[发明专利]基于深度语义关联的译文预测方法在审
| 申请号： | 201710875430.1 | 申请日： | 2017-09-25 |
| 公开（公告）号： | CN107766337A | 公开（公告）日： | 2018-03-06 |
| 发明（设计）人： | 叶娜 | 申请（专利权）人： | 沈阳航空航天大学 |
| 主分类号： | G06F17/28 | 分类号： | G06F17/28 |
| 代理公司： | 沈阳优普达知识产权代理事务所(特殊普通合伙)21234 | 代理人： | 李晓光 |
| 地址： | 110136 辽宁省沈*** | 国省代码： | 辽宁;21 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于深度语义关联的译文预测方法，包括以下步骤1)生成词向量利用Wordto Vec工具，使用Skip‑gram模型在训练语料上进行训练，把生成的词向量加载到模型中，以备使用；2)语义相关度计算利用词向量，对用户指定的前缀与待扩展的短语进行语义相关度计算；3)将语义相关度作为特征之一，估计后缀的翻译概率；4)采用多栈解码算法搜索最优后缀对栈中的翻译假设进行排序，输出最优的N个译文。本发明通过挖掘前缀中隐含的深层约束信息来增强交互预测式机器翻译系统中候选路径筛选和翻译概率估计的准确性，利用深度学习方法，将词语表示为词向量，更有效地描述自然语言的语义信息，评价前缀与后缀之间的语义关联度，提高人机交互的效率。 | ||
| 搜索关键词： | 基于 深度 语义 关联 译文 预测 方法 | ||
【主权项】：
一种基于深度语义关联的译文预测方法，其特征在于包括以下步骤：1)生成词向量：利用WordtoVec工具，使用Skip‑gram模型在训练语料上进行训练，把生成的词向量加载到模型中，以备使用；2)语义相关度计算：利用词向量，对用户指定的前缀与待扩展的短语进行语义相关度计算；3)将语义相关度作为特征之一，估计后缀的翻译概率；4)采用多栈解码算法搜索最优后缀：对栈中的翻译假设进行排序，输出最优的N个译文。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于沈阳航空航天大学，未经沈阳航空航天大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710875430.1/，转载请声明来源钻瓜专利网。
- 上一篇：遥控器
- 下一篇：车载GPS追踪器（T388G）
