[發(fā)明專利]文檔翻譯方法及裝置

有效

• 申請?zhí)枺?/td>: 202010090262.7
• 申請日: 2020-02-13
• 公開（公告）號: CN111368091B
• 公開（公告）日: 2023-09-22
• 發(fā)明（設計）人: 馮歆然;劉華杰;王雅欣;羅杰文
• 申請（專利權(quán)）人: 中國工商銀行股份有限公司
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F40/117;G06F40/211;G06F40/30;G06F40/58;G06N3/08
• 代理公司: 北京三友知識產(chǎn)權(quán)代理有限公司 11127
• 代理人: 王濤;湯在彥

1.一種文檔翻譯方法，其特征在于，包括：

獲取雙語文本數(shù)據(jù)；

對所述雙語文本數(shù)據(jù)進行標注，得到標注好的雙語文本數(shù)據(jù)；

從所述雙語文本數(shù)據(jù)中抽取雙語結(jié)構(gòu)化數(shù)據(jù)，并根據(jù)所述雙語結(jié)構(gòu)化數(shù)據(jù)構(gòu)建知識圖譜；

根據(jù)所述知識圖譜以及所述標注好的雙語文本數(shù)據(jù)采用預設的神經(jīng)網(wǎng)絡模型進行模型訓練，得到文檔翻譯模型，以根據(jù)所述文檔翻譯模型對文檔進行翻譯；

所述根據(jù)所述知識圖譜以及所述標注好的雙語文本數(shù)據(jù)采用預設的神經(jīng)網(wǎng)絡模型進行模型訓練，包括：

針對所述標注好的雙語文本數(shù)據(jù)中的每個句子生成預測下文句，其中，所述預測下文句包括：句子在所述標注好的雙語文本數(shù)據(jù)中的真實下文句、根據(jù)所述知識圖譜從預設的語料庫中選擇的句子的相關(guān)句、根據(jù)所述知識圖譜從所述標注好的雙語文本數(shù)據(jù)中選擇的句子的非相關(guān)句以及從所述語料庫中隨機選擇的句子中的至少一種；

根據(jù)所述神經(jīng)網(wǎng)絡模型預測所述預測下文句是否為對應句子的下文。

2.根據(jù)權(quán)利要求1所述的文檔翻譯方法，其特征在于，所述根據(jù)所述知識圖譜以及所述標注好的雙語文本數(shù)據(jù)采用預設的神經(jīng)網(wǎng)絡模型進行模型訓練，包括：

根據(jù)所述知識圖譜從所述標注好的雙語文本數(shù)據(jù)中選擇關(guān)鍵詞，并對所述關(guān)鍵詞進行掩蓋；

根據(jù)所述神經(jīng)網(wǎng)絡模型對掩蓋的關(guān)鍵詞進行預測。

3.根據(jù)權(quán)利要求2所述的文檔翻譯方法，其特征在于，所述根據(jù)所述知識圖譜從所述標注好的雙語文本數(shù)據(jù)中選擇關(guān)鍵詞，具體包括：

預設比例時間根據(jù)所述知識圖譜選擇關(guān)鍵詞，剩余比例時間采用隨機選擇的方法選擇關(guān)鍵詞。

4.根據(jù)權(quán)利要求2所述的文檔翻譯方法，其特征在于，所述對所述關(guān)鍵詞進行掩蓋，具體包括：

第一預設比例時間采用隨機詞對所述關(guān)鍵詞進行掩蓋，第二預設比例時間采用所述關(guān)鍵詞的原詞對所述關(guān)鍵詞進行掩蓋，第三預設比例時間采用預設字符對所述關(guān)鍵詞進行掩蓋，其中，第一預設比例時間、第二預設比例時間以及第三預設比例時間的總和為百分之百。

5.根據(jù)權(quán)利要求1所述的文檔翻譯方法，其特征在于，所述神經(jīng)網(wǎng)絡模型包括：Tramsformer模型。

6.一種文檔翻譯裝置，其特征在于，包括：

雙語語料獲取單元，用于獲取雙語文本數(shù)據(jù)；

標注單元，用于對所述雙語文本數(shù)據(jù)進行標注，得到標注好的雙語文本數(shù)據(jù)；

知識圖譜構(gòu)建單元，用于從所述雙語文本數(shù)據(jù)中抽取雙語結(jié)構(gòu)化數(shù)據(jù)，并根據(jù)所述雙語結(jié)構(gòu)化數(shù)據(jù)構(gòu)建知識圖譜；

模型訓練單元，用于根據(jù)所述知識圖譜以及所述標注好的雙語文本數(shù)據(jù)采用預設的神經(jīng)網(wǎng)絡模型進行模型訓練，得到文檔翻譯模型，以根據(jù)所述文檔翻譯模型對文檔進行翻譯；

所述模型訓練單元包括：

預測下文句生成模塊，用于針對所述標注好的雙語文本數(shù)據(jù)中的每個句子生成預測下文句，其中，所述預測下文句包括：句子在所述標注好的雙語文本數(shù)據(jù)中的真實下文句、根據(jù)所述知識圖譜從預設的語料庫中選擇的句子的相關(guān)句、根據(jù)所述知識圖譜從所述標注好的雙語文本數(shù)據(jù)中選擇的句子的非相關(guān)句以及從所述語料庫中隨機選擇的句子中的至少一種；

下文句判斷模塊，用于根據(jù)所述神經(jīng)網(wǎng)絡模型預測所述預測下文句是否為對應句子的下文。

7.根據(jù)權(quán)利要求6所述的文檔翻譯裝置，其特征在于，所述模型訓練單元包括：

關(guān)鍵詞掩蓋模塊，用于根據(jù)所述知識圖譜從所述標注好的雙語文本數(shù)據(jù)中選擇關(guān)鍵詞，并對所述關(guān)鍵詞進行掩蓋；

掩蓋詞預測模塊，用于根據(jù)所述神經(jīng)網(wǎng)絡模型對掩蓋的關(guān)鍵詞進行預測。

8.根據(jù)權(quán)利要求7所述的文檔翻譯裝置，其特征在于，所述關(guān)鍵詞掩蓋模塊，具體用于預設比例時間根據(jù)所述知識圖譜選擇關(guān)鍵詞，剩余比例時間采用隨機選擇的方法選擇關(guān)鍵詞。