[发明专利]多语言翻译模型的生成方法、翻译方法、终端及介质

说明书

本发明实施例提供了一种多语言翻译模型的生成方法、翻译方法、终端及存储介质，通过获取多个第一单语语句，对预设自回归语言模型进行训练，生成预训练语言模型；所述预设自回归语言模型由解码器组成；获取多个双语语句对，并将所述双语语句对中互译的两个语句拼接，生成双语训练样本；基于所述双语训练样本对所述预训练语言模型进行训练，生成多语言翻译模型；所述多语言翻译模型用于将给定的源语言翻译出目标语句。通过上述方案，利用稀缺语言资源生成高翻译质量的多语言翻译模型，实现高质量的多语言翻译。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种多语言翻译模型的 生成方法、翻译方法、终端及计算机可读存储介质。

背景技术

机器翻译又称为自动翻译，是利用计算机将一种自然语言(源语 言)转换为另一种自然语言(目标语言)的技术。神经网络翻译模型 是机器翻译的一种实现形式，其依赖于含有大量数据的语料库来进行 翻译模型的训练。但是机器翻译领域中翻译模型所需的训练语句属于 稀缺资源，不论是单语语料还是双语语料都十分的匮乏。

目前为了通过稀缺的训练语句实现多语言之间的翻译，通常采用 两种方式：第一种方式是通过多个不同的翻译模型(例如中-日、中- 英、中-俄)，可以选定桥接语言实现从源语言到多种目标语言的翻 译(例如英-中-俄、英-中-日)；第二种方式是基于传统的神经网络 翻译模型，强行将所有的双语语料进行共同训练，最终得到一个涉及 多语言(例如中文、英文、日文、俄文)的机器翻译模型。

通过以上两种处理方式虽然在一定程度上能够实现多语言翻译， 但是由于该两种处理方式本身存在的缺陷，导致翻译质量较差。对于 第一种方式，一方面多个不同的翻译模型需要大量的双语语料，而目 前的双语语料资源稀缺导致训练的翻译模型的翻译质量不能得到保 证，另一方面在采用桥接语言时至少需要进行两次翻译，容易带来错 误叠加，并且进行多次翻译也更加耗时。对于第二种方式，将多语言 语料一起进行训练，当不同语言之间语言特点或构成存在较大差别 时，传统的多语言翻译框架将无法解决由语言特点不同所带来的翻译 知识冲突问题，兼容性得不到保障，训练得到的多语言翻译模型的翻译质量差。

基于此，如何提供一种通过稀缺训练语言实现高翻译质量的多语 言翻译成为亟需解决的技术问题。

发明内容

本发明的主要目的在于提供多语言翻译模型的生成方法、翻译方 法、终端及计算机可读存储介质，旨在解决现有技术中无法通过稀缺 的语言资源实现高翻译质量的多语言翻译模型的问题。

为实现上述目的，本发明实施例提供了一种多语言翻译模型的生 成方法，所述多语言翻译模型的生成方法包括：

获取多个第一单语语句，对预设自回归语言模型进行训练，生成 预训练语言模型；所述预设自回归语言模型由解码器组成；

获取多个双语语句对，并将所述双语语句对中互译的两个语句拼 接，生成双语训练样本；

基于所述双语训练样本对所述预训练语言模型进行训练，生成多 语言翻译模型；所述多语言翻译模型用于将给定的源语言翻译出目标 语句。

可选地，所述多个第一单语语句由多种语言的单语语句组成；所 述多个双语语句对由至少三种互译语种不同的双语语句对组成。

可选地，所述第一单语语句和所述双语语句对中的源语句、目标 语句中的至少一种语句采用的语言相同。

可选地，获取多个双语语句对，并将所述双语语句对中互译的两 个语句拼接生成双语训练样本，具体包括：

确定各双语语句对中源语句的语言标识、目标语句的语言标识， 以及由所述源语句翻译至目标语句的翻译标识；

按照预设顺序，对所述双语语句对中源语句的语言标识、源语句、 翻译标识、目标语句的语言标识以及目标语句进行拼接，生成双语训 练样本。