[发明专利]基于深度语义关联的译文预测方法

权利要求书

1.一种基于深度语义关联的译文预测方法，其特征在于包括以下步骤：

1)生成词向量：利用WordtoVec工具，使用Skip-gram模型在训练语料上进行训练，把生成的词向量加载到模型中，以备使用；

2)语义相关度计算：利用词向量，对用户指定的前缀与待扩展的短语进行语义相关度计算；

3)将语义相关度作为特征之一，估计后缀的翻译概率；

4)采用多栈解码算法搜索最优后缀：对栈中的翻译假设进行排序，输出最优的N个译文。

2.根据权利要求1所述的基于深度语义关联的译文预测方法，其特征在于：步骤1)中，生成词向量，通过神经网络模型，建立词与词之间的深度语义关联，将词语转换为Distributed Representation表示的低维实数向量进行语义相关度计算。

3.根据权利要求1所述的基于深度语义关联的译文预测方法，其特征在于：步骤2)中，语义相关度计算为：

假设用户指定的前缀为t_p，当前待扩展的后缀短语为ph，为t_p的倒数第i个词，ph_i为ph的第i个词，则前缀与该短语之间的语义相关度为:

h(tp,ph)=1m×nΣi=1mΣj=1ncos(tp‾i,phj)---(1)]]>

其中为词语与ph_j之间的向量余弦值，使用前缀中的最后m个词对当前候选短语的前n个词进行启发。

4.根据权利要求3所述的基于深度语义关联的译文预测方法，其特征在于：对m的计数从前缀的倒数第2个词开始，禁用词不包含在计数范围内。