[发明专利]一种基于后处理技术的提高数字翻译质量的方法

说明书

本发明的一种基于后处理技术的提高数字翻译质量的方法，包括：将待翻译句子中的复杂数字替换为简单数字，记录原数字；对替换后的待翻译句子进行分词处理及子词切分处理；对每一个子词切分后的句子进行翻译；获取待翻译句子与翻译后句子的attention对齐信息，获取与简单数字相对应的简单数字译文；通过原数字、简单数字和简单数字译文计算出正确数字译文；根据简单数字与简单数字译文间的对应关系，用正确数字译文替换简单数字译文，获取正确的翻译后句子；对正确的翻译后句子中数字部分及其对应单位进行单位正规化操作。该方法用后处理方法解决数字翻译问题，用复杂数字替换为简单数字然后译文还原的方法，运行速度快，对计算机负担小。

技术领域

本发明属于机器翻译技术领域，具体涉及一种基于后处理技术的提高数字翻译质量的方法。

背景技术

数字翻译是机器翻译中一种常见翻译问题，数字翻译具体是指将源语(待翻译内容)中的数字部分映射到目标语(被翻译内容)中的数字，其中不同语言之间单位不同，数字表示方式也有不同。一个语言的数字部分在翻译为目标语言时，经常会出现单位改变等情况。一个数字翻译的例子如下所示：

源语：今年原油日需求量为9885万桶

目标语：Demand for crude oil this year is 98.85 million barrels a day

当用户使用机器翻译的解码器生成翻译结果的时候，数字翻译的准确性十分重要，数字中通常包含着一个句子中的关键信息，尤其是银行业、保险业、金融领域等行业领域，用户对数字翻译的结果十分敏感，某个单词翻译错误对译文整体影响相对较小，但如果一个关键数字翻译错误，会对最终结果造成很大影响，例如将“小王本月应缴个人所得税为321.54元。”翻译为“Xiao Wang's personal income tax payable this month is 3215.4yuan.”仅仅在小数点位置上翻译错误，然后对整句话产生了巨大的影响，而且会对用户体验造成很大的负面影响。由于数字本身包含文本中关键信息的特性以及部分领域对数字敏感的特性，保证数字翻译的准确性至关重要。

当前机器翻译系统并未针对数字翻译采取专门的翻译策略。数字翻译大部分属于未登录词翻译，机器翻译系统针对未登录词翻译时有很大的不足。机器翻译系统为了减少计算复杂度，通常使用一个固定大小的词汇表。由于词汇表大小有限，使得机器翻译在翻译未登录词时效果很差。

后处理方法是在不修改机器翻译模型以及训练数据的情况下，使用一些自动处理脚本提升机器翻译译文的方法。当前后处理方法主要是解决一些翻译中存在的非法字符以及基于规则的字符替换，尚未有人将后处理方法应用到数字翻译当中。

发明内容

为解决上述技术问题，本发明的目的是提供一种基于后处理技术的提高数字翻译质量的方法，以解决现有机器翻译系统在进行数字翻译时候所面临的未能准确翻译复杂数字导致的数字翻译效果不理想问题。

本发明提供一种基于后处理技术的提高数字翻译质量的方法，包括如下步骤：

步骤1：输入待翻译句子，将待翻译句子中的复杂数字替换为简单数字，并记录原数字；

步骤2：对替换后的待翻译句子进行分词处理以及子词切分处理，得到子词切分后的句子；

步骤3：对每一个子词切分后的句子进行翻译，得到翻译后句子；

步骤4：获取待翻译句子与翻译后句子的attention对齐信息，以获取与简单数字相对应的简单数字译文；

步骤5：通过原数字、简单数字和简单数字译文计算出正确数字译文；

步骤6：根据简单数字与简单数字译文之间的对应关系，使用正确数字译文替换简单数字译文，进而获取正确的翻译后句子；