[发明专利]一种机器翻译的方法、设备以及计算机可读存储介质有效

专利信息
申请号: 201810131743.0 申请日: 2018-02-08
公开(公告)号: CN110134971B 公开(公告)日: 2022-12-16
发明(设计)人: 刘乐茂;李昕同;史树明 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06F40/58 分类号: G06F40/58;G06F40/268
代理公司: 深圳市深佳知识产权代理事务所(普通合伙) 44285 代理人: 王仲凯
地址: 518057 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 机器翻译 方法 设备 以及 计算机 可读 存储 介质
【权利要求书】:

1.一种机器翻译的方法,其特征在于,包括:

接收待处理信息,所述待处理信息以源语言表示;

采用编码器对所述待处理信息进行编码处理,生成所述待处理信息的表示向量序列;

采用神经网络模型根据第二时刻对应的目标内容得到第一结果,所述第二时刻为第一时刻之前的相邻时刻,所述第一结果为所述神经网络模型的隐含单元在第一时刻的隐含状态;

通过预测模型根据所述第一结果预测第一时刻待翻译的目标展望词的特征信息,所述目标展望词以目标语言表示;

根据所述目标展望词的特征信息确定所述表示向量序列中当前时刻对应的上下文向量;

采用解码器对所述上下文向量进行解码处理,得到所述上下文向量对应的以目标语言表示的目标内容。

2.根据权利要求1所述的方法,其特征在于,所述通过预测模型预测第一时刻待翻译的目标展望词的特征信息之前,所述方法还包括:

根据数据集合中的信息训练所述预测模型,所述数据集合包括源语言语句,与所述源语言语句对应的目标语言语句,及所述目标语言语句的特征信息。

3.根据权利要求1所述的方法,其特征在于,所述根据所述目标展望词的特征信息确定所述表示向量序列中第一时刻对应的上下文向量,包括:

获取所述目标展望词的特征信息;

对所述目标展望词的特征信息进行估计,得到估计结果;

根据所述估计结果确定所述表示向量序列中第一时刻对应的上下文向量。

4.根据权利要求1所述的方法,其特征在于,所述采用神经网络模型根据第二时刻对应的目标内容得到第一结果,包括:

采用所述神经网络模型根据所述第二时刻对应的目标内容和第一时刻的单词向量得到所述第一结果,所述单词向量为所述表示向量序列中按照词组顺序进行表示的向量。

5.一种翻译设备,其特征在于,包括:

接收模块,用于接收待处理信息,所述待处理信息以源语言表示;

编码模块,用于采用编码器对所述接收模块接收的所述待处理信息进行编码处理,生成所述待处理信息的表示向量序列;

预测模块,用于采用神经网络模型根据第二时刻对应的目标内容得到第一结果,所述第二时刻为第一时刻之前的相邻时刻,所述第一结果为所述神经网络模型的隐含单元在第一时刻的隐含状态;通过预测模型根据所述第一结果预测第一时刻待翻译的目标展望词的特征信息,所述目标展望词以目标语言表示;

确定模块,用于根据所述预测模块预测的所述目标展望词的特征信息确定所述表示向量序列中当前时刻对应的上下文向量;

解码模块,用于采用解码器对所述确定模块确定的所述上下文向量进行解码处理,得到所述上下文向量对应的以目标语言表示的目标内容。

6.根据权利要求5所述的翻译设备,其特征在于,还包括模型训练模块;

所述模型训练模块,用于根据数据集合中的信息训练所述预测模型,所述数据集合包括源语言语句,与所述源语言语句对应的目标语言语句,及所述目标语言语句的特征信息。

7.根据权利要求5所述的翻译设备,其特征在于,所述确定模块包括获取单元、估计单元和确定单元;

所述获取单元,用于获取所述目标展望词的特征信息;

所述估计单元,拥有对所述获取单元获取的所述目标展望词的特征信息进行估计,得到估计结果;

所述确定单元,用于根据所述估计单元估计的估计结果确定所述表示向量序列中第一时刻对应的上下文向量。

8.一种翻译设备,其特征在于,包括:

存储器,用于存储计算机可执行程序代码;

网络接口,以及

处理器,与所述存储器和所述网络接口耦合;

其中所述程序代码包括指令,当所述处理器执行所述指令时,所述指令使所述翻译设备执行如权利要求1-4中任一项所述的方法。

9.一种计算机可读存储介质,其特征在于,用于储存翻译设备所用的计算机软件指令,其包含用于执行如权利要求1-4中任一项的方法中所设计的程序。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810131743.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top