[发明专利]篇章翻译网络的数据增强方法

说明书

本发明提供了篇章翻译网络的数据增强方法，该篇章翻译网络的数据增强方法利用NLU领域生成网络生成相应的篇章翻译数据，其能够丰富篇章数据的数据量和提高篇章数据的质量，以此改善篇章翻译网络的翻译效果；此外，该数据增强方法还通过篇章翻译网络这一上下文关联功能模块，将上下文信息有效地和精准地引入到翻译过程中，从而最大限度地提高翻译结果的忠实度和准确度。

技术领域

本发明涉及篇章数据处理的技术领域，特别涉及篇章翻译网络的数据增强方法。

背景技术

人工智能技术已经广泛应用于不同工作场合中，其特别对语言翻译场合具有重要的影响。目前，在人工智能翻译任务实现中，常用的翻译模式是通过句级别的双语语料来训练翻译网络模型，但是在实际操作过程中，由于缺乏上下文关联信息，容易出现翻译结果忠实度和准确度低下的情况。虽然，从网络爬取能得到篇章翻译的数据，但是若篇章翻译数据的数据量不足够，而且无法保证与句级别双语语料同源，这会使得就算有篇章数据，也无法提升翻译效果，即篇章数据的质量会直接影响翻译效果。可见，篇章数据的质量对应翻译结果的忠实度和准确度具有至关重要的作用。

发明内容

针对现有技术存在的缺陷，本发明提供篇章翻译网络的数据增强方法，该篇章翻译网络的数据增强方法包括根据关于源语言的源语料S1和目标语料S2对关于NLU领域的生成网络和训练篇章网络进行训练，以此生成相应的源生成网络模型M1、目标生成网络模型M2和初级篇章翻译网络模型M4，再通过该源生成网络模型M1和该目标生成网络模型M2将该源语料S1和该目标语料S2转换成源篇章数据C1和目标篇章数据C2，最后基于该源篇章数据C1和该目标篇章数据C2对该初级篇章翻译网络模型M4训练，以此生成期望篇章翻译网络模型M5；可见，该篇章翻译网络的数据增强方法利用NLU领域生成网络生成相应的篇章翻译数据，其能够丰富篇章数据的数据量和提高篇章数据的质量，以此改善篇章翻译网络的翻译效果；此外，该数据增强方法还通过篇章翻译网络这一上下文关联功能模块，将上下文信息有效地和精准地引入到翻译过程中，从而最大限度地提高翻译结果的忠实度和准确度。

本发明提供篇章翻译网络的数据增强方法，其特征在于，所述篇章翻译网络的数据增强方法包括如下步骤：

步骤T1，根据关于源语言的源语料S1和目标语料S2对预设生成网络进行训练，以此对应得到源生成网络模型M1和目标生成网络模型M2；

步骤T2，通过所述源语料S1和所述目标语料S2，使用2步法对篇章翻译网络进行训练，以此得到翻译模型M3，再根据所述翻译模型M3，生成初级篇章翻译网络模型M4；

步骤T3，通过所述源生成网络模型M1和所述目标生成网络模型M2，分别将所述源语料S1和所述目标语料S2转换成源篇章数据C1和目标篇章数据C2；

步骤T4，通过所述源篇章数据C1和所述目标篇章数据C2，对所述初级篇章翻译网络模型M4进行处理，以此生成期望篇章翻译网络模型M5；

进一步，在所述步骤T1中，根据关于源语言的源语料S1和目标语料S2对预设生成网络进行训练，以此对应得到源生成网络模型M1和目标生成网络模型M2具体包括，

步骤T101，根据所述源语料S1，对关于NLU领域的生成网络进行第一单语训练；

步骤T102，根据所述目标语料S2，对关于NLU领域的生成网络进行第二单语训练；

步骤T103，根据所述第一单语训练和所述第二单语训练的结果，以此得到所述源生成网络模型M1和所述目标生成网络模型M2；

进一步，在所述步骤T101中，根据所述源语料S1，对关于NLU领域的生成网络进行第一单语训练具体包括，

将所述源语料S1进行单语形式摘选，以此获得单语源语料，再根据所述单语源语料对关于GPT或者GPT-2的生成网络进行所述第一单语训练；

或者，