[发明专利]非自回归神经机器翻译方法、装置、计算机设备和介质

权利要求书

1.一种非自回归神经机器翻译方法，其特征在于，包括：

获取源语言的源句子、以及所述源句子中词对应的词向量；

对所述词对应的词向量进行编码，得到关注上下文信息的编码向量；

根据所述源句子确定待翻译句子，所述待翻译句子包括待翻译词；

根据所述待翻译词对应的词向量、以及所述编码向量，将待翻译句子中的待翻译词按照目标语言的结构进行重排序，得到伪翻译句子，其中，将待翻译句子中的待翻译词按照目标语言的结构进行重排序由非自回归神经机器翻译的解码过程实现；

根据所述伪翻译句子中待翻译词对应的词向量、以及所述编码向量，将所述伪翻译句子翻译成所述目标语言的目标句子；

输出所述目标句子。

2.如权利要求1所述的非自回归神经机器翻译方法，其特征在于，根据所述待翻译词对应的词向量、以及所述编码向量，将待翻译句子中的待翻译词按照目标语言的结构进行重排序，得到伪翻译句子，包括：

根据所述待翻译词对应的词向量、以及所述编码向量，预测源句子中各个词在待生成伪翻译句子中词位置上的概率；

根据所述概率从所述源句子的词中，确定所述词位置上的伪翻译词，得到伪翻译句子。

3.如权利要求2所述的非自回归神经机器翻译方法，其特征在于，根据所述待翻译词对应的词向量、以及所述编码向量，预测源句子中各个词在待生成伪翻译句子中词位置上的概率，包括：

根据所述待翻译词对应的词向量、以及所述编码向量，计算所述待翻译词与所述源句子中词之间的相关性信息；

根据所述相关性信息对所述源句子中所有词对应的编码向量进行融合，得到第一融合后向量；

将所述第一融合后向量与所述待翻译词的词向量进行融合，得到所述待翻译词的特征向量；

根据所述待翻译词的特征向量，预测源句子中各个词在待生成伪翻译句子中目标位置上的概率。

4.如权利要求2所述的非自回归神经机器翻译方法，其特征在于，根据所述待翻译词对应的词向量、以及所述编码向量，预测源句子中各个词在待生成伪翻译句子中词位置上的概率，包括：

确定待生成伪翻译句子中当前需要预测的当前词位置；

根据历史伪翻译词对应的词向量以及所述编码向量，预测源句子中各个词在待生成伪翻译句子中当前词位置上的概率，其中，历史伪翻译词为历史时间预测的历史词位置上的伪翻译词。

5.如权利要求4所述的非自回归神经机器翻译方法，其特征在于，根据历史伪翻译词对应的词向量以及所述编码向量，预测源句子中各个词在待生成伪翻译句子中当前词位置上的概率，包括：

根据所述历史伪翻译词对应的词向量、以及所述编码向量，计算当前待翻译词与所述源句子中词之间的相关性信息；

根据所述相关性信息对所述源句子中所有词对应的编码向量进行融合，得到第二融合后向量；

将所述第二融合后向量与当待翻译词的词向量进行融合，得到当前待翻译词的特征向量；

根据所述当前待翻译词的特征向量，预测源句子中各个词在待生成伪翻译句子中当前词位置上的概率。

6.如权利要求2所述的非自回归神经机器翻译方法，其特征在于，根据所述伪翻译句子中待翻译词对应的词向量、以及所述编码向量，将所述伪翻译句子翻译成所述目标语言的目标句子，包括：

基于伪翻译句子中待翻译词对应的词向量，构建所述待翻译词对应的目标词向量；

根据所述待翻译词对应的目标词向量、以及编码向量，将所述伪翻译句子翻译成所述目标语言的目标句子。

7.如权利要求6所述的非自回归神经机器翻译方法，其特征在于，基于伪翻译句子中待翻译词对应的词向量，构建所述待翻译词对应的目标词向量，包括：

获取所述伪翻译句子中待翻译词的概率分布，所述概率分布包括所述源句子中各个词在待生成伪翻译句子中词位置上的概率；

根据所述概率分布对所述源句子中各个词的词向量进行融合，得到待翻译词的目标词向量。