[發明專利]基于神經網絡機器翻譯的術語翻譯方法、存儲介質和裝置

有效

• 申請號: 201910562117.1
• 申請日: 2019-06-26
• 公開（公告）號: CN110489762B
• 公開（公告）日: 2023-07-04
• 發明（設計）人: 宗浩;于洋;程國艮
• 申請（專利權）人: 中譯語通科技股份有限公司
• 主分類號: G06F40/58
• 分類號: G06F40/58;G06F40/242
• 代理公司: 北京潤平知識產權代理有限公司 11283
• 代理人: 周春雨;趙東方

本發明涉及機器翻譯領域，公開了一種基于神經網絡機器翻譯的術語翻譯方法，包括如下步驟：(1)以鍵值對(key，value)數據格式定義術語庫；(2)若待譯語句中任一詞匯包含在所述術語庫的key值中，則用術語庫中對應的value值進行術語翻譯；(3)整體返回術語翻譯后的結果。本發明還提供了一種存儲介質及一種基于神經網絡機器翻譯的術語翻譯裝置。本發明能夠提高神經網絡機器翻譯的術語翻譯效果，提高術語翻譯的準確率。

技術領域

本發明涉及機器翻譯領域，具體地涉及一種基于神經網絡機器翻譯的術語翻譯方法。本發明還涉及一種存儲介質和一種神經網絡機器翻譯裝置。

背景技術

在神經網絡機器翻譯中，翻譯完全依賴神經網絡模型生成的結果，人工不可干預，雖然翻譯質量上相比以往的統計機器翻譯有大幅度提高，但是在翻譯過程中的人工可干預程度不如統計機器翻譯。所以遇見一些已知的翻譯錯誤，神經網絡機器翻譯只能通過重新訓練模型或者增量訓練來優化，而不能立即制定相應規則進行解決。術語翻譯就屬于這其中非常重要的一項內容。

術語翻譯是指針對一些具有規定翻譯方法的詞匯或詞組，這些詞匯或詞組往往在篇章或句子中有著特定的翻譯，這種翻譯與上下文關系密切。例如“crane”在機械領域往往應該翻譯成“起重機”而不是“鶴”。在我們確定的領域進行翻譯的時候，指定這些術語詞匯的翻譯就成為一項非常重要的工作。

現有的術語翻譯的主要方法還是依賴將術語當成未知詞輸入到神經網絡機器翻譯模型的編碼器中，通常情況在解碼器中也會存在相同的未知詞標記，這樣再替換成相應的術語翻譯即可達到想要的術語翻譯的結果。

然而現有技術有兩個致命的缺點：1.無法保證翻譯的質量，在一句話存在術語較多的情況下翻譯質量明顯下降。2.可能會有術語無法翻譯的情況，由于是將未知詞標記輸入到編碼器中，解碼器會在部分情況下不輸出未知詞標記的情況，導致最終術語無法按照指定的解釋進行翻譯。

發明內容

本發明所要解決的技術問題是主要解決傳統神經網絡機器翻譯中，術語翻譯翻譯質量低、甚至無法得到正確翻譯結果的問題，提高神經網絡機器翻譯的術語翻譯質量。

為了實現上述目的，本發明第一方面提供一種基于神經網絡機器翻譯的術語翻譯方法，包括如下步驟：(1)以鍵值對(key，value)數據格式定義術語庫；(2)若待譯語句中任一詞匯包含在所述術語庫的key值中，則用術語庫中對應的value值進行術語翻譯，步驟(2)中所述術語翻譯，通過集束搜索算法進行，所述術語翻譯的過程包括：將術語庫中的術語譯文詞匯加入到集束搜索的候選集中，將所述術語譯文詞匯加入到集束搜索的候選集中的過程包括：如原候選集中已有待譯詞匯的譯文詞匯，則將該譯文詞匯全部替換為所述術語譯文詞匯；如原候選集中無所述譯文詞匯，則根據集束搜索產生的對齊信息，將所述術語譯文詞匯的對齊詞匯替換成標記符；(3)整體返回術語翻譯后的結果。

優選地，步驟(1)中所述術語庫key中存儲的待譯術語詞匯經過預處理。在該優選技術方案中，經過預處理將待譯術語詞匯進行規范和整理，便于待譯術語詞匯的存儲和搜索。

進一步優選地，所述預處理包括分詞和子詞切分。在該優選技術方案中，通過分詞和子詞切分，將待譯術語詞匯分解為最小子詞單元，能夠保證術語翻譯的準確性，并減小術語庫的存儲量。

本發明第二方面提供一種存儲介質，所述存儲介質內存儲有實現本發明第一方面所提供的基于神經網絡機器翻譯的術語翻譯方法的程序。

本發明第三方面提供一種基于神經網絡機器翻譯的術語翻譯裝置，包括：術語庫定義模塊，用于；以鍵值對(key，value)數據格式定義術語庫；翻譯模塊，用于以術語庫中對應的術語譯文詞匯翻譯包含術語庫的術語的待翻譯句子；譯碼模塊，用于將術語翻譯的結果整體返回。

優選地，本發明的基于神經網絡機器翻譯的術語翻譯裝置還包括預處理模塊，用于對待譯術語進行預處理。在該優選技術方案中，通過對待譯術語的預處理，能夠減小術語庫的大小，提高術語的檢索速度。