[發(fā)明專利]一種文檔翻譯系統(tǒng)及文檔翻譯方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910913794.3
• 申請(qǐng)日: 2019-09-25
• 公開（公告）號(hào): CN110688863B
• 公開（公告）日: 2023-04-07
• 發(fā)明（設(shè)計(jì)）人: 劉立新;楊彬;賀文蝶;倪一非
• 申請(qǐng)（專利權(quán)）人: 六維聯(lián)合信息科技（北京）有限公司
• 主分類號(hào): G06F40/58
• 分類號(hào): G06F40/58;G06F40/30;G06F40/151
• 代理公司: 北京冠和權(quán)律師事務(wù)所 11399
• 代理人: 朱健

本發(fā)明提供了一種文檔翻譯系統(tǒng)及文檔翻譯方法，所述文檔翻譯系統(tǒng)包括：文檔格式轉(zhuǎn)換模塊，用于將待翻譯文檔的格式轉(zhuǎn)換為XML格式；文檔內(nèi)容抽取模塊，用于自動(dòng)識(shí)別并提取轉(zhuǎn)換為XML格式的所述待翻譯文檔中的內(nèi)容，以獲取提取內(nèi)容；文檔翻譯模塊，用于對(duì)所述提取內(nèi)容進(jìn)行翻譯，獲得翻譯文檔。根據(jù)本發(fā)明的文檔翻譯系統(tǒng)，將待翻譯文檔轉(zhuǎn)換為XML格式后，便于對(duì)待翻譯文檔中的內(nèi)容進(jìn)行自動(dòng)識(shí)別及提取，并且在自動(dòng)識(shí)別及提取后進(jìn)行翻譯，可以根據(jù)對(duì)行、段落的分析進(jìn)行翻譯，更加符合用戶的閱讀習(xí)慣，提高翻譯效果，進(jìn)而提高了用戶體驗(yàn)。

技術(shù)領(lǐng)域

本發(fā)明涉及機(jī)器翻譯技術(shù)領(lǐng)域，特別涉及一種文檔翻譯系統(tǒng)及文檔翻譯方法。

背景技術(shù)

隨著國(guó)際化程度的不斷深入，國(guó)際間交流越來(lái)越頻繁。其中大量的不同語(yǔ)種的文件需要翻譯。機(jī)器翻譯是利用計(jì)算機(jī)將一種自然語(yǔ)言(源語(yǔ)言)轉(zhuǎn)換成另一種自然語(yǔ)言(目標(biāo)語(yǔ)言)的過(guò)程。因其翻譯效率明顯高于人工，能協(xié)助用戶更快速獲取信息情報(bào)，因此具有重要的實(shí)用價(jià)值。據(jù)全球最大的市場(chǎng)研究庫(kù)ResearchMarkets預(yù)測(cè)，2023年全球機(jī)器翻譯市場(chǎng)規(guī)模將達(dá)1.95億美元。2017至2023年期間，機(jī)器翻譯市場(chǎng)的復(fù)合年增長(zhǎng)率超過(guò)6.0％，并在2023年達(dá)到1.95億美元。現(xiàn)有的機(jī)器翻譯軟件，比如翻譯狗、Transgod采用機(jī)器翻譯引擎進(jìn)行全文翻譯。

目前的機(jī)器翻譯對(duì)于文檔而言，是“一視同仁”的，即對(duì)于文檔中的文字，進(jìn)行全文翻譯，不會(huì)自動(dòng)識(shí)別文檔中的內(nèi)容，這極大地降低了用戶體驗(yàn)。

發(fā)明內(nèi)容

本發(fā)明提供一種文檔翻譯系統(tǒng)及文檔翻譯方法，用以根據(jù)對(duì)行、段落的分析進(jìn)行翻譯，更加符合用戶的閱讀習(xí)慣，提高翻譯效果。

本發(fā)明提供一種文檔翻譯系統(tǒng)，包括：

文檔格式轉(zhuǎn)換模塊，用于將待翻譯文檔的格式轉(zhuǎn)換為XML格式；

文檔內(nèi)容抽取模塊，用于自動(dòng)識(shí)別并提取轉(zhuǎn)換為XML格式的所述待翻譯文檔中的內(nèi)容，以獲取提取內(nèi)容；

文檔翻譯模塊，用于對(duì)所述提取內(nèi)容進(jìn)行翻譯，獲得翻譯文檔。

進(jìn)一步地，所述文檔翻譯系統(tǒng)還包括文檔組裝模塊，用于將所述待翻譯文檔和所述翻譯文檔進(jìn)行組裝，獲得組裝文檔，所述文檔組裝模塊包括文檔生成組件、文檔分割組件、文檔補(bǔ)全組件或文檔合并組件，其中，

所述文檔生成組件用于基于所述待翻譯文檔和所述翻譯文檔，生成包括所述待翻譯文檔和與所述待翻譯文檔對(duì)應(yīng)的所述翻譯文檔的雙語(yǔ)對(duì)照文檔；

所述文檔分割組件用于根據(jù)所述待翻譯文檔中的頁(yè)碼，對(duì)所述翻譯文檔的頁(yè)碼進(jìn)行分割，以使所述雙語(yǔ)對(duì)照文檔中的所述翻譯文檔的頁(yè)碼與所述待翻譯文檔中的頁(yè)碼相對(duì)應(yīng)：

所述文檔補(bǔ)全組件用于根據(jù)所述翻譯文檔的頁(yè)碼，將所述雙語(yǔ)對(duì)照文檔中的所述翻譯文檔進(jìn)行補(bǔ)全，以使所述翻譯文檔的若干頁(yè)面的內(nèi)容與所述待翻譯文檔中的每一頁(yè)面的內(nèi)容相對(duì)應(yīng)：

所述文檔合并組件用于將每一頁(yè)面的所述待翻譯文檔和與每一頁(yè)面的所述待翻譯文檔相對(duì)應(yīng)的若干頁(yè)面的所述翻譯文檔進(jìn)行合并，獲得合并文檔。

進(jìn)一步地，所述文檔格式轉(zhuǎn)換模塊包括：

文檔格式轉(zhuǎn)化組件，用于將所述待翻譯文檔的非PDF格式轉(zhuǎn)化為PDF格式；

內(nèi)容抽取組件，用于分別抽取所述待翻譯文檔中的文本、圖像、表格中的內(nèi)容；

XML格式轉(zhuǎn)化組件，用于分別將抽取的所述待翻譯文檔中的文本、圖像、表格中的內(nèi)容轉(zhuǎn)化為XML格式文檔。

進(jìn)一步地，所述文檔內(nèi)容抽取模塊包括基于坐標(biāo)行的分析組件、基于坐標(biāo)段落的分析組件、基于語(yǔ)義段落的分析組件或基于經(jīng)驗(yàn)段落的分析組件，其中，所述基于坐標(biāo)行的分析組件用于根據(jù)坐標(biāo)行訓(xùn)練模型，分別提取轉(zhuǎn)換為XML格式的所述待翻譯文檔中的每一行的內(nèi)容；