[發明專利]一種融合聚類算法的維漢機器翻譯系統在審
| 申請號： | 202010140937.4 | 申請日： | 2020-03-03 |
| 公開（公告）號： | CN111368563A | 公開（公告）日： | 2020-07-03 |
| 發明（設計）人： | 艾山·吾買爾;劉文其;斯拉吉艾合麥提·如則麥麥提;西熱艾力·海熱拉;早克熱·卡德爾;買合木提·買買提;汪烈軍;劉勝全 | 申請（專利權）人： | 新疆大學 |
| 主分類號： | G06F40/58 | 分類號： | G06F40/58;G06F16/35;G06K9/62;G06F40/284;G06F40/289 |
| 代理公司： | 北京匯捷知識產權代理事務所(普通合伙) 11531 | 代理人： | 張麗 |
| 地址： | 830046 新疆維吾爾*** | 國省代碼： | 新疆;65 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 融合 算法 機器翻譯 系統 | ||
【權利要求書】：
1.一種融合聚類算法的維漢機器翻譯系統，由使用gensim中的Doc2vec訓練維吾爾語句子向量模型；使用k-means方法實現維吾爾語的文本聚類；使用transformer結構訓練維漢機器翻譯模型；使用微調的方法將聚類后的每一類數據分別微調機器翻譯模型得到k個子翻譯模型，融合以上方法實現了對維吾爾語的向量化，聚類并訓練維漢翻譯模型，其特征在于：由于長度較短的句子很難有豐富的語義信息，在進行句子向量化時，短句子會影響句子向量模型的質量進而導致聚類效果不佳，因此在訓練句子向量之前先把長度小于10的句子過濾掉，只保留較長的句子。
2.根據權利要求1所述的一種融合聚類算法的維漢機器翻譯系統，其特征在于：所述基于transformer的維漢機器翻譯模型，維語端先對維語句子進行token，在使用雙字節編碼(Byte Pair Encoding，BPE)操作；漢語端先使用THULAC分詞工具對中文句子進行分詞，在使用BPE切詞的方法。
下載完整專利技術內容需要扣除積分，VIP會員可以免費下載。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于新疆大學，未經新疆大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010140937.4/1.html，轉載請聲明來源鉆瓜專利網。
