[发明专利]一种基于神经网络的英译汉词义消歧方法

说明书

为了确定单词在英文句子中的准确中文词义，本发明提出了一种基于神经网络的英译汉词义消岐方法，首先基于英汉词典和中英文语料的中英文句子，生成与每个英文句子对应的中英文混合序列；接着以英文句子和中英文混合序列为平行语料，通过神经网络方法训练得到翻译模型；最后使用翻译模型，依次在待翻译英文句子各个英文单词的中文词义中限制性解码，找到单词在英文句子中的准确词义，从而有效地解决了英译汉中的词义消岐问题。

技术领域

本发明涉及机器翻译领域，特别涉及一种英译汉的词义消岐方法。

背景技术

词义消岐是自然语言处理中的一个重点和难点。在英汉翻译中，一个英文单词可以有一个或多个中文词义，找到该单词在当前句子中的准确词义是一个尚未完全解决的问题。

目前，基于神经网络的机器翻译已经比较成熟，可以把英文句子相对准确地翻译为中文句子，再通过其中的注意力机制将英文句子和中文句子在单词级别进行对齐，从而找到单词的大致词义。但是，由于这种注意力机制是一种软对齐，词义之间的注意力没有明显的边界。这种方法找到的词义经常比英汉字典中的标准词义差一两个字，有时候找到的甚至是反义词，效果非常不理想。因此，需要一种更准确的方式来找到句子中单词的准确词义。

词义消岐方法确定的英文单词的准确词义可以用于单词注释，帮助人们快速阅读英文资料，还可以作为机器翻译的预翻译步骤，为准确翻译提供更丰富的语料和条件。

发明内容

本发明所要解决的技术问题是，提供一种基于神经网络的英译汉词义消岐方法，确定每个单词在英文句子中的准确中文词义。

为解决上述技术问题，本发明所采用的技术方案是：一种基于神经网络的英译汉词义消岐方法，首先基于英汉词典和中英文语料的中英文句子，生成与每个英文句子对应的中英文混合序列；接着以英文句子和中英文混合序列为平行语料，通过神经网络方法训练得到翻译模型；最后使用翻译模型，依次在待翻译英文句子各个英文单词的中文词义中限制性解码，生成中英文混合序列。此序列中与每个单词对应的中文词就是该单词在英文句子中的准确词义，从而解决了英译汉的词义消岐问题。

所述的英译汉词义消岐方法的英汉词典，包括英文单词及其所有可能的中文词义，其中的英文单词包括单词原形、名词复数、动词第三人称单数、动词过去式、动词现在分词、动词过去分词、形容词和副词的比较级和最高级。

所述的英译汉词义消岐方法的中英文混合序列中，当在英文句子对应的中文句子中有某个单词的某个词义，就用此中文词义代替英文句子的该单词，依次替换完成后形成了一个中文词义、英文单词和标点符号组成的中英文混合序列。

所述的英译汉词义消岐方法的神经网络训练，可以是循环神经网络（RNN）、卷积神经网络（CNN）或变换器（Transformer）。

所述英译汉词义消岐方法的限制性解码，是指在解码过程的每一步，集束搜索只选取当前英文单词的所有中文词义中概率最大的1-10个中文词义。

本发明的有益效果有三点：（1）所选取的的中文词义完全由英汉字典准确给出，不会出现多字或少字的情况；（2）神经网络是最先进的机器翻译技术，可以有效地解决与翻译密切相关的英译汉词义消岐问题；（3）可以一次性将整句所有单词的准确词义找出，进行单词注释以提高用户的英文阅读效率。

附图说明

图1为本发明一种基于神经网络的英译汉词义消岐方法的训练和解码流程图。

具体实施方式

下面结合附图对本发明做进一步阐述。

实施例一