[发明专利]一种基于光学向量矩阵的线性机器翻译方法及系统

说明书

本发明提供一种基于光学向量矩阵的线性机器翻译方法及系统。该方法包括：获取待翻译的第一语言单词图片，对所述第一语言单词图片进行识别，得到所述第一语言单词图片中单词短语对应的图像散斑；基于所述图像散斑进行词向量编码，得到单词短语对应的词向量；基于预设的光学平台分别加载所述词向量和相应的线性翻译矩阵，以实现基于所述线性翻译矩阵对所述词向量进行优化翻译，得到第二语言对应的词向量；基于所述第二语言对应的词向量在词库中进行匹配检索，获得目标词向量；对所述目标词向量解码得到翻译后的第二语言单词图片。本发明提供的方法，能够节省翻译矩阵的存储空间，提高对单词手写体图片的识别及翻译精度，有效提升翻译速度和效率。

技术领域

本发明涉及人工智能技术领域，具体涉及一种基于光学向量矩阵的线性机器翻译方法及系统。另外，还涉及一种电子设备及处理器可读存储介质。

背景技术

机器翻译是自然语言处理的重要组成部分。机器翻译系统需要精确地提取语料的特征，以使得机器翻译结果接近自然语言的翻译结果。目前，传统的机器翻译方案主要分为基于时序神经网络的非线性方法和基于概率统计结果的线性方法，该两种方法的共同点都是需要基于语料的上下文结构，在海量的语料库中获取待翻译语料的特征信息，并寻找其在另一种语言中寻找对应的特征。其中，机器翻译计算的过程涉及大量的高维矩阵运算，同时需要消耗大量的计算时间和存储空间；并且传统翻译的对象是基于词向量，获得另一语言的词向量后还需要在词典中检索到对应的单词，对于基于图片的翻译方法需要标准的字体才能识别出图片对应的单词。然而，该种传统方式对于手写体图像的单词翻译效果较差，导致应用的局限性较高。因此，如何设计一种高效、精确的单词手写体图片的识别及翻译方案具有非常重要的现实意义。

发明内容

为此，本发明提供一种基于光学向量矩阵的线性机器翻译方法及系统，以解决现有技术中存在的机器翻译方案局限性较高，导致机器翻译精确度和效果较差的缺陷。

第一方面，本发明提供一种基于光学向量矩阵的线性机器翻译方法，包括：获取待翻译的第一语言单词图片，对所述第一语言单词图片进行识别，得到所述第一语言单词图片中单词短语对应的图像散斑；

基于所述图像散斑进行词向量编码，得到单词短语对应的词向量；

基于预设的光学平台分别加载所述词向量和相应的线性翻译矩阵，以实现基于所述线性翻译矩阵对所述词向量进行优化翻译，得到第二语言对应的词向量；

基于所述第二语言对应的词向量在词库中进行匹配检索，获得目标词向量；对所述目标词向量解码得到翻译后的第二语言单词图片。

进一步的，基于所述第二语言对应的词向量在词库中进行匹配检索，获得目标词向量，具体包括：

基于Softmax逻辑回归模型将所述第二语言对应的词向量和所述词库中单词对应的词向量进行余弦距离对比，检索出与所述第二语言对应的词向量之间余弦距离最近的目标词向量。

进一步的，所述基于预设的光学平台分别加载所述词向量和相应的线性翻译矩阵，以实现基于所述线性翻译矩阵对所述词向量进行优化翻译，得到第二语言对应的词向量，具体包括：

基于所述光学平台中的振幅型空间光调制器加载所述词向量，并基于所述光学平台中的纯相位型空间光调制器加载相应的线性翻译矩阵，将所述词向量和所述线性翻译矩阵相干叠加之后利用柱面透镜逐列叠加，得到第二语言对应的词向量。

进一步的，基于所述图像散斑进行词向量编码，得到单词短语对应的词向量，具体包括：

将所述图像散斑输入到Skip-Gram模型中进行词向量编码，获得的所述单词短语对应的包含语义信息的词向量；其中，所述Skip-Gram模型基于统计概率的线性词向量编码模型。

进一步的，对所述第一语言单词图片进行识别，得到所述第一语言单词图片中单词短语对应的图像散斑，具体包括：