[发明专利]基于神经网络模型的翻译方法及装置

权利要求书

1.一种基于神经网络模型的翻译方法，其特征在于，所述方法包括：

获取源语言的语句；

将所述源语言的语句进行编码，得到向量序列，所述向量序列包括由从所述语句分得的各个分词分别转换成的词向量；

基于所述向量序列逐词地预测目标语言中相应的候选词；

根据预测得到的候选词生成目标语言的语句，

其中，在任一所述候选词的预测处理中，从预设的翻译词表中获取多个初选词，并且基于对数线性模型计算每个所述初选词的翻译概率，以根据所述翻译概率从所述多个初选词选取所述候选词，所述对数线性模型根据神经网络翻译模型的翻译特征和统计机器翻译模型的翻译特征建立的。

2.根据权利要求1所述的方法，其特征在于，所述从预设的翻译词表中获取多个初选词，并且基于对数线性模型计算每个所述初选词的翻译概率，以根据所述翻译概率从所述多个初选词选取所述候选词的处理包括：

从预设的翻译词表中获取M个词语作为初选词，M为正整数，

根据所述向量序列和在获取M个初选词之前预测出的候选词，计算每个所述初选词的神经网络翻译模型的翻译特征，

计算每个所述初选词的统计机器翻译模型的翻译特征，

根据计算得到的神经网络翻译模型的翻译特征和统计机器翻译模型的翻译特征，结合所述对数线性模型计算每个所述初选词的翻译概率值，

对计算得到的M个翻译概率值进行排序，并将与前N位的翻译概率值相应的初选词选取为所述候选词，N为正整数，且N＜M。

3.根据权利要求2所述的方法，其特征在于，所述基于所述向量序列逐词地预测目标语言中相应的候选词的处理还包括：依据所述神经网络翻译模型的翻译特征标记所述候选词之间的关联关系，

所述根据预测得到的候选词生成目标语言的语句的处理包括：

根据具有关联关系的所有候选词生成目标语言的语句。

4.根据权利要求3所述的方法，其特征在于，所述统计机器翻译模型的翻译特征包括双向单词翻译模型特征。

5.根据权利要求4所述的方法，其特征在于，所述统计机器翻译模型的翻译特征还包括N元语言模型特征和/或词惩罚特征。

6.根据权利要求1～5中任一项所述的方法，其特征在于，所述获取源语言的语句的处理包括以下处理之一：

接收文本数据，并将所述文本数据作为所述源语言的语句，

接收语音数据，对所述语音数据进行语音识别得到经语音识别的文本数据，并将所述经语音识别的文本数据作为所述源语言的语句，

接收图片数据，对所述图片数据进行光学字符识别OCR得到经OCR识别的文本数据，并将所述经OCR识别的文本数据作为所述源语言的语句。

7.一种基于神经网络模型的翻译装置，其特征在于，所述装置包括：

语句获取模块，用于获取源语言的语句；

语句编码模块，用于将所述源语言的语句进行编码得到向量序列，所述向量序列包括由从所述语句分得的各个分词分别转换成的词向量；

候选词预测模块，用于基于所述向量序列逐词地预测目标语言中相应的候选词；

语句生成模块，用于根据预测得到的候选词生成目标语言的语句，

其中，在任一所述候选词的预测处理中，从预设的翻译词表中获取多个初选词，并且基于对数线性模型计算每个所述初选词的翻译概率，以根据所述翻译概率从所述多个初选词选取所述候选词，所述对数线性模型根据神经网络翻译模型的翻译特征和统计机器翻译模型的翻译特征建立的。

8.根据权利要求7所述的装置，其特征在于，所述候选词预测模块包括：

初选词获取单元，用于从预设的翻译词表中获取M个词语作为初选词，M为正整数，

神经网络模型特征计算单元，用于根据所述向量序列和在获取M个初选词之前预测出的候选词，计算每个所述初选词的神经网络翻译模型的翻译特征，

统计机器模型特征计算单元，用于计算每个所述初选词的统计机器翻译模型的翻译特征，

翻译概率计算单元，用于根据计算得到的神经网络翻译模型的翻译特征和统计机器翻译模型的翻译特征，结合所述对数线性模型计算每个所述初选词的翻译概率值，

候选词选取单元，用于对计算得到的M个翻译概率值进行排序，并将与前N位的翻译概率值相应的初选词选取为所述候选词，N为正整数，且N＜M。