[发明专利]一种机器翻译的断句方法及系统、计算机程序、计算机

权利要求书

1.一种机器翻译的断句方法，其特征在于，所述机器翻译的断句方法包括：

步骤一，给出输入文本的语言种类；

步骤二，使用断句方法进行文本的句子切分；

所述步骤二包括：中文句子切分、英文句子切分、所有输入句子强制保留；

所述中文句子切分具体包括：

(1)句子的最大长度L_max；可切分的标点符号集合P_stop，可切分的标点符号包括句号、问号、感叹号和分号，即P_stop＝{。？！；}；次级切分优先级序列P_sub＝[......，：]，优先级的顺序依次为省略号、逗号和冒号；

(2)句子长度小于L_max个字符：

句子内不存在引号，则按照P_stop进行切分；

句子内存在引号，在保证引号内句子不断开的情况下按照(1)进行切分；

(3)句子长度大于等于L_max个字符：

检索句子前L_max个字符中是否有其他标点符号，有则按照P_sub的优先级进行切分；

句子前L_max个字符中均无其他标点符号，在L_max位置进行切分；对切分后长度小于L_max使用(2)进行切分。

2.如权利要求1所述的机器翻译的断句方法，其特征在于，所述英文句子切分具体包括：

[1]允许句子的最大长度L_max；可切分的标点符号集合P_stop’，可切分的标点符号包括句号、问号、感叹号，即P_stop’＝[.？！}；设定次级切分优先级序列P_sub’＝[...，；]，优先级的顺序依次为省略号、逗号和分号；

[2]句子长度小于L_max个单词：

句子内不存在引号，则按照P_stop’进行切分；

句子内存在引号，在保证引号内句子不断开的情况下按照[1]进行切分；

[3]句子长度大于等于L_max个单词：

检索句子前L_max个单词中是否有其他标点符号，有则按照P_sub’的优先级进行切分；

句子前L_max个单词中均无其他标点符号，则强制在L_max位置进行切分；对切分后长度小于L_max使用[2]进行切分。

3.如权利要求1所述的机器翻译的断句方法，其特征在于，所述所有输入句子强制保留具体包括：

(1)英语数字中的小数点或标题点，不会被切分开；

(2)以http,https,ftp,feed开始的网址不会被切分开；

(3)以www开始的域名不会被切分开；

(4)以.com,.cn,.org,.net,.edu,.us,.ai结尾的域名不会被切分开；

(5)邮件地址不会被切分开；

(6)UNIX路径不会被切分开；

(7)Windows路径不会被切分开；

(8)句子中存在缩写点，不会被切分开。

4.一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如权利要求1-3任意一项所述的机器翻译的断句方法。