[发明专利]基于周期函数的机器翻译输出修正方法及系统

权利要求书

1.一种基于周期函数的机器翻译输出修正方法，用于改善机器翻译结果，其特征在于，包含如下内容：

获取源语言和目标语言两者对应的平行语料，通过对平行语料中词汇进行编码得到字典表和对应的索引值；

分别对源语言语句和源语言语句位置信息进行编码，将编码结果作为编码器神经网络输入，通过编码器神经网络获取信息编码，并利用周期函数对信息编码特征进行提取，将提取信息作为编码器神经网络最终输出；

分别对目标语言语句和目标语言语句位置信息进行编码，将编码结果和编码器神经网络最终输出作为解码器神经网络输入，利用周期函数对解码器神经网络输出特征进行提取，将提取的输出信息作为解码器神经网络最终输出；

将解码器神经网络最终输出经过特征映射获取字典表中索引编号，最终输出为索引编号对应词汇。

2.根据权利要求1所述的基于周期函数的机器翻译输出修正方法，其特征在于，利用词汇对语句进行拆分，提取关键字并形成公共编码表；依据公共编码表对平行语料中的词汇进行编码。

3.根据权利要求2所述的基于周期函数的机器翻译输出修正方法，其特征在于，关键字至少包含：公共词、词根和前后缀。

4.根据权利要求1所述的基于周期函数的机器翻译输出修正方法，其特征在于，源语言语句编码结果表示为：其中，X为输入的源语言语句，为源语言语句词嵌入编码的表示，W^e和B^e分别为计算词嵌入编码的权重矩阵和偏差表示。

5.根据权利要求4所述的基于周期函数的机器翻译输出修正方法，其特征在于，源语言语句位置信息编码结果表示为：其中，X为输入的源语言语句，为源语言语句位置信息编码的表示，和分别为计算源语言语句的位置信息编码的权重矩阵和偏差表示。

6.根据权利要求5所述的基于周期函数的机器翻译输出修正方法，其特征在于，编码器神经网络采用多层编码器网络结构，该多层编码器网络结构输出表示为：其中，E^encoder为多层编码器网络结构输出表示，W^encoder和B^encoder分别为计算编码器神经网络的权重矩阵和偏差表示。

7.根据权利要求6所述的基于周期函数的机器翻译输出修正方法，其特征在于，利用周期函数进行特征提取过程表示为：其中，为利用周期函数进行特征提取的输出表示，α为调参因子，f_relu为线性激活函数，f_sin为周期函数。

8.根据权利要求1所述的基于周期函数的机器翻译输出修正方法，其特征在于，解码器神经网络采用多层解码器网络结构，该多层解码器网络结构输出表示为：其中，为目标语言语句的词嵌入表示，为目标语言语句位置信息编码表示，为编码器神经网络最终输出，W^decoder、B^decoder分别为计算解码器神经网络的权重矩阵和偏差表示。

9.根据权利要求8所述的基于周期函数的机器翻译输出修正方法，其特征在于，特征映射表示为：为最终输出的目标语言语句序列，f_softmax为映射函数，E^decoder为解码器神经网络输出。

10.一种基于周期函数的机器翻译输出修正系统，用于改善机器翻译结果，其特征在于，包含：数据收集模块、源语言编码模块、目标语言编码模块和索引映射模块，其中，

数据收集模块，用于获取源语言和目标语言两者对应的平行语料，通过对平行语料中词汇进行编码得到字典表和对应的索引值；

源语言编码模块，用于分别对源语言语句和源语言语句位置信息进行编码，将编码结果作为编码器神经网络输入，通过编码器神经网络获取信息编码，并利用周期函数对信息编码特征进行提取，将提取信息作为编码器神经网络最终输出；

目标语言编码模块，用于分别对目标语言语句和目标语言语句位置信息进行编码，将编码结果和编码器神经网络最终输出作为解码器神经网络输入，利用周期函数对解码器神经网络输出特征进行提取，将提取的输出信息作为解码器神经网络最终输出；

索引映射模块，用于将解码器神经网络最终输出经过特征映射获取字典表中索引编号，最终输出为索引编号对应词汇。