[发明专利]一种基于注意力机制的XML文档翻译及评价方法

权利要求书

1.一种基于注意力机制的XML文档翻译及评价方法，XML文档至少包括XML标签和待翻译的句子，其特征在于：使用标签区分不同句子之间的关系，包括以下步骤：

1)采用基于自注意力机制的翻译模型，使用多头注意力机制、Beam Search搜索策略技术进行模型训练；

2)利用公开数据集，构建基于XML语言的平行语料库，增加标签的种类和属性，提高构建语料的真实度、丰富度和复杂度，利用分词开源工具，对源语和目标语句子进行分词，构建词表，并且将得到的相应词由独热向量转换成词嵌入向量；

3)构建XML文档预处理系统，判断并设置各种标签类型下句子是否需要翻译，用不同的符号记录选择，将需要翻译的XML句子中的标签替换成统一符号；

4)构建XML文档后处理系统，将翻译模型生成的句子中的统一符号还原成输入文件对应的标签；

5)构建XML文档翻译质量评价系统，对模型翻译的句子的标签内容和数量的准确率，句子翻译质量和标签在句子中的位置是否正确，进行评价。

2.按权利要求1所述的基于注意力机制的XML文档翻译及评价方法，其特征在于：在步骤2)中，利用公开数据集构建基于XML语言的平行语料库，增加标签的种类和属性，提高构建语料的真实度、丰富度和复杂度，具体步骤为：

201)选择和获取双语公开数据集；

202)根据XML语法规则，构建基本的XML双语数据；

203)调查XML标签和属性特点，增强XML双语数据的真实度，丰富度和复杂度；

204)从所构建的语料中，抽取少部分当作测试集和验证集。

3.按权利要求1所述的基于注意力机制的XML文档翻译及评价方法，其特征在于：步骤3)中，构建XML文档预处理系统具体步骤为：

301)构建过滤器，过滤不需要翻译的标签及标签中的内容，将此部分内容，用标签统一替代；

302)构建用户词典，将XML文件中待翻译的句子中的标签存储到用户词典中。

4.按权利要求1所述的基于注意力机制的XML文档翻译及评价方法，其特征在于：步骤4)中，将翻译模型生成的句子中的统一符号还原成输入文件对应的标签，具体步骤为：

401)将标签恢复为原始内容；

402)根据用户词典，恢复XML标签。

5.按权利要求1所述的基于注意力机制的XML文档翻译及评价方法，其特征在于：步骤5)中，XML文档翻译质量评价系统，通过从不同角度评价模型翻译质量，帮助完善XML文档的后续翻译，其具体步骤为：

501)通过计数和内容比较评估句子中标签的内容和数量的准确度；

502)用bleu评估句子的翻译质量；

503)用基于词向量的词对齐系统，评估标签位置的准确度。