[发明专利]机器翻译方法及装置

权利要求书

1.一种机器翻译方法，其特征在于，包括：

从第一语句中获取第一短语集合，所述第一短语集合包括所述第一语句中连续的n元短语；

从第一语料库中获取第二短语集合，所述第二短语集合包括所述第一语料库中的所有n元短语，所述第一语料库为可比较语料库；

通过自动对齐算法从第二短语集合中获取第三短语集合，所述第三短语集合中的短语对所述第一短语集合中的短语的第一翻译关系包括：一对一、一对多和/或多对多；

通过所述第一翻译关系从所述第三短语集合中获取第二语句，所述第二语句为所述第一语句的翻译结果。

2.根据权利要求1所述的方法，其特征在于，所述第一语料库包括：所述第一语句所使用的语言和所述第二语句所使用的语言互译的网页内容。

3.根据权利要求2所述的方法，其特征在于，所述自动对齐算法包括：

根据所述第一短语的长度信息和所述第三短语的长度信息得到归一化长度值，所述第一短语为所述第一短语集合中的短语，所述第三短语为所述第三短语集合中的短语；

利用高斯方程或泊松分布公式、所述归一化长度值和所述第一短语和所述第三短语的对齐类型，对所述第一短语和所述第三短语集合中的短语进行对齐，所述对齐类型包括：一个短语对一个短语对齐、一个短语对多个短语对齐和多个短语对多个短语对齐；

根据IBM模型通过最大期望EM算法过滤所述第三短语集合中的短语；

根据所述第一短语和所述第三短语的词相似性得到所述第三短语集合。

4.根据权利要求3所述的方法，其特征在于，所述自动对齐算法包括：

根据得到所述归一化长度，其中，所述l_s为所述第一短语的长度，所述l_t为所述第三短语的长度，所述r为所述第一语句所使用的语言和所述第二语句所使用的语言长度的比率，所述σ²是所述第一语句所使用的语言和所述第二语句所使用的语言的样本方差；

根据或对所述第一短语和所述第三短语集合中的短语进行对齐，以得到所述第一短语与所述第三短语对齐的概率p(δ(l_s,l_t)|type)＝p(|X|≥|δ(l_s,l_t)|)＝2(1-p(X<|δ(l_s,l_t)|))，其中，所述μ是是所述第一语句所使用的语言和所述第二语句所使用的语言的样本期望，所述α是常量，所述type为所述第一语句所使用的语言和所述第二语句所使用的语言的对齐类型；

根据模型，通过EM算法过滤所述第三短语集合中的短语，其中，所述s所述第一语句所使用的语言，t为所述第二语句所使用的语言，所述l为所述第一语句中包括的所述第一短语的个数，所述m为所述第三短语的个数，所述ε为常量；

根据得到所述第三短语集合，其中，(l-gram)∩(m-gram)是所述第一短语和所述第三短语中相同字符的个数，所述(l-gram)是所述第一短语的长度，所述(m-gram)是所述第三短语的长度。

5.根据权利要求4所述的方法，其特征在于，所述通过所述第一翻译关系从所述第三短语集合中得到第二语句，包括：

根据t_best＝argmax_t p(t_n-best)得到第二语句，其中，所述t_n-best为所述第三短语集合中的短语组合。

6.一种机器翻译装置，其特征在于，包括：

获取模块，所述获取模块用于从第一语句中获取第一短语集合，所述第一短语集合包括所述第一语句中连续的n元短语；

所述获取模块还用于从第一语料库中获取第二短语集合，所述第二短语集合包括所述第一语料库中的所有n元短语，所述第一语料库为可比较语料库；

对齐模块，所述对齐模块用于通过自动对齐算法从第二短语集合中获取第三短语集合，所述第三短语集合中的短语对所述第一短语集合中的短语的第一翻译关系包括：一对一、一对多和/或多对多；

组合模块，所述组合模块用于通过所述第一翻译关系从所述第三短语集合中得到第二语句，所述第二语句为所述第一语句的翻译结果。