[发明专利]翻译语料生成方法、装置、计算机设备及存储介质

说明书

本申请公开了一种翻译语料生成方法、装置、计算机设备及存储介质，属于计算机技术领域。所述方法包括：获取待翻译语种的第一内容文本；确定与所述第一内容文本的内容相似度大于目标阈值的第二内容文本，所述第二内容文本为目标语种；显示所述第一内容文本和所述第二内容文本；响应于内容编辑事件，对所述第一内容文本和所述第二内容文本中任一内容文本进行编辑，基于编辑后的内容文本，生成所述待翻译语种与所述目标语种之间的翻译语料。本申请直接向用户提供不同语种且内容相似度较高的第一内容文本和对应的第二内容文本，使得用户只需对两者进行比对，并进行微调即可得到不同语种之间的翻译语料，提高了翻译语料生成的效率。

技术领域

本申请涉及计算机技术领域，尤其涉及一种翻译语料生成方法、装置、计算机设备及存储介质。

背景技术

由于不同语种之间的交流存在障碍，方便、快捷、准确的进行不同语种的翻译成为需求。采用深度学习方法训练得到翻译模型，使用该翻译模型进行不同语种的翻译是一种广泛使用的技术手段，而翻译模型的训练需要大量的翻译语料，如何为模型提供翻译语料成为值得关注的问题。

相关技术中，对于偏冷门的语种，依然需要专业领域的人士对每一句话或每一篇文章进行翻译，并且需要参考翻译字典或第三方翻译工具来辅助翻译。

上述技术在翻译语料的生成过程中，需要人工参考翻译字典或第三方翻译工具来进行不同语种的翻译，且手动输入全部的翻译内容，翻译语料生成的效率低。

发明内容

本申请实施例提供了一种翻译语料生成方法、装置、计算机设备及存储介质，可以提高翻译语料生成的效率。所述技术方案如下：

一方面，提供了一种翻译语料生成方法，所述方法包括：

获取待翻译语种的第一内容文本；

确定与所述第一内容文本的内容相似度大于目标阈值的第二内容文本，所述第二内容文本为目标语种，所述待翻译语种与所述目标语种为不同语种；

显示所述第一内容文本和所述第二内容文本；

响应于内容编辑事件，对所述第一内容文本和所述第二内容文本中的任一内容文本进行编辑；

基于编辑后的内容文本，生成所述待翻译语种与所述目标语种之间的翻译语料。

在一种可能实现方式中，所述响应于内容编辑事件，对所述第一内容文本和所述第二内容文本中的任一内容文本进行编辑之前，所述方法还包括：

对所述语料生成界面进行光学字符识别，得到所述语料生成界面中所述第一内容文本的文本坐标和所述第二内容文本的文本坐标；

基于所述第一内容文本的文本坐标和所述第二内容文本的文本坐标，获取所述第一内容文本的文本信息和所述第二内容文本的文本信息；

基于所述第一内容文本的文本信息和所述第二内容文本的文本信息，在所述语料生成界面的所述第一编辑区域内生成所述第一内容文本，在所述语料生成界面的所述第二编辑区域内生成所述第二内容文本。

在一种可能实现方式中，所述获取待翻译语种的第一内容文本，包括：

根据起始统一资源定位符URL，迭代爬取所述起始URL对应的页面上的至少一个URL，所述页面上的内容文本为所述待翻译语种；

对于当前爬取到的URL，对所述当前爬取到的URL进行解析，得到所述当前爬取到的URL对应的内容文本作为所述第一内容文本。

在一种可能实现方式中，所述基于编辑后的内容文本，生成所述待翻译语种与所述目标语种之间的翻译语料之后，所述方法还包括：

基于所述翻译语料进行训练，得到翻译模型，所述翻译模型用于将所述待翻译语种的内容文本翻译为所述目标语种的内容文本。