[發(fā)明專利]一種基于神經(jīng)機器翻譯技術(shù)的超文本標(biāo)記語言翻譯方法

在審

• 申請?zhí)枺?/td>: 202011212042.3
• 申請日: 2020-11-03
• 公開（公告）號: CN112257462A
• 公開（公告）日: 2021-01-22
• 發(fā)明（設(shè)計）人: 劉興宇;杜權(quán)
• 申請（專利權(quán)）人: 沈陽雅譯網(wǎng)絡(luò)技術(shù)有限公司
• 主分類號: G06F40/58
• 分類號: G06F40/58;G06F40/211;G06F40/289;G06N3/08
• 代理公司: 沈陽優(yōu)普達(dá)知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 21234
• 代理人: 李曉光

1.一種基于神經(jīng)機器翻譯技術(shù)的超文本標(biāo)記語言翻譯方法，其特征在于包括以下步驟：

1)通過網(wǎng)絡(luò)爬蟲技術(shù)從含有外文數(shù)據(jù)的網(wǎng)絡(luò)中爬取海量數(shù)據(jù)作為超文本標(biāo)記語言語料，利用信息抽取技術(shù)從超文本標(biāo)記語言語料中獲取雙語句對；

2)對雙語句對進行清洗過濾、分詞、子詞切分預(yù)處理，得到訓(xùn)練數(shù)據(jù)；

3)將訓(xùn)練數(shù)據(jù)輸入到神經(jīng)網(wǎng)絡(luò)模型中開始訓(xùn)練模型至模型收斂；

4)對用戶實時輸入的超文本標(biāo)記語言進行處理，提取出超文本標(biāo)記語言文本中需要翻譯的句子和需要保留的格式；

5)對需要翻譯的句子進行預(yù)處理，將句子標(biāo)簽狀態(tài)進行保存，并使用訓(xùn)練完成的神經(jīng)機器翻譯模型對句子進行翻譯；

6)對輸入句子和翻譯結(jié)果進行詞對齊使標(biāo)簽被正確添加到翻譯結(jié)果中，獲得與用戶輸入匹配的高精度譯文。

2.按權(quán)利要求1所述的基于神經(jīng)機器翻譯技術(shù)的超文本標(biāo)記語言翻譯方法，其特征在于：步驟4)中，對用戶實時輸入的超文本標(biāo)記語言進行處理，提取出文本中需要翻譯的句子和需要保留的格式，包括抽取需要翻譯的句子，分詞和子詞切分方式，使送入神經(jīng)機器翻譯模型和訓(xùn)練模型時的訓(xùn)練數(shù)據(jù)的格式完全一致，減小數(shù)據(jù)和神經(jīng)機器翻譯模型的差異，減少未登錄詞的出現(xiàn)次數(shù)。

3.按權(quán)利要求1所述的基于神經(jīng)機器翻譯技術(shù)的超文本標(biāo)記語言翻譯方法，其特征在于：步驟5)中，對句子進行預(yù)處理，將標(biāo)簽狀態(tài)進行保存，并使用訓(xùn)練完成的神經(jīng)機器翻譯模型的編碼器對源語句子進行翻譯，具體為：

501)對抽取出的句子進行預(yù)處理，分為標(biāo)簽部分和句子部分；

502)將句子中每個詞所處的標(biāo)簽狀態(tài)進行保存，按照標(biāo)簽在句子中出現(xiàn)的順序?qū)?biāo)簽進行保存；

503)將抽取出的句子送入神經(jīng)機器翻譯模型中進行翻譯，生成目標(biāo)語言的翻譯結(jié)果。

4.按權(quán)利要求1所述的基于神經(jīng)機器翻譯技術(shù)的超文本標(biāo)記語言翻譯方法，其特征在于：步驟6)中，對輸入句子和翻譯結(jié)果進行詞對齊使標(biāo)簽被正確添加到翻譯結(jié)果中，獲得與用戶輸入匹配的高精度譯文，具體為：

601)將源語句子與翻譯結(jié)果進行詞對齊處理，使每個詞都獲得精確的對應(yīng)關(guān)系；

602)根據(jù)詞對齊關(guān)系把標(biāo)簽添加回翻譯結(jié)果中，使原句子的標(biāo)簽狀態(tài)得以保存；

603)將處理完的句子按照抽取的順序依次添加回初始文本中，使超文本標(biāo)記語言樣式得以保存。