[发明专利]向量化译员的翻译个性特征的方法及装置

权利要求书

1.一种向量化译员的翻译个性特征的方法，其特征在于，包括：

选取T位译员，从每位译员所翻译过的历史语料中选取M对双语语料样本构建译员自身的双语语料集，所有译员自身的双语语料集组成双语样本集，并对所述双语样本集进行预处理；

将经过预处理的所述双语样本集中的双语语料样本逐一输入至词向量模型中，输出所述双语语料样本对应的词向量；

将所述双语样本集中的每对双语语料样本和对应的词向量输入至基于LSTM网络的编码器模型和解码器模型中进行训练，获得训练完成的LSTM网络；

将每位译员自身的双语语料集中的双语语料样本逐一输入至所述训练完成的LSTM网络中进行训练，保持所述训练完成的LSTM网络的编码器模型参数不变，获得所述译员对应的LSTM网络；

基于所述译员对应的LSTM网络中解码器模型的参数，生成反映所述译员的翻译个性特征的译员向量；

其中，一对双语语料样本包括一个原文句子和一个译文句子；所述词向量模型是基于最新的维基百科的原文语料集和译文语料集，利用Skip-Gram算法训练获得的；T和M均为大于1的自然数。

2.根据权利要求1所述的方法，其特征在于，所述对所述双语样本集进行预处理的步骤，具体为：

对所述双语样本集中的每个句子进行分词处理，并打乱所述双语样本集中句子之间原有的顺序；

将所述双语样本集划分为训练样本集和验证样本集。

3.根据权利要求1所述的方法，其特征在于，训练所述词向量模型的步骤，具体为：

从最新的维基百科获取与所述双语样本集语种相同的原文语料集和译文语料集，并对所述原文语料集和译文语料集中的每个句子进行分词处理；

基于经过分词处理的所述原文语料集和译文语料集，利用Skip-Gram算法分别进行词向量的训练，训练完成后获得原文词向量模型和译文词向量模型。

4.根据权利要求3所述的方法，其特征在于，所述将经过预处理的所述双语样本集中的双语语料样本逐一输入至词向量模型中，输出所述双语语料样本对应的词向量的步骤，具体为：

针对所述双语样本集中的任一对双语语料样本，将所述双语语料样本中的原文句子输入至所述原文词向量模型中，获得所述原文句子对应的词向量；

将所述双语语料样本中的译文句子输入至所述译文词向量模型中，获得所述译文句子对应的词向量。

5.根据权利要求2所述的方法，其特征在于，所述将所述双语样本集中的每对双语语料样本和对应的词向量输入至基于LSTM网络的编码器模型和解码器模型中进行训练，获得训练完成的LSTM网络的步骤，具体为：

针对所述训练样本集中的任一对双语语料样本，将所述双语语料样本中的原文句子和所述原文句子对应的词向量输入基于LSTM网络的编码器模型中，生成所述原文句子对应的句向量；

将所述原文句子对应的句向量和所述双语语料样本中的译文句子对应的词向量输入基于LSTM网络的解码器模型中，获得模型译文；

比较所述模型译文与所述双语语料样本中的译文句子之间的差异，基于所述差异，利用反向传播算法更新所述基于LSTM网络的编码器模型参数和解码器模型参数；

利用所述验证样本集对所述基于LSTM网络的编码器模型和解码器模型进行测试，测试完成后，获得训练完成的LSTM网络。