[发明专利]翻译语料生成方法、装置、计算机设备及存储介质

说明书

本申请公开了一种翻译语料生成方法、装置、计算机设备及存储介质，属于计算机技术领域。方法包括：获取待翻译语种的第一内容文本；确定与第一内容文本的内容相似度大于第一目标阈值的第二内容文本；对第一内容文本和第二内容文本进行分句处理，得到待翻译语种句子和目标语种句子；筛选内容相似度大于第二目标阈值的待翻译语种句子和目标语种句子，得到语料句子对；响应于对语料句子对的编辑事件，生成待翻译语种与目标语种之间的翻译语料。本申请直接向用户提供不同语种且内容相似度较高的待翻译语种句子和目标语种句子，使得用户只需对两者进行比对，并进行微调即可得到不同语种之间的翻译语料，提高了翻译语料生成的效率。

技术领域

本申请涉及计算机技术领域，尤其涉及一种翻译语料生成方法、装置、计算机设备及存储介质。

背景技术

随着民汉交流更加频繁，所交流的内容也会更加广泛，然而由于不同民族的语种不同，民族之间的交流存在障碍，方便、快捷、准确的进行不同语种的翻译成为不同民族的共同需求。采用深度学习方法训练得到翻译模型，使用该翻译模型进行不同语种的翻译是一种广泛使用的技术手段，而翻译模型的训练需要大量的翻译语料，如何为模型提供翻译语料成为值得关注的问题。

相关技术中，对于偏冷门的语种，依然需要专业领域的人士对每一句话或每一篇文章进行翻译，并且需要参考翻译字典或第三方翻译工具来辅助翻译，以维语和汉语之间的翻译为例，通过提供需翻译的维语文本，由维语专业领域的人士手动输入对应的汉语内容，从而得到维语文本对应的汉语文本，然后将维语文本和对应的汉语文本提供给模型作为翻译语料。

上述技术在翻译语料的生成过程中，需要人工参考翻译字典或第三方翻译工具来进行不同语种的翻译，且手动输入全部的翻译内容，翻译语料生成的效率低。

发明内容

本申请实施例提供了一种翻译语料生成方法、装置、计算机设备及存储介质，可以提高翻译语料生成的效率。所述技术方案如下：

一方面，提供了一种翻译语料生成方法，所述方法包括：

获取待翻译语种的第一内容文本；

确定与所述第一内容文本的内容相似度大于第一目标阈值的第二内容文本，所述第二内容文本为目标语种，所述待翻译语种与所述目标语种为不同语种；

对所述第一内容文本和所述第二内容文本进行分句处理，得到待翻译语种句子和目标语种句子；

从所述待翻译语种句子和所述目标语种句子中，筛选内容相似度大于第二目标阈值的待翻译语种句子和目标语种句子，得到语料句子对；

响应于对所述语料句子对的编辑事件，生成所述待翻译语种与所述目标语种之间的翻译语料。

在一种可能实现方式中，所述获取所述任一待选句子对中的待翻译语种句子和目标语种句子的内容相似度，包括：

获取所述任一待选句子对中的待翻译语种句子的机器翻译结果，所述机器翻译结果为所述目标语种；

根据所述机器翻译结果和所述待选句子对中的目标语种句子，获取所述任一待选句子对中的待翻译语种句子和目标语种句子的内容相似度。

在一种可能实现方式中，所述从所述待翻译语种句子和所述目标语种句子中，筛选内容相似度大于第二目标阈值的待翻译语种句子和目标语种句子，得到语料句子对，包括：

从所述待翻译语种句子和所述目标语种句子中，筛选内容相似度大于第二目标阈值的待翻译语种句子和目标语种句子，得到候选句子对；

从所述候选句子对中确定内容相似度最大的句子对，将所述内容相似度最大的句子对作为所述语料句子对。

在一种可能实现方式中，所述响应于对所述语料句子对的编辑事件，生成所述待翻译语种与所述目标语种之间的翻译语料之前，所述方法还包括：