[发明专利]一种译员稿件快速匹配方法

说明书

技术领域

本发明涉及互联网翻译行业项目智能处理技术领域，特别是涉及一种译员稿件快速匹配方法。

背景技术

随着互联网的兴起，翻译服务业正向着大规模产业化的方向发展，平台化处理翻译项目成为主流处理方式。但平台处理必须考虑的问题是如何给译员推荐一个比较合适的项目。通知我们会根据译员的语种，行业，稿件类型三大维度来匹配译员。其中行业和稿件类型只能通过人为的方式凭主观打分,并且由于行业和稿件类型有上千多种，通常不能很客观的评价译员的真实能力。本算法是从译员历史上翻译的稿件出发,通过词汇库的相似性来替代“行业”+“稿件类型”的评估。

发明内容

本发明所要解决的是现有技术在为待翻译稿件筛选合适的译员的匹配过程较繁琐，不能快速筛选出合适译员的技术问题。

为了解决上述问题，本发明公开了一种译员稿件快速匹配方法，包括：

拆分待翻译稿件，通过术语提取方法从待翻译稿件中提取术语组成稿件特征库；

提取译员专业属性特征，通过术语提取方法从译员稿件库中提取术语组成译员专业特征库；

通过对稿件特征库及译员专业特征库进行相似性分析来进行匹配，获得最接近的译员专业特征库。

进一步，所述术语提取方法包括构建一个词语信息表，步骤如下：

步骤1：确定待翻译稿件或译员历史翻译稿件确定的稿件集合，定义所述稿件集合为：R_doc；

步骤2：对所述稿件集合R_doc中的稿件进行编号，每篇稿件对应一个编号，将所述编号记为：docID；

步骤3：对所述稿件集合R_doc中的稿件进行分词处理，经过过滤处理除去其中无意义词语以及不再做匹配使用的词语，得到所述稿件集合R_doc中所有词语的集合，所述词语的集合记为：R_word，对词语的集合R_word中的每个词语进行编号，记为wordID；

步骤4：计算所述词语的集合R_word中的每个词语在所述稿件集合R_doc中每篇稿件中的出现次数，记为词频tf；

步骤5：计算R_word中每个词语在稿件集合R_doc稿件集合中的每篇文档中的位置信息，即所述词语是所述文档的第几个词语，所述词语的词频tf为所述词语在稿件集合R_doc的每篇稿件的词频数之和。

从而对于稿件集合R_doc中的所有词语，得到了包含稿件文档编号、词频信息、词语位置信息的词语信息表。

进一步，所述方法采用反向匹配的思路进行匹配，即以稿件中的所有词语作为关键词，在术语库中进行匹配，所述匹配过程中采用二分法进行匹配。

进一步，所述匹配过程包括如下步骤：

步骤a：当待翻译稿件与术语库中的某一术语的第一个词语匹配成功，则计算所述术语的词长，将所述词长设为len；

当len＝1时，所述词语即为术语，返回所述术语的行业、学科、领域属性信息给所述词语所属的文档；

步骤b：否则根据所述词语在文档中的位置信息，将所述词语的位置后面的len-1个词语相应与所述术语的后len-1个词语进行顺序匹配，若某个词语不匹配则放弃；否则继续，直到len-1个词语都匹配完，并返回所述术语的行业、学科领域信息给所述词语所属的文档。

进一步，所述相似性分析包括：

步骤A：根据得到的待匹配文档的术语词频，计算术语的权重，计算方法如下：

设待翻译稿件共有n个术语，词频为：f₁，f₂，…，f_n，则每个术语的权重为Wi，各术语权重向量为：{w₁,w₂,…,w_n}；

每个术语的权重Wi通过如下公式计算得到：

步骤B：计算所述待翻译稿件的n个术语在译员专业特征库中的的数量，分别记为k_i,i＝1，2，……n，

得到用于表示n个术语的数量的向量{k₁,k₂,…,k_n}；

分别计算所述待翻译稿件的n个术语在译员专业特征库中的数量，假定共有m个译员作为待筛选的译员；