[發明專利]訓練樣本增強方法、裝置、計算機設備和存儲介質

在審

• 申請號: 202110678838.6
• 申請日: 2021-06-18
• 公開（公告）號: CN113392657A
• 公開（公告）日: 2021-09-14
• 發明（設計）人: 張軒瑋
• 申請（專利權）人: 北京愛奇藝科技有限公司
• 主分類號: G06F40/58
• 分類號: G06F40/58
• 代理公司: 北京華夏泰和知識產權代理有限公司 11662
• 代理人: 曾軍;唐會娜

1.一種訓練樣本增強方法，其特征在于，包括：

獲取第一源語言語句以及所述第一源語言語句的關聯語句；

將所述關聯語句中的至少一個語句與所述第一源語言語句進行拼接，得到第二源語言語句；

根據所述第二源語言語句，確定第二目標語言語句；

將所述第二源語言語句和所述第二目標語言語句形成一個語句對，并將所述語句對作為訓練樣本。

2.根據權利要求1所述的方法，其特征在于，所述根據所述第二源語言語句，確定第二目標語言語句，包括：

將所述第一源語言語句對應的第一目標語言語句作為所述第二目標語言語句。

3.根據權利要求1所述的方法，其特征在于，所述根據所述第二源語言語句，確定第二目標語言語句，包括：

根據所述第一源語言語句以及所述第二源語言語句中除了所述第一源語言語句之外的語句，確定所述第二目標語言語句。

4.根據權利要求3所述的方法，其特征在于，所述根據所述第一源語言語句以及所述第二源語言語句中除了所述第一源語言語句之外的語句，確定所述第二目標語言語句，包括：

在所述第二源語言語句中除了所述第一源語言語句之外的語句中選取與所述第一源語言語句相鄰的語句或語句組合，并將所選取的語句或語句組合對應的目標語言語句與所述第一源語言語句對應的第一目標語言語句進行拼接，得到所述第二目標語言語句。

5.根據權利要求1所述的方法，其特征在于，所述方法還包括：對具有同一來源標識的源語言語句設置位置索引，所述位置索引為所述源語言語句在所述來源標識對應的來源文本中的位置編號；

獲取所述第一源語言語句的關聯語句，包括：根據所述第一源語言語句的位置索引，在對應的來源本文中選取所述第一源語言語句的關聯文本。

6.一種機器翻譯模型訓練方法，其特征在于，包括：

獲取訓練樣本，所述訓練樣本包括多個語句對，每一個語句對包括源語言語句和對應的目標語言語句；

采用權利要求1-5任一項所述的訓練樣本增強方法對所述訓練樣本進行擴充；

根據所述訓練樣本和擴充增加的訓練樣本進行模型訓練。

7.一種訓練樣本增強裝置，其特征在于，包括：

語句獲取模塊，用于獲取第一源語言語句以及所述第一源語言語句的關聯語句；

第一確定模塊，用于將所述關聯語句中的至少一個語句與所述第一源語言語句進行拼接，得到第二源語言語句；

第二確定模塊，用于根據所述第二源語言語句，確定第二目標語言語句；

語句對形成模塊，用于將所述第二源語言語句和所述第二目標語言語句形成一個語句對，并將所述語句對作為訓練樣本。

8.一種機器翻譯模型訓練裝置，其特征在于，包括：

樣本獲取裝置，用于獲取訓練樣本，所述訓練樣本包括多個語句對，每一個語句對包括源語言語句和對應的目標語言語句；

權利要求7所述的訓練樣本增強裝置，用于對所述訓練樣本進行擴充；

模型訓練裝置，用于根據所述訓練樣本和擴充增加的訓練樣本進行模型訓練。

9.一種計算機設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1至6中任一項所述方法的步驟。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至6中任一項所述的方法的步驟。