[发明专利]翻译一致性的方法和装置及统计机器翻译方法和系统

说明书

技术领域

本发明涉及自然语言处理及机器翻译，尤其涉及统计机器翻译中的术语翻译方法。

背景技术

术语是语言中用于定义概念的一种语言学表达(ISO 1087)。因此，术语在不同语言之间具有传递概念的作用。在翻译中，术语的翻译也是非常重要的。术语的翻译受术语所属领域及其所处的上下文的影响(Muriel Vasconcellos,Brian Avey,Claudia Gdaniec,Laurie Gerber,Marjorie Le′on,and Teruko Mitamura.2001.Terminology and machine translation.Handbook of Terminology Management,2:697–723.)。同一术语在不同的领域和上下文环境中，其翻译是不同的，而在相同或相近的领域内，术语的翻译应该具有一致性。但是当前的主流的统计机器翻译模型，例如基于短语的模型、基于层次短语的模型、基于语言学句法的模型等，都没有针对术语在相同或者相似领域内的一致性翻译的解决方案。目前都是通过人工的方式对译文中的术语进行调整，这无疑降低了翻译工作的效率，而且依赖于译者对文本所述领域及上下文的理解，缺乏对术语翻译的领域一致性客观衡量，难以保证翻译质量的稳定性。

发明内容

因此，本发明的目的在于克服上述现有技术的缺陷，提供一种可以嵌入统计机器翻译中的术语领域一致性翻译方法。

本发明的目的是通过以下技术方案实现的：

一方面，本发明提供了一种衡量术语领域翻译一致性的方法，所述方法包括：

步骤1)，基于双语平行语料库来建立双语术语库；其中，所述双语术语库包括从双语平行语料库中抽取的源语言术语的集合以及与所述源语言术语集合中每个源语言术语满足对齐一致性且互为翻译的目标语言术语构成的集合；

步骤2)将双语平行语料库中的源语言语料和目标语言语料分别按照相同的方式划分为多个文档，基于为双语平行语料库设定的多个主题来获取每个文档的文档-主题分布信息，每个文档的文档-主题分布信息包括该文档属于所述多个主题中各个主题的概率；

步骤3)对于双语术语库中每个源语言术语，通过下面的公式计算其与所述多个主题中每个主题相关的翻译一致性强度为：