[发明专利]短句切分装置、机器翻译系统及对应切分方法和翻译方法

权利要求书

1.一种短句切分的装置，包括顺序相连的短句粗切分单元、短句句对齐单元、最小对齐块合并单元和短句切分训练单元；

其中，短句粗切分单元，用于将双语语料中的每个句子单独以标点进行切分，形成一对一的双语短句序列；

其中，短句句对齐单元，用于将从短句粗切分单元获得的一对一的双语短句序列进行句对齐，形成具有对齐关系的短句句对齐语料；

其中，最小对齐块合并单元，用于将短句句对齐单元处理过的短句句对齐语料进行最小对齐块合并，成为一对一的对齐语料；

其中，短句切分训练单元，用于利用一对一短句句对齐语料来训练短句切分模型，使用训练后的短句切分模型对输入的整句进行短句切分。

2.根据权利要求1所述的装置，其中，所述最小对齐块合并单元处理过的、具有最小对齐块的对齐语料中，第一语言短句块和其所对齐的第二语言短句块都被包含，反之亦然，且两者都包含最少的短句。

3.根据权利要求2所述的装置，其中，所述最小对齐块合并单元在合并过程中只保留有对齐关系的短句；所述最小对齐块合并单元将相互对齐的双语短句子序列合并时，在保证满足对齐关系的情况下两端短句子序列包含的短句数均最少。

4.根据权利要求2所述的装置，其中，所述最小对齐块合并单元还用于将相邻的短句对齐句对进行组合扩展，以形成粒度更大的句对齐语料。

5.一种机器翻译系统，包括短句切分模块、翻译模块、译文合并模块、模型生成模块和短句切分模型训练模块；

其中，短句切分模块，用于基于短句切分模型训练模块得到的短句切分模型，对待翻译文本句子进行短句切分，生成短句序列；

其中，模型生成模块，用于基于短句切分模型训练模块得到的双语平行短句对齐语料来训练生成翻译模型；

其中，翻译模块，用于利用模型生成模块生成的翻译模型对待翻译文本进行翻译；

译文合并模块，用于将翻译模块获得的对应一个整句的短句序列的译文进行合并，以形成完整译文；

其中，短句切分模型训练模块，用于训练短句切分模型，供短句切分模块使用。

6.根据权利要求5所述的系统，其中，短句切分模型训练模块包括顺序相连的短句粗切分单元、短句句对齐单元、最小对齐块合并单元和短句切分训练单元；

其中，短句粗切分单元，用于将双语语料中的每个句子单独以标点进行切分，形成一对一的双语短句序列；

其中，短句句对齐单元，用于将从短句粗切分单元获得的一对一的双语短句序列进行句对齐，形成具有对齐关系的短句句对齐语料；

其中，最小对齐块合并单元，用于将短句句对齐单元处理过的短句句对齐语料进行最小对齐块合并，成为一对一的对齐语料；

其中，短句切分训练单元，用于利用一对一短句句对齐语料来训练短句切分模型，使用训练后的短句切分模型对输入的整句进行短句切分。

7.根据权利要求6所述的系统，其中，所述最小对齐块合并单元在合并过程中只保留有对齐关系的短句；所述最小对齐块合并单元将相互对齐的双语短句子序列合并时，在保证满足对齐关系的情况下两端短句子序列包含的短句数均最少。

8.根据权利要求5所述的系统，其中，短句切分模块还用于将输入的短句切分结果进行组合扩展，以构成多种待翻译句子的短句切分结果。

9.根据权利要求6所述的系统，其中，所述翻译模型由通过最小对齐块合并单元获取平行语料的方式所获取的训练语料训练得到。

10.一种短句切分方法，包括：

步骤1，将双语语料中的每个句子单独以标点进行切分，形成一对一的双语短句序列；

步骤2，将从短句粗切分单元获得的一对一的双语短句序列进行句对齐，形成具有对齐关系的短句句对齐语料；

步骤3，将短句句对齐单元处理过的短句句对齐语料进行最小对齐块合并，成为一对一的对齐语料；

步骤4，利用一对一短句句对齐语料来训练短句切分模型，使用训练后的短句切分模型对输入的整句进行短句切分。

11.根据权利要求10所述的方法，其中，在步骤1中，将双语语料中的每个句子按照以标点为潜在切分点，结合长度限制法和惯用习语排查法进行切分，形成一个短句序列。