從而導致信息轉換靈活性較差的問題。

針對上述的問題，目前尚未提出有效的解決方案。

發明內容

本發明實施例提供了一種信息轉換方法、裝置、存儲介質和電子裝置，以至少解決基于神經網絡的信息轉換的靈活性比較差的技術問題。

根據本發明實施例的一個方面，提供了一種信息轉換方法，包括：對源信息進行編碼得到第一編碼；獲取預先設置的轉換條件，其中，所述轉換條件為所述源信息與轉換結果的映射關系；根據所述源信息、所述轉換條件和譯出信息對所述第一編碼進行解碼，得到目標信息，其中，所述目標信息與所述源信息為不同語種的信息，所述譯出信息是從所述源信息轉換得到的詞語，所述譯出信息的語種與所述目標信息相同。

根據本發明實施例的另一方面，還提供了一種信息轉換裝置，包括：編碼單元，用于對源信息進行編碼得到第一編碼；獲取單元，用于獲取預先設置的轉換條件，其中，所述轉換條件為所述源信息與轉換結果的映射關系；解碼單元，用于根據源信息、轉換條件和譯出信息對第一編碼進行解碼，得到目標信息，其中，目標信息與源信息為不同語種的信息，譯出信息是從源信息轉換得到的詞語，譯出信息的語種與目標信息相同。

根據本發明實施例的一個方面，還提供了一種存儲介質，所述存儲介質中存儲有計算機程序，其中，所述計算機程序被設置為運行時執行所述的方法。

根據本發明實施例的一個方面，還提供了一種電子裝置，包括存儲器和處理器，所述存儲器中存儲有計算機程序，所述處理器被設置為通過所述計算機程序執行所述的方法。

在本發明實施例中，通過加入轉換條件對源信息進行轉換，轉換條件對機器轉換的干預使得機器轉換更加靈活，且結合轉換條件使得轉換結果更加準確，進而解決了基于神經網絡的信息轉換的靈活性比較差的技術問題。

附圖說明

此處所說明的附圖用來提供對本發明的進一步理解，構成本申請的一部分，本發明的示意性實施例及其說明用于解釋本發明，并不構成對本發明的不當限定。在附圖中：

圖1是根據本發明實施例的硬件環境的示意圖；

圖2是根據本發明實施例的信息轉換方法的流程圖；

圖3是根據本發明實施例的神經網絡的解碼器和編碼器的示意圖；