[发明专利]文本翻译方法、装置、可读存储介质和计算机设备

权利要求书

1.一种文本翻译方法，包括：

获取源文本的词序列；

通过机器翻译模型中编码器的多层神经网络，逐层对所述词序列进行语义编码，得到源端融合向量序列；所述源端融合向量序列融合了多层神经网络所输出的源端向量序列；

通过所述机器翻译模型的解码器，根据所述机器翻译模型前次输出的目标词的词向量，对所述源端融合向量序列进行解码，得到当次的目标端向量序列；

根据所述目标端向量序列，确定所述机器翻译模型当次输出的目标词；

根据所述机器翻译模型输出的各目标词，生成所述源文本对应的目标文本；

其中，融合多层神经网络所输出的源端向量序列的融合方式包括：

采用线性融合方式、递归融合方式、层次融合方式、或跨层注意力机制融合方式中的任一种方式，融合多层神经网络所输出的源端向量序列，得到源端融合向量序列，或者，

通过将所述多层神经网络中当前层的所有前序层神经网络分别输出的源端向量序列作为所述当前层的输入，根据所述输入计算得到所述当前层的输出，直至得到最后一层神经网络的输出，即所述源端融合向量序列。

2.根据权利要求1所述的方法，其特征在于，所述通过所述机器翻译模型的解码器，根据所述机器翻译模型前次输出的目标词的词向量，对所述源端融合向量序列进行解码，得到当次的目标端向量序列，包括：

通过所述机器翻译模型中解码器的多层神经网络，根据所述机器翻译模型前次输出的目标词的词向量，逐层对所述源端融合向量序列进行解码，得到当次的目标端融合向量序列；所述目标端融合向量序列融合了多层神经网络所输出的目标端向量序列；

所述根据所述目标端向量序列，确定所述机器翻译模型当前时刻输出的目标词，包括：

根据当前时刻的目标端融合向量序列，确定所述机器翻译模型当前时刻输出的目标词。

3.根据权利要求2所述的方法，其特征在于，所述通过所述机器翻译模型中解码器的多层神经网络，根据所述机器翻译模型前一时刻输出的目标词的词向量，逐层对所述源端融合向量序列进行解码，得到目标端融合向量序列，包括：

将所述机器翻译模型历史输出的目标词的词向量，输入机器翻译模型中解码器的多层神经网络中的第一层神经网络，获得当次的第一层神经网络所输出的目标端向量序列；

在从所述多层神经网络中的第二层神经网络起的当前层神经网络中，分别获取当次的、各目标词所对应的第二自注意力分配权重向量；

根据各目标词所对应的第二自注意力分配权重向量、以及前序层神经网络所对应的目标端向量序列，分别计算得到当次的、当前层神经网络中各目标词所对应的第一目标端向量；

在从所述多层神经网络中的第二层神经网络起的当前层神经网络中，分别获取当次的、各目标词所对应的注意力分配权重向量；所述注意力分类权重向量与所述源端融合向量序列对应；

根据各目标词所对应的注意力分配权重向量、以及所述源端融合向量序列，分别计算得到当次的、当前层神经网络中各目标词所对应的第二目标端向量；

融合所述第一目标端向量和所述第二目标端向量，得到当次的目标端向量；

拼接当次的当前层神经网络中、各个目标词所对应的目标端向量，得到当次的、当前层神经网络输出的目标端向量序列，直至得到当次的各层神经网络分别输出的目标端向量序列；

获取融合了多层神经网络所输出的目标端融合向量序列。