[发明专利]语句翻译的方法、翻译模型训练的方法、设备及存储介质

说明书

本申请公开了一种语句翻译的方法，包括：获取用第一语言表示的源语句；基于键值网络模型对源语句进行翻译，以得到用第二语言表示的目标语句；其中，键值网络模型用于在对源语句进行编码后存储编码得到的编码向量，并在对编码向量进行循环解码时依据上一循环的解码结果确定本循环解码过程中每个编码向量的关注概率，其中，未被翻译的编码向量的关注概率大于已被翻译的编码向量的关注概率；输出用第二语言表示的目标语句。本申请技术方案由于在进行语句翻译时，在每个循环都会确定每个编码向量的关注概率，未被翻译的编码向量的关注概率大于已被翻译的编码向量的关注概率，从而可以避免漏翻译和重复翻译。

技术领域

本申请涉及计算机技术领域，具体涉及一种语句翻译的方法、翻译模型训练的方法、设备及存储介质。

背景技术

随着人工智能的发展，机器翻译已经被广泛使用。机器翻译即通过电子设备将一种语言的输入转换为另一种语言的输出，例如：将中文翻译为英文，或者，将英文翻译为中文等。

目前广泛使用的机器翻译方法是基于注意力机制的神经机器翻译方法，该方法首先利用一个神经网络编码器将源语言序列编码为一个或一组实数向量，然后再利用一个神经网络解码器以及注意力机制将源语言序列向量转化为目标语言序列，完成翻译过程。

由于上述翻译方法在翻译过程中缺乏保证完整翻译的机制，使得译文会存在漏翻译或者重复翻译的问题。

发明内容

为解决机器过程中存在的漏翻译或者重复翻译的问题，本申请实施例提供一种语句翻译的方法，可以突出未翻译的部分，弱化已翻译的部分，从而可以避免漏翻译和重复翻译。本申请实施例还提供了翻译模型训练的方法、设备以及计算机可读存储介质。

本申请实施例一方面提供一种语句翻译的方法，包括：

获取用第一语言表示的源语句；

基于键值网络模型对所述源语句进行翻译，以得到用第二语言表示的目标语句；其中，所述键值网络模型用于在对所述源语句进行编码后存储编码得到的编码向量，并在对所述编码向量进行循环解码时依据上一循环的解码结果确定本循环解码过程中每个编码向量的关注概率，其中，未被翻译的编码向量的关注概率大于已被翻译的编码向量的关注概率；

输出所述用第二语言表示的所述目标语句。

本申请实施例另一方面提供一种翻译模型训练的方法，包括：

获取样本对集合，所述样本对集合中包括多个样本对，每个样本对都包括以第一语言表示的源语句和以第二语言表示的目标语句；

使用所述样本对集合对初始键值网络模型进行训练，以得到目标键值网络模型，所述目标键值网络模型用于在语句翻译时对待翻译语句进行编码后存储编码得到的编码向量，并在对所述编码向量进行循环解码时依据上一循环的解码结果确定本循环解码过程中每个编码向量的关注概率，其中，未被翻译的编码向量的关注概率大于已被翻译的编码向量的关注概率。

本申请实施例又一方面提供一种语句翻译的装置，包括：

获取单元，用于获取用第一语言表示的源语句；

翻译单元，用于基于键值网络模型对所述获取单元获取的所述源语句进行翻译，以得到用第二语言表示的目标语句；其中，所述键值网络模型用于在对所述源语句进行编码后存储编码得到的编码向量，并在对所述编码向量进行循环解码时依据上一循环的解码结果确定本循环解码过程中每个编码向量的关注概率，其中，未被翻译的编码向量的关注概率大于已被翻译的编码向量的关注概率；

输出单元，用于输出所述翻译单元翻译得到的所述用第二语言表示的所述目标语句。

本申请实施例又一方面提供一种翻译模型训练的装置，包括：