[發(fā)明專利]機(jī)器翻譯模型獲取及文本翻譯方法、裝置及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202010515032.0
• 申請日: 2020-06-08
• 公開（公告）號: CN111859994A
• 公開（公告）日: 2020-10-30
• 發(fā)明（設(shè)計）人: 劉繼強(qiáng);張睿卿;何中軍;李芝;吳華
• 申請（專利權(quán)）人: 北京百度網(wǎng)訊科技有限公司
• 主分類號: G06F40/58
• 分類號: G06F40/58;G06F40/289;G06N20/00
• 代理公司: 北京鴻德海業(yè)知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11412
• 代理人: 谷春靜

本申請公開了機(jī)器翻譯模型獲取及文本翻譯方法、裝置及存儲介質(zhì)，涉及自然語言處理及深度學(xué)習(xí)領(lǐng)域，其中的方法可包括：獲取訓(xùn)練數(shù)據(jù)，包括由雙語平行語料構(gòu)成的訓(xùn)練數(shù)據(jù)以及由偽雙語平行語料構(gòu)成的訓(xùn)練數(shù)據(jù)，雙語平行語料中包括真實的源語言文本以及對應(yīng)的真實的目標(biāo)語言文本，偽雙語平行語料中包括真實的目標(biāo)語言文本以及通過預(yù)定方式變換得到的為偽數(shù)據(jù)的源語言文本；利用訓(xùn)練數(shù)據(jù)訓(xùn)練機(jī)器翻譯模型，以便利用機(jī)器翻譯模型得到待翻譯的源語言文本對應(yīng)的目標(biāo)語言文本，其中，在機(jī)器翻譯模型的輸入中增加拼音嵌入。應(yīng)用本申請所述方案，可提升翻譯結(jié)果的準(zhǔn)確性等。

技術(shù)領(lǐng)域

本申請涉及計算機(jī)應(yīng)用技術(shù)，特別涉及自然語言處理及深度學(xué)習(xí)領(lǐng)域的機(jī)器翻譯模型獲取及文本翻譯方法、裝置及存儲介質(zhì)。

背景技術(shù)

機(jī)器同傳翻譯為自然語言處理領(lǐng)域的一個重要應(yīng)用，其主要實現(xiàn)流程為：通過自動語音識別技術(shù)(ASR，Automatic Speech Recognition)將語音轉(zhuǎn)換為源語言文本，通過機(jī)器翻譯模型生成相應(yīng)的目標(biāo)語言文本。

機(jī)器翻譯模型是基于端到端的方式，使用大規(guī)模的質(zhì)量較高的雙語平行語料訓(xùn)練得到的，假設(shè)輸入的文本不存在詞匯或語法等錯誤，但是在機(jī)器同傳翻譯中，語音先識別為文本再進(jìn)行翻譯，文本識別可能存在錯誤，從而會導(dǎo)致后續(xù)的翻譯結(jié)果不準(zhǔn)確。

發(fā)明內(nèi)容

本申請?zhí)峁┝藱C(jī)器翻譯模型獲取及文本翻譯方法、裝置及存儲介質(zhì)。

一種機(jī)器翻譯模型獲取方法，包括：

獲取訓(xùn)練數(shù)據(jù)，包括由雙語平行語料構(gòu)成的訓(xùn)練數(shù)據(jù)以及由偽雙語平行語料構(gòu)成的訓(xùn)練數(shù)據(jù)，所述雙語平行語料中包括真實的源語言文本以及對應(yīng)的真實的目標(biāo)語言文本，所述偽雙語平行語料中包括真實的目標(biāo)語言文本以及通過預(yù)定方式變換得到的為偽數(shù)據(jù)的源語言文本；

利用所述訓(xùn)練數(shù)據(jù)訓(xùn)練機(jī)器翻譯模型，以便利用所述機(jī)器翻譯模型得到待翻譯的源語言文本對應(yīng)的目標(biāo)語言文本，其中，在所述機(jī)器翻譯模型的輸入中增加拼音嵌入。

一種文本翻譯方法，包括：

獲取待翻譯的源語言文本；

分別獲取所述源語言文本中的各詞的拼音嵌入，根據(jù)所述拼音嵌入及按照上述方法獲取到的機(jī)器翻譯模型，得到所述源語言文本對應(yīng)的目標(biāo)語言文本。

一種機(jī)器翻譯模型獲取裝置，包括：樣本獲取模塊以及模型訓(xùn)練模塊；

所述樣本獲取模塊，用于獲取訓(xùn)練數(shù)據(jù)，包括由雙語平行語料構(gòu)成的訓(xùn)練數(shù)據(jù)以及由偽雙語平行語料構(gòu)成的訓(xùn)練數(shù)據(jù)，所述雙語平行語料中包括真實的源語言文本以及對應(yīng)的真實的目標(biāo)語言文本，所述偽雙語平行語料中包括真實的目標(biāo)語言文本以及通過預(yù)定方式變換得到的為偽數(shù)據(jù)的源語言文本；

所述模型訓(xùn)練模塊，用于利用所述訓(xùn)練數(shù)據(jù)訓(xùn)練機(jī)器翻譯模型，以便利用所述機(jī)器翻譯模型得到待翻譯的源語言文本對應(yīng)的目標(biāo)語言文本，其中，在所述機(jī)器翻譯模型的輸入中增加拼音嵌入。

一種文本翻譯裝置，包括：文本獲取模塊以及文本翻譯模塊；

所述文本獲取模塊，用于獲取待翻譯的源語言文本；

所述文本翻譯模塊，用于分別獲取所述源語言文本中的各詞的拼音嵌入，根據(jù)所述拼音嵌入及按照上述裝置獲取到的機(jī)器翻譯模型，得到所述源語言文本對應(yīng)的目標(biāo)語言文本。

一種電子設(shè)備，包括：

至少一個處理器；以及

與所述至少一個處理器通信連接的存儲器；其中，

所述存儲器存儲有可被所述至少一個處理器執(zhí)行的指令，所述指令被所述至少一個處理器執(zhí)行，以使所述至少一個處理器能夠執(zhí)行如以上所述的方法。