[发明专利]基于词类别的神经网络机器翻译方法及系统、训练方法

说明书

本发明涉及机器翻译技术领域，尤其涉及一种基于词类别的神经网络机器翻译方法、训练方法及翻译系统；所述翻译方法包括以下步骤：识别待译文本中的基本类别词；将基本类别词替换为类别代号，同时保存基本类别词和类别代号之间的对应关系；对替换为类别代号的待译文本进行机器翻译，得到中间翻译结果；将基本类别词进行规范化或翻译为目标语言；将中间翻译结果中的类别代号还原为规范化或翻译后的基本类别词，得到最终翻译结果。本发明所公开的基于词类别的神经网络机器翻译方法、训练方法及翻译系统，通过将待译文本中的相同类别词替换为相同类别代号再进行翻译，降低了待译文本的数据维度，提高了神经网络机器翻译的效率和准确性。

技术领域

本发明涉及机器翻译技术领域，尤其涉及一种基于词类别的神经网络机器翻译方法、训练方法及翻译系统。

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，现有技术下，机器学习模型训练语料的规模成为影响翻译效果的重要因素。由于基本类别词为开放语，训练语料难以覆盖其广度和深度，因此存在严重的数据稀疏问题。而基本类别词在语言中的普遍使用导致了目前的神经网络机器翻译在翻译各类文本时容易遇到陌生词，从而影响了整体的翻译质量。

因此，为了解决上述问题，急需发明一种新的基于词类别的神经网络机器翻译方法、训练方法及翻译系统。

发明内容

本发明的目的在于：提供一种基于词类别的神经网络机器翻译方法、训练方法及翻译系统，通过将待译文本中的相同类别词替换为相同类别代号再进行翻译，降低了待译文本的数据维度，提高了神经网络机器翻译的效率和准确性。

本发明提供了下述方案：

一种基于词类别的神经网络机器翻译方法，包括以下步骤：

S1、识别待译文本中的基本类别词；

S2、将基本类别词替换为类别代号，同时保存基本类别词和类别代号之间的对应关系；

S3、对替换为类别代号的待译文本进行机器翻译，得到中间翻译结果；

S4、将基本类别词进行规范化或翻译为目标语言；

S5、将中间翻译结果中的类别代号还原为规范化或翻译后的基本类别词，得到最终翻译结果。

优选地，基本类别词包括时间、地点、人名、机构名和数字，通过各个类别的特征词和特征格式对基本类别词进行标注和提取。

优选地，基本类别词替换为类别代号的步骤，具体为：

时间替换为“#TIME#”，地点替换为“#SITE#”，人名替换为“#NAME#”，机构名替换为“#ORG#”，数字替换为“#NUM#”。