[发明专利]机器翻译方法、装置及可读存储介质有效
申请号: | 201811286094.8 | 申请日: | 2018-10-31 |
公开(公告)号: | CN109359308B | 公开(公告)日: | 2023-01-10 |
发明(设计)人: | 黄江泉;谢军;王明轩 | 申请(专利权)人: | 腾讯科技(武汉)有限公司 |
主分类号: | G06F40/58 | 分类号: | G06F40/58;G06N20/00 |
代理公司: | 北京三高永信知识产权代理有限责任公司 11138 | 代理人: | 祝亚男 |
地址: | 430000 湖北省武*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 机器翻译 方法 装置 可读 存储 介质 | ||
本申请公开了一种机器翻译方法、装置及可读存储介质,涉及机器翻译领域。该方法包括:接收待翻译的源端语句;确定与所述目标领域对应的短语表;通过机器学习模型根据所述短语表将所述第一自然语言的源端语句翻译为所述第二自然语言的目标语句。通过确定与目标领域对应的短语表,并在通过机器学习模型对源端语句进行翻译时,应用该短语表参与对该源端语句的翻译得到目标语句,实现对目标领域的源端语句进行翻译时提高翻译准确度,且无需针对不同的领域对不同的机器学习模型进行训练,仅需要通过一个通用的机器学习模型结合目标领域的短语表即可实现对目标领域的源端语句进行翻译,翻译效率较高。
技术领域
本申请实施例涉及机器翻译领域,特别涉及一种机器翻译方法、装置及可读存储介质。
背景技术
机器翻译是通过计算机将一种自然语言的句子翻译成另一种自然语言的句子的翻译方式,通常,该机器翻译是通过训练好的机器学习模型对句子进行翻译,示意性的,机器学习模型通过大量的翻译语料样本进行训练后,用户将中文句子“房价持续增长”输入该机器学习后,输出得到英文翻译“Thehousingpricescontinuedtorise”,而针对某些特定领域的某些词汇的机器翻译,与普通的机器翻译中的翻译方式不同,如:在一些较为正式的报告中,地名“北京”被翻译为“Peking”,而在课本中,地名“北京”被翻译为“Beijing”。
相关技术中,针对特定领域的机器翻译,需要设置特定的机器学习模型进行翻译,也即通过该特定领域的翻译语料样本对机器学习模型进行训练后,得到训练后的该特定领域的特定机器学习模型,并应用该特定机器学习模型对该特定领域的待翻译语句进行翻译。
然而,当该机器翻译涉及的领域较多时,则需要对每个领域都设置一个特定的机器学习模型,也即需要对每个领域的机器学习模型分别进行训练,训练过程中需耗费大量的时间及人力,针对每个领域的机器翻译对机器学习模型的训练过程较为繁琐。
发明内容
本申请实施例提供了一种机器翻译方法、装置及可读存储介质,可以解决针对每个领域的机器翻译对机器学习模型的训练过程较为繁琐的问题。所述技术方案如下:
一方面,提供了一种机器翻译方法,所述方法包括:
接收待翻译的源端语句,所述源端语句为目标领域的语句;
确定与所述目标领域对应的短语表,所述短语表中包括所述目标领域的源端词汇和目标端词汇的对应关系,每个所述源端词汇与至少一个目标端词汇对应,所述源端词汇和所述源端语句对应第一自然语言,所述目标端词汇对应第二自然语言;
通过机器学习模型根据所述短语表将所述第一自然语言的源端语句翻译为所述第二自然语言的目标语句。
另一方面,提供了一种机器翻译装置,所述装置包括:
接收模块,用于接收待翻译的源端语句,所述源端语句为目标领域的语句;
确定模块,用于确定与所述目标领域对应的短语表,所述短语表中包括所述目标领域的源端词汇和目标端词汇的对应关系,每个所述源端词汇与至少一个目标端词汇对应,所述源端词汇和所述源端语句对应第一自然语言,所述目标端词汇对应第二自然语言;
翻译模块,用于通过机器学习模型根据所述短语表将所述第一自然语言的源端语句翻译为所述第二自然语言的目标语句。
另一方面,提供了一种服务器,所述服务器包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上述本申请实施例中所述的机器翻译方法。
另一方面,提供了一种计算机可读存储介质,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上述本申请实施例中所述的机器翻译方法。
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(武汉)有限公司,未经腾讯科技(武汉)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/201811286094.8/2.html,转载请声明来源钻瓜专利网。