[发明专利]翻译训练数据生成方法、装置、计算机设备及存储介质

权利要求书

1.一种翻译训练数据生成方法，其特征在于，包括：

对预先训练的至少一个翻译模型进行翻译质量评估，确定满足翻译质量低条件的目标数据类型，各所述翻译模型通过初始训练语料训练得到；

获取与所述目标数据类型匹配的目标训练语料，以对各所述翻译模型继续训练，所述目标训练语料与所述初始训练语料不同；

所述对预先训练的至少一个翻译模型进行翻译质量评估，确定满足翻译质量低条件的目标数据类型，包括：

获取多个测试集，不同测试集中数据的数据类型不同；

分别根据测试集对预先训练的至少一个翻译模型进行翻译质量评估；

根据各所述测试集的翻译质量评估结果，以及各所述测试集对应的数据类型，确定计翻译质量评估结果低于设定评估阈值的数据类型，作为满足翻译质量低条件的目标数据类型；

所述根据各所述测试集的翻译质量评估结果是：

选择测试集中任意一条数据，该条数据实际是一个数据对，并选择一个翻译模型，从该数据对中的源语种的数据输入到该翻译模型中，得到该翻译模型中输出的译文，与该数据对中的目标语种的数据进行相似度计算，得到该翻译模型针对该条数据的质量评估结果，其中，不同翻译模型的源语种和目标语种不同。

2.根据权利要求1所述的方法，其特征在于，所述至少一个翻译模型包括正向翻译模型和反向翻译模型；

所述获取与所述目标数据类型匹配的目标训练语料，包括：

获取所述目标数据类型匹配的单语数据；

将所述单语数据输入到所述翻译模型中，得到输出的翻译数据，并结合所述单语数据，形成目标训练语料。

3.根据权利要求1所述的方法，其特征在于，在获取多个测试集之前，还包括：

获取测试数据；

将所述测试数据中的各条数据分别输入到预先训练的分类模型中，得到所述分类模型输出的各条数据匹配的数据类型；

按照数据类型对测试数据进行分类，形成不同数据类型的测试集。

4.根据权利要求1所述的方法，其特征在于，在对预先训练的至少一个翻译模型进行翻译质量评估之前，还包括：

获取所述初始训练语料，并对所述初始训练语料进行预处理，所述预处理包括下述至少一项：数据清洗、数据过滤、符号标准化和分词处理；

根据预处理得到的初始训练语料对各所述翻译模型进行训练。

5.根据权利要求1所述的方法，其特征在于，所述对预先训练的至少一个翻译模型进行翻译质量评估，包括：

根据双语评价研究算法BLEU对各所述翻译模型进行翻译质量评估。

6.根据权利要求1所述的方法，其特征在于，在获取与所述目标数据类型匹配的目标训练语料之后，还包括：

根据所述目标训练语料继续对各所述翻译模型进行训练；

将待翻译的源语种文本数据输入到训练后的目标翻译模型中，得到输出的目标语种文本数据，所述目标翻译模型用于将源语种文本翻译成目标语种文本。