[发明专利]一种多种语言混合文件的翻译方法及装置

说明书

本发明提供一种多种语言混合文件的翻译方法及装置，包括：对待翻译文件的文件类型进行解析，得到文件类型；调用对应的文件解析模块，对待翻译文件进行文件解析，将待翻译文件解析成待翻译的文本；待翻译的文本包括文本内容信息以及文本属性信息；识别每个句子的类型，并采用对应翻译处理方式。输出翻译后文件。优点为：在对待翻译文件进行翻译时，仅对待翻译文件中文本信息进行翻译，对于图和表格中的非文本内容不进行解析，最后，根据位置和格式信息，将译文直接回填到待翻译文件的对应位置，既加快了翻译速度，也保证了译文和原文格式的统一性。本发明提供的一种多种语言混合文件的翻译方法及装置，实现了对多种语言混合文件的快速高效翻译。

技术领域

本发明属于翻译技术领域，具体涉及一种多种语言混合文件的翻译方法及装置。

背景技术

机器翻译是自然语言处理的翻译范围，主要研究如何将一种语言自动翻译为另外一种语言，解决人们之间的语言障碍问题。经过几十年的发展，机器翻译性能逐步提升，翻译效果显著提高。

文件翻译是机器翻译的重要应用场景，用于将一种语言的输入文件，自动翻译为另一种语言。

然而，现有的文件翻译方法，只能处理单一语种的翻译任务，即输入文件中只包含一种语言，无法处理输入文件中包括多种语种的翻译任务。

发明内容

针对现有技术存在的缺陷，本发明提供一种多种语言混合文件的翻译方法及装置，可有效解决上述问题。

本发明采用的技术方案如下：

本发明提供一种多种语言混合文件的翻译方法，包括以下步骤：

步骤1，接收包含多种语言的待翻译文件；

步骤2，预存储每种文件类型与文件解析模块的对应关系表；

对所述待翻译文件的文件类型进行解析，得到待翻译文件的文件类型；然后，根据待翻译文件的文件类型，查找所述对应关系表，得到对应的文件解析模块；

步骤3，步骤2得到的所述文件解析模块，对所述待翻译文件进行文件解析，将所述待翻译文件解析成待翻译的文本；

其中，所述待翻译的文本包括文本内容信息以及文本属性信息；所述文本属性信息包括文本中每个句子在文本中的位置信息、文本中每个句子的格式信息、文本中每个句子的类型信息；其中，所述每个句子的类型信息包括：普通类型信息、第一特定类型信息以及第二特定类型信息；所述第一特定类型信息包括公式类型、科学单位类型和程序代码类型；所述第二特定类型信息包括时间类型、日期类型、金额类型、人名类型和术语类型；

步骤4，将所述文本内容信息以段落为单位进行切分，得到段落级的内容信息；然后，对于段落级的内容信息中的每个段落，再以句子为单位进行切分，得到句子级的内容信息；

对于句子级的内容信息中的每个句子，调用预训练完成的文本翻译类型分类器，识别出每个句子的类型信息；

如果句子的类型为第一特定类型信息，则对该句子不进行翻译，直接按照文本属性信息，调用译文回填模块，将句子直接回填到待翻译文件中；

如果句子的类型为第二特定类型信息，首先采用语种检测模块检测其语种；然后，根据检测到的句子语种，调用对应的规则翻译模块，将句子翻译为目标语言句子，再按照文本属性信息，调用译文回填模块，将目标语言句子回填到待翻译文件中；

如果句子的类型为普通类型信息，首先采用语种检测模块检测其语种；然后，根据检测到的句子语种，调用对应的普通翻译模块，将句子翻译为目标语言句子，再按照文本属性信息，调用译文回填模块，将目标语言句子回填到待翻译文件中；