[发明专利]一种基于源语言复述资源的机器翻译方法及装置

权利要求书

1.一种基于源语言复述资源的机器翻译方法，其特征在于，所述方法包括：

a.获取源语言句子；

b.选取所述源语言句子的难翻译片段；

c.根据源语言的复述资源对所述难翻译片段进行扩展，以获取待翻译候选集合；

d.对所述待翻译候选集合进行翻译，以得到翻译结果。

2.根据权利要求1所述的方法，其特征在于，所述步骤b进一步包括：

b1.对所述源语言句子进行分词处理，以获得分词结果；

b2.通过控制片段长度将所述源语言句子划分为不同的片段集合，以得到全部的源语言句子片段，所述片段长度表示每一所述源语言句子片段可以包含的所述分词结果的词语数量；

b3.对所述全部的源语言句子片段进行识别，确定其中的难翻译片段。

3.根据权利要求2所述的方法，其特征在于，在所述步骤b3中，利用机器学习得到的分类器进行识别。

4.根据权利要求3所述的方法，其特征在于，所述分类器采用的特征进一步包括所述源语言句子片段中平均未登录词的个数。

5.根据权利要求3所述的方法，其特征在于，所述分类器采用的特征进一步包括所述源语言句子片段中平均包含的介词短语的个数。

6.根据权利要求3所述的方法，其特征在于，所述分类器采用的特征进一步包括所述源语言句子片段相对于前后片段被调序的概率。

7.根据权利要求3所述的方法，其特征在于，所述分类器采用的特征进一步包括所述源语言句子片段在语言模型中的概率。

8.根据权利要求1所述的方法，其特征在于，所述复述资源进一步包括词、短语或句子。

9.根据权利要求1所述的方法，其特征在于，所述方法进一步包括：

e.对所述翻译结果进行评分，以得到最佳的N个翻译结果。

10.根据权利要求9所述的方法，其特征在于，所述步骤e采用对数线性模型对所述翻译结果进行评分。

11.根据权利要求10所述的方法，其特征在于，建立所述对数线性模型时使用的一个特征为所述复述资源及其权重。

12.一种基于源语言复述资源的机器翻译装置，其特征在于，所述装置包括：

接收句子单元，用于获取源语言句子；

选择片段单元，用于选取所述源语言句子的难翻译片段；

扩展片段单元，用于根据源语言的复述资源对所述难翻译片段进行扩展，以获取待翻译候选集合；

翻译单元，用于对所述待翻译候选集合进行翻译，以得到翻译结果。

13.根据权利要求12所述的装置，其特征在于，所述选择片段单元进一步包括：

分词单元，用于对所述源语言句子进行分词处理，以获得分词结果；

划分片段单元，用于通过控制片段长度将所述源语言句子划分为不同的片段集合，以得到全部的源语言句子片段，所述片段长度表示每一所述源语言句子片段可以包含的所述分词结果的词语数量；

识别单元，用于对所述全部的源语言句子片段进行识别，确定其中的难翻译片段。

14.根据权利要求13所述的装置，其特征在于，所述识别单元利用机器学习得到的分类器进行识别。

15.根据权利要求14所述的装置，其特征在于，所述分类器采用的特征进一步包括所述源语言句子片段中平均未登录词的个数。

16.根据权利要求14所述的装置，其特征在于，所述分类器采用的特征进一步包括所述源语言句子片段中平均包含的介词短语的个数。

17.根据权利要求14所述的装置，其特征在于，所述分类器采用的特征进一步包括所述源语言句子片段相对于前后片段被调序的概率。

18.根据权利要求14所述的装置，其特征在于，所述分类器采用的特征进一步包括所述源语言句子片段在语言模型中的概率。

19.根据权利要求12所述的装置，其特征在于，所述复述资源进一步包括词、短语或句子。

20.根据权利要求12所述的装置，其特征在于，所述装置进一步包括评分单元，用于对所述翻译结果进行评分，以得到最佳的N个翻译结果。