[发明专利]一种子词单元的拆分方法、装置及计算机可读存储介质

权利要求书

1.一种子词单元的拆分方法，应用于神经机器翻译，其特征在于，包括：

生成分词处理后的输入语句的词表示矩阵；

通过卷积神经网络的至少一个卷积滤波器，对所述词表示矩阵进行卷积处理，获得所述输入语句的至少一个特征映射；

对所述至少一个特征映射中的特征映射片段进行组合，得到所述输入语句对应的至少一个映射片段组合；

从所述至少一个映射片段组合中选择出特征最明显的目标组合，得到所述输入语句的子词单元的拆分结果。

2.如权利要求1所述的拆分方法，其特征在于，所述生成分词处理后的输入语句的词表示矩阵的步骤，包括：

获得分词处理后的输入语句，所述输入语句包括词以及相邻词之间的空格或标点符号；

将分词处理后的输入语句分割成字符级别的字符表示，通过词到向量word2vec模型或随机初始化模型，训练得到所述字符表示的词表示矩阵，所述词表示矩阵为词嵌入矩阵，且所述词表示矩阵的长度等于所述输入语句中的字符与空格的数量。

3.如权利要求1所述的拆分方法，其特征在于，所述至少一个卷积滤波器的长度的取值范围从2到所述输入语句中的最大词长度，所述卷积滤波器的宽度均与所述词嵌入矩阵的宽度相同，且所述卷积滤波器的滑动步长均为1。

4.如权利要求1所述的拆分方法，其特征在于，所述对所述至少一个特征映射中的特征映射片段进行组合，得到所述输入语句对应的至少一个映射片段组合的步骤，包括：

通过遍历算法，对所述至少一个特征映射中的特征映射片段进行组合，得到所述输入语句对应的所有映射片段组合。

5.如权利要求1所述的拆分方法，其特征在于，所述从所述至少一个映射片段组合中选择出特征最明显的目标组合的步骤，包括：

针对每个映射片段组合对应的矩阵，分别计算矩阵中元素的和值，并将和值最大的矩阵所对应的映射片段组合，作为特征最明显的目标组合。

6.如权利要求5所述的拆分方法，其特征在于，在得到所述输入语句的子词单元的拆分结果之后，所述方法还包括：

将所述和值最大的矩阵输入至神经机器翻译装置中的序列到序列模型，得到所述输入语句的翻译结果。

7.一种神经机器翻译中的子词单元拆分装置，其特征在于，包括：

词表示生成单元，用于生成分词处理后的输入语句的词表示矩阵；

特征映射处理单元，用于通过卷积神经网络的至少一个卷积滤波器，对所述词表示矩阵进行卷积处理，获得所述输入语句的至少一个特征映射；

映射片段组合单元，用于对所述至少一个特征映射中的特征映射片段进行组合，得到所述输入语句对应的至少一个映射片段组合；

拆分结果获得单元，用于从所述至少一个映射片段组合中选择出特征最明显的目标组合，得到所述输入语句的子词单元的拆分结果。

8.如权利要求7所述的子词单元拆分装置，其特征在于，所述至少一个卷积滤波器的长度的取值范围从2到所述输入语句中的最大词长度，所述卷积滤波器的宽度均与所述词嵌入矩阵的宽度相同，且所述卷积滤波器的滑动步长均为1。

9.如权利要求7所述的子词单元拆分装置，其特征在于，

所述拆分结果获得单元，具体用于针对每个映射片段组合对应的矩阵，分别计算矩阵中元素的和值，并将和值最大的矩阵所对应的映射片段组合，作为特征最明显的目标组合。

10.如权利要求7所述的子词单元拆分装置，其特征在于，

所述拆分结果获得单元，还用于将所述和值最大的矩阵输入至神经机器翻译装置中的序列到序列模型，得到所述输入语句的翻译结果。