[發明專利]用于機器翻譯的完整句識別方法與系統

有效

• 申請號: 201811225110.2
• 申請日: 2018-10-22
• 公開（公告）號: CN109325237B
• 公開（公告）日: 2023-06-13
• 發明（設計）人: 何恩培;鄭麗華;王蓮
• 申請（專利權）人: 傳神語聯網網絡科技股份有限公司
• 主分類號: G06F40/289
• 分類號: G06F40/289;G06F40/30;G06F40/211;G06F40/58
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種計算機實現輔助機器翻譯的方法，其特征在于，預先建立一個停頓符號集合，所述方法包括如下步驟：

S1：讀取當前待處理文本的當前未處理段落；

S2:從當前未處理段落的第一個未讀字符開始連續讀取字符；

S3：判斷當前讀取的字符是否為停頓符；

如果當前讀取的字符為停頓符，判斷讀取的字符數是否小于第二設定值，

如果讀取的字符數小于第二設定值，則返回步驟S2；

如果讀取的字符數不小于第二設定值，則進入步驟S4；

如果當前讀取的字符不為停頓符，重復步驟S2；

S4：基于讀取的字符形成的當前待處理句，提取多個句子主干詞；

判斷提取的句子主干詞的數量，如果數量少于第一設定值，則返回步驟S2；

S5：將所述多個句子主干詞輸入基于云端語料庫的機器學習引擎，輸出至少一個比較句；

S6：基于所述至少一個比較句與當前待處理句的比較，識別當前待處理句是否構成完整句；如果是，則將當前待處理句上傳至機器翻譯引擎中；

S7：判斷當前停頓符是否為全文結尾標記符，如果是，則結束處理；否則，進入步驟S8；

S8:判斷當前停頓符是否為段落結尾標記符，如果是，則進入步驟S1；否則，進入S2。

2.一種用于機器翻譯的完整句識別系統，用于實現權利要求1所述的方法，該系統包括：

(1)預處理系統：該預處理系統將待譯文本進行預處理，輸出段落子部分集合；

(2)段落子部分處理系統：所述段落子部分處理系統以段落為單位，對所述段落子部分集合進行處理，輸出完整句；

(3)完整句上傳系統：將段落子部分處理系統輸出的完整句上傳至機器翻譯引擎；

其特征在于：

預先建立一個停頓符號集合，用于后續的查詢判斷；

所述段落子部分處理系統，包括待譯文本讀取系統、待譯關鍵詞提取系統、云端語料庫組句系統以及判斷識別系統；

所述待譯文本讀取系統，從當前段落的第一個未讀字符開始連續讀取剩余字符，直到讀取到停頓符號為止；讀取的連續字符構成候選句；

所述待譯關鍵詞提取系統，基于實詞或者虛詞的切分技術，從所述候選句中提取多個句子主干詞；將所述多個句子主干詞輸入至所述云端語料庫組句系統；

所述云端語料庫組句系統，基于云端語料庫輸出至少一個匹配句；

所述判斷識別系統將當前候選句和匹配句進行比較，基于比較條件是否滿足預定條件，輸出判別結果；

所述比較條件是否滿足預定條件包括：比較當前候選句和生成的匹配句的長度，判斷長度差是否在第一閾值范圍內；將當前候選句和生成的匹配句進行相似度比較，判斷相似度是否在第二閾值范圍之內；

如果長度差不滿足第一閾值范圍條件，和/或，相似度不滿足第二閾值范圍條件，則當前候選句不是一個完整句子，則繼續連續讀取當前停頓符號之后的未讀字符，直到讀取到下一個停頓符號為止；讀取的連續字符加入到當前候選句中。

3.如權利要求2所述的用于機器翻譯的完整句識別系統，其特征在于，

所述的段落子部分處理系統還包括：候選句長度判斷模塊，用于在所述待譯文本讀取系統輸出候選句之后，判斷當前候選句的長度。

4.如權利要求2所述的用于機器翻譯的完整句識別系統，其特征在于，

所述的段落子部分處理系統還包括：待譯關鍵詞判斷步驟，用于在所述待譯關鍵詞提取系統提取出待譯關鍵詞之后，判斷待譯關鍵詞的數量是否滿足第二設定值。