[发明专利]一种稀疏名词对齐方法及系统

权利要求书

1.一种稀疏名词对齐方法，其特征在于，包括：

根据待处理语料的语系，选取对应的分割方式，对所述待处理语料进行分割，获取每一分割词语；

根据每一分割词语，按照多空间词嵌入的方法，获取若干空间词汇向量；

将目标词向量和每一词汇向量输入到稀疏词语对齐模型的输入层和对齐层中，获取目标词向量与每一预测词汇向量之间的对齐关系矩阵，并将所述对齐关系矩阵输入到所述稀疏词语对齐模型的softmax函数中，获取所述目标词向量与每一预测词汇向量的对齐概率向量，所述稀疏词语对齐模型是以若干词汇向量样本进行训练得到，预测词汇向量根据所述词汇向量得到；

根据所述对齐概率向量获取所述目标词汇对齐的译文中词汇，所述目标词汇为所述待处理语料中的一个分割词语，所述目标词向量为所述目标词汇对应的向量。

2.根据权利要求1所述的稀疏名词对齐方法，其特征在于，所述将目标词向量和每一词汇向量输入到稀疏词语对齐模型的输入层和对齐层中，获取目标词向量与每一预测词汇向量的对齐关系矩阵，具体包括：

将每一词汇向量和所述目标词向量输入到所述稀疏词语对齐模型的输入层中，获取中间结果；

将所述中间结果作为所述稀疏词语对齐模型的对齐层，获取所述目标词向量和每一预测词汇向量之间的对齐关系矩阵。

3.根据权利要求1所述的稀疏名词对齐方法，其特征在于，所述稀疏词语对齐模型是以若干词汇向量样本进行训练得到，具体包括：

将每一空间词汇向量样本输入到所述稀疏词语对齐模型的输入层，获取每一预测词汇向量；

计算每一预测词汇向量和参考词汇向量之间的交叉熵损失；

通过反向传播更新所述稀疏词语对齐模型的参数，重复上述过程，进行梯度下降找到局部最优解，获取训练后的稀疏词语对齐模型。

4.根据权利要求3所述的稀疏名词对齐方法，其特征在于，所述输入层包括第一输入单元和第二输入单元，其中：

所述第一输入单元由N个GRU神经网络组成，每一GRU神经网络按照预设方向依次连接，N表示所述待处理语料中所有分割词语的数量；

所述第二输入单元由N个GRU神经网络组成，每一GRU神经网络按照与所述预设方向相反的方向依次连接；

所述第一输入单元中每一GRU神经网络与所述第二输入单元中每一GRU神经网络一一对应连接。

5.根据权利要求4所述的稀疏名词对齐方法，其特征在于，所述对齐层由N个GRU神经网络组成，每一GRU神经网络按照所述预设方向依次连接；

所述第二输入单元中每一GRU神经网络与所述对齐层中每一GRU神经网络一一对应连接。

6.根据权利要求5所述的稀疏名词对齐方法，其特征在于，所述稀疏词语对齐模型还包括输出层，所述输出层由M个GRU神经网络组成，每一GRU神经网络按照与所述预设方向依次连接，M表示所述预设目标语言中所有分割词语的数量；

若M大于N，则所述对齐层中的前N个GRU神经网络与所述对齐层中的每一GRU神经网络一一对应连接；

若M小于N，则所述对齐层的每一GRU神经网络与所述对齐层中前M个GRU神经网络一一对应连接。

7.根据权利要求1所述的稀疏名词对齐方法，其特征在于，所述根据待处理语料的语系对应的分割方式，对所述待处理语料进行分割，获取每一分割词语，具体包括：

若所述待处理语料为拉丁语系，则对所述待处理语料按空格进行分割，获取每一分割词语；

若所述待处理语料为非拉丁语系，则对所述待处理语料按字符进行分割，获取每一分割词语。