[发明专利]一种面向神经网络机器翻译的德文词法分析方法及系统

说明书

本发明涉及机器翻译技术领域，尤其涉及一种面向神经网络机器翻译的德文词法分析方法及系统；方法包括以下步骤：将德语单词一一进行词典查询；将不规则变形的变形词进行还原；将缩写词还原成单词原形；将规则变形的变形词进行还原；将复合词拆分为独立的构成词组合。本发明所公开的面向神经网络机器翻译的德文词法分析方法及系统，利用神经网络机器翻译技术，将德文变形词、缩写词、复合词的词法分析信息进行深度学习，该方法有助于降低维度，解决数据稀疏问题，克服了机器翻译中德语变形词、缩写词、复合词因词典未收录而不识别、不翻译的现象，同时大大提高了句对齐语料的准确度、利用率以及机器翻译的可读性，改善了机器翻译译文的质量。

技术领域

本发明涉及机器翻译技术领域，尤其涉及一种面向神经网络机器翻译的德文词法分析方法及系统。

背景技术

机器翻译，又称为自动翻译，是利用计算机将一种自然语言(源语言)转换为另一种自然语言(目标语言)的过程。随着人工智能的快速发展，循环神经网络等深度学习网络结构已被广泛应用于自然语言处理领域，神经网络机器翻译便是其产物之一。作为近年来兴起的一种全新的机器翻译技术，神经网络机器翻译与过去的基于规则的机器翻译和基于统计的机器翻译相比在翻译质量上取得了巨大的突破，使机器翻译的商业应用变得触手可及。

中国专利CN201810845896.1提供了一种神经网络机器翻译模型的训练方法和装置，包括：获取多种高资源语言对和低资源语言对；对高资源语言对的源语言和低资源语言对的源语言在字符级别上进行拼写统一化操作；将操作后的每种高资源语言对作为对应的父模型的训练集，将操作后的低资源语言对作为孩子模型的训练集，根据预设顺序对各父模型按照迁移学习的方法进行训练，以使得上一个父模型的源语言的词向量和目标语言的词向量迁移至下一个父模型；根据最后一个训练好的父模型训练所述孩子模型，获得用于翻译低资源语言的神经网络机器翻译模型；使得在低资源的语言对上训练出来的孩子模型的性能得到明显提升。

然而，在现有的德文翻译系统中，存在机器翻译中词典未收录的德文变形词、缩写词、复合词的不识别、不翻译的问题。因此，为了解决上述问题，急需发明一种新的面向神经网络机器翻译的德文词法分析方法及系统。

发明内容

本发明的目的在于：提供一种面向神经网络机器翻译的德文词法分析方法及系统，用于解决机器翻译中词典未收录的德文变形词、缩写词、复合词的不识别、不翻译的问题。

本发明提供了下述方案：

一种面向神经网络机器翻译的德文词法分析方法，包括以下步骤：

将德语单词一一进行词典查询；

将不规则变形的变形词进行还原；

将缩写词还原成单词原形；

将规则变形的变形词进行还原；

将复合词拆分为独立的构成词组合，得到处理后德语单词，输入到神经网络中进行深度学习。

优选地，所述的面向神经网络机器翻译的德文词法分析方法还包括：

将还原成功的变形词、缩写词、复合词的词法分析信息进行标注；

将标注的变形词、缩写词、复合词的词法分析信息进行神经网络机器翻译的深度学习。

优选地，将德语单词一一进行词典查询的步骤，具体为：

在接收德语文本之后，对其中每一个德语单词进行词典查询，若反馈结果为“true”，则直接输出原形词；若反馈结果为“false”，则执行下一步骤。

优选地，将不规则变形的变形词进行还原的步骤，具体为：

查询特殊词汇表，若反馈结果为“true”，则直接根据特殊词汇表将该变形词还原为原形，若反馈结果为“false”，则执行下一步骤。