[发明专利]一种领域数据获取方法、机器翻译方法及相关设备

权利要求书

1.一种领域数据获取方法，其特征在于，包括：

获取通用领域的训练语料集和指定领域的初始训练语料集；

利用所述通用领域的训练语料集建立通用翻译模型；

基于所述通用翻译模型和所述指定领域的初始训练语料集，确定所述通用领域的训练语料集中训练语料对应的第一目标值，其中，一条训练语料对应一第一目标值，所述第一目标值能够表征对应的训练语料与所述指定领域的匹配程度；

基于所述通用领域的训练语料集中训练语料对应的第一目标值，从所述通用领域的训练语料集中筛选所述指定领域的训练语料。

2.根据权利要求1所述的领域数据获取方法，其特征在于，还包括：

利用所述通用领域的训练语料集建立通用语言模型，并利用所述指定领域的初始训练语料集建立领域语言模型；

基于所述通用语言模型和所述领域语言模型，确定所述通用领域的训练语料集中训练语料对应的第二目标值，其中，一条训练语料对应一第二目标值，所述第二目标值能够表征对应的训练语料与所述指定领域的相关程度；

所述基于所述通用领域的训练语料集中训练语料对应的第一目标值，从所述通用领域的训练语料集中筛选所述指定领域的训练语料，包括：

以所述通用领域的训练语料集中训练语料对应的第一目标值和第二目标值为依据，从所述通用领域的训练语料集中筛选出所述指定领域的训练语料。

3.根据权利要求1所述的领域数据获取方法，其特征在于，所述确定所述通用领域的训练语料集中训练语料对应的第一目标值，包括：

利用所述通用领域的训练语料集建立通用语言模型，并利用所述指定领域的初始训练语料集建立领域语言模型；

基于所述通用语言模型和所述领域语言模型，确定所述通用领域的训练语料集中训练语料对应的第二目标值，其中，一条训练语料对应一第二目标值，所述第二目标值能够表征对应的训练语料与所述指定领域的相关程度；

以所述通用领域的训练语料集中训练语料对应的第二目标值为依据，从所述通用领域的训练语料集中筛选候选训练语料；

确定筛选出的每条候选训练语料对应的第一目标值；

所述基于所述通用领域的训练语料集中训练语料对应的第一目标值，从所述通用领域的训练语料集中筛选所述指定领域的训练语料，包括：

以筛选出的每条候选训练语料对应的第一目标值为依据，从筛选出的候选训练语料中筛选出所述指定领域的训练语料。

4.根据权利要求1所述的领域数据获取方法，其特征在于，基于所述通用翻译模型和所述指定领域的初始训练语料集，确定所述通用领域的训练语料集中一目标训练语料对应的第一目标值，包括：

确定所述指定领域的初始训练语料集中每条训练语料在所述通用翻译模型上的梯度；

计算所述指定领域的初始训练语料集中各条训练语料在所述通用翻译模型上的梯度的平均值，作为领域梯度平均值；

确定所述目标训练语料在所述通用翻译模型上的梯度；

计算所述目标训练语料在所述通用翻译模型上的梯度与所述领域梯度平均值的距离，作为所述目标训练语料对应的第一目标值。

5.根据权利要求2或3所述的领域数据获取方法，其特征在于，所述通用领域的训练语料集中的每条训练语料和所述指定领域的初始训练语料集中的每条训练语料均包括：源语言文本和对应的目标语言文本；

所述利用所述通用领域的训练语料集建立通用语言模型，并利用所述指定领域的初始训练语料集建立领域语言模型，包括：

利用所述通用领域的训练语料集中的源语言文本训练语言模型，训练得到的语言模型作为源语言端通用语言模型；

利用所述通用领域的训练语料集中的目标语言文本训练语言模型，训练得到的语言模型作为目标语言端通用语言模型；

利用所述指定领域的初始训练语料集中的源语言文本训练语言模型，训练得到的语言模型作为源语言端领域语言模型；

利用所述指定领域的初始训练语料集中的目标语言文本训练语言模型，训练得到的语言模型作为目标语言端领域语言模型。