[发明专利]一种翻译模型构建方法和系统

权利要求书

1.一种翻译模型构建方法，其特征在于，包括：

获取双语平行语料库，所述双语平行语料库包括源语言句子到目标语言句子的对照翻译；

利用所述双语平行语料库生成规则对齐表、单词语义向量表和短语表，所述规则对齐表包括双语对照的层次短语规则，所述单词语义向量表包括双语对照的单词语义向量，所述短语表包括双语对照的短语信息；

利用所述单词语义向量表和所述短语表，生成源语言语义空间下的源语言短语语义向量表及目标语言语义空间下的目标语言短语语义向量表；

对所述源语言语义空间下的源语言短语语义向量表及目标语言语义空间下的目标语言短语语义向量表进行处理，得到翻译模型。

2.根据权利要求1所述的方法，其特征在于，所述利用所述双语平行语料库生成规则对齐表、单词语义向量表和短语表，包括：

对所述双语平行语料库进行预处理，得到词对齐信息，所述词对齐信息包括双语对照的单词词语；

根据所述词对齐信息生成规则对齐表，所述规则对齐表包括双语对照的层次短语规则，所述层次短语规则可表示为：X→<γ,α,～>，其中，X是非终结符，γ和α是由终结符和非终结符构成的字符串，符号“～”表示出现在γ中的非终结符与出现在α中的非终结符之间的一一对应关系；

根据所述词对齐信息生成单词语义向量表，所述单词语义向量表包括双语对照的单词语义向量，所述单词语义向量通过结点互信息PMI计算得到：

pmi(c,t)=logp(c,t)p(c)p(t)=freqcit×freqtotalfreqci×freqt]]>

其中，t表示目标单词，c_i表示在上下文窗口中与t相邻的关联词，表示关联词c_i与目标单词t共现的次数，freq_total表示所有单词出现的次数，表示上下文单词出现的次数，freq_t表示目标词出现的次数；

根据所述词对齐信息生成短语表。

3.根据权利要求2所述的方法，其特征在于，所述利用单词语义向量表和短语表，生成源语言语义空间下的源语言短语语义向量表及目标语言语义空间下的目标语言短语语义向量表，包括：

对于短语表中的每个源语言短语，从所述单词语义向量表中检索其所包含的各个单词的语义向量；

对所述源语言短语包括的各个单词的语义向量进行带权向量加法运算，得到所述源语言短语的语义向量，短语表中各源语言短语的语义向量构成源语言语义空间下的源语言短语语义向量表；

对于短语表中的每个目标语言短语，从所述单词语义向量表中检索其所包含的各个单词的语义向量；

对所述目标语言短语包括的各个单词的语义向量进行带权向量加法运算，得到所述目标语言短语的语义向量，短语表中各目标语言短语的语义向量构成目标语言语义空间下的目标语言短语语义向量表。