[发明专利]语料评估模型训练方法、装置、存储介质和计算机设备

权利要求书

1.一种语料评估模型训练方法，包括：

获取平行语料；所述平行语料包括源文本和相应的参考翻译文本；

通过机器翻译模型对所述源文本进行翻译得到相应的机器翻译文本；

将所述源文本和所述机器翻译文本共同作为语料评估模型的训练样本；

对比所述机器翻译文本和所述参考翻译文本，得到与所述训练样本相应的训练标签；

通过所述训练样本和相应的训练标签训练所述语料评估模型。

2.根据权利要求1所述的方法，其特征在于，所述对比所述机器翻译文本和所述参考翻译文本，得到与所述训练样本相应的训练标签，包括：

按照预设的文本匹配方式，计算所述机器翻译文本与所述参考翻译文本的匹配度；

将所述匹配度作为与所述训练样本相应的训练标签。

3.根据权利要求1所述的方法，其特征在于，所述通过所述训练样本和相应的训练标签训练所述语料评估模型，包括：

通过所述语料评估模型中并行的两个循环神经网络结构，分别对所述源文本的词序列和所述机器翻译文本的词序列进行处理；

通过所述语料评估模型的前馈神经网络结构，对所述并行的两个循环神经网络结构各自输出的向量拼接后继续进行处理，得到语料评估结果；

根据所述语料评估结果和所述训练标签的差异，调整所述语料评估模型的模型参数并继续训练，直到满足训练停止条件时结束训练。

4.根据权利要求3所述的方法，其特征在于，所述通过所述语料评估模型中并行的两个循环神经网络结构，分别对所述源文本的词序列和所述机器翻译文本的词序列进行处理，包括：

通过所述语料评估模型中第一循环神经网络结构的编码器，对所述源文本的词序列进行语义编码，得到第一语义向量序列，并继续通过所述第一循环神经网络结构的解码器，依次对所述第一语义向量序列进行解码，得到第一隐层向量序列；

通过所述第一循环神经网络结构，对所述第一隐层向量序列中的各向量进行加权求和计算，输出经加权求和计算所得到的向量；

通过所述语料评估模型中第二循环神经网络结构的编码器，对所述机器翻译文本的词序列进行语义编码，得到第二语义向量序列，并继续通过所述第二循环神经网络结构的解码器，依次对所述第二语义向量序列进行解码，得到第二隐层向量序列；

通过所述第二循环神经网络结构，对所述第二隐层向量序列中的各向量进行加权求和计算，输出经加权求和计算所得到的向量；

其中，所述第一循环神经网络结构与所述第二循环神经网络结构并行。

5.根据权利要求4所述的方法，其特征在于，所述通过所述第一循环神经网络结构的解码器，依次对所述第一语义向量序列进行解码，得到第一隐层向量序列，包括：

通过所述第一循环神经网络结构的解码器，获取当次的与所述第一语义向量序列对应的注意力分配权重向量；

根据所述注意力分配权重向量、以及所述第一语义向量序列，计算得到当次的内容向量；

根据所述第一循环神经网络结构的解码器前次输出的第一隐层向量，以及当次的内容向量，计算得到当次的第一隐层向量；

组合所述第一循环神经网络结构的解码器依次输出的各第一隐层向量，得到与所述源文本对应的第一隐层向量序列。

6.根据权利要求3所述的方法，其特征在于，所述方法还包括：

获取在不同维度下对所述机器翻译文本进行翻译质量评估所得到的结果；

根据不同维度所对应的所述结果，确定相应的组合维度向量；

所述通过所述语料评估模型的前馈神经网络结构，对所述并行的两个循环神经网络结构各自输出的向量拼接后继续进行处理，得到语料评估结果，包括：

通过所述语料评估模型的前馈神经网络结构，对所述并行的两个循环神经网络结构各自输出的向量、以及所述组合维度向量进行拼接后继续处理，得到语料评估结果。