[发明专利]融入双语词典的无监督汉-越神经机器翻译方法

权利要求书

1.融入双语词典的无监督汉-越神经机器翻译方法，其特征在于：所述方法包括：

Step1、分别收集汉语、越南语、英语的单语语料，并将收集到的语料进行预处理；

Step2、利用基于英语枢轴的方法从单语中学习汉越双语词典；

Step3、利用Step2构建的汉越双语词典初始化翻译模型；

Step4、利用Step3训练的翻译模型，翻译单语句子，然后对翻译的句子加噪，训练栈式自编码器，目标函数使模型能够更好学习编码器和解码器；

Step5、将通过训练学习到的编码器和解码器的参数给翻译模型，进一步来完成迭代，以提高翻译模型的性能。

2.根据权利要求1所述的融入双语词典的无监督汉-越神经机器翻译方法，其特征在于：所述步骤Step1的具体步骤为：

Step1.1、通过编写网络爬虫程序，收集整理汉语、越南语、英语单语语料；

Step1.2、将网络上爬取的语料进行过滤、去重、删除较短语句操作，得到高质量的单语句子；

Step1.3、利用分词工具分别对三种单语语料进行分词处理。

3.根据权利要求1所述的融入双语词典的无监督汉-越神经机器翻译方法，其特征在于：所述步骤Step2的具体步骤为：

Step2.1、利用基于种子词典的方法将汉越词向量分别对齐到英语词向量空间；

Step2.2、在英语词向量共享空间中通过对抗网络学习汉越词向量之间的映射关系；

Step2.3、通过计算映射后的源语言词向量和目标语言词向量抽取汉-越词向量，构建汉-越双语词典。

4.根据权利要求1所述的融入双语词典的无监督汉-越神经机器翻译方法，其特征在于：所述步骤Step3的具体步骤为：

Step3.1、在只使用单语语料的无监督机器翻译的基础上，使用汉越双语词典初始化翻译模型，学习到一个汉越词翻译模型，使得翻译结果比原词翻译模型具有更强的挖掘汉语、越南语单语语料中的跨语言信息的能力。

5.根据权利要求1所述的融入双语词典的无监督汉-越神经机器翻译方法，其特征在于：所述步骤Step4的具体步骤为：

Step4.1、利用训练好的词翻译模型翻译单语句子，并对翻译的句子进行加噪声处理；

Step4.2、使用翻译后加噪处理的句子训练栈式自编码器，目标函数使模型能够更好学习编码器和解码器，使得它们能够从加噪的翻译中重构原句。

6.根据权利要求1所述的融入双语词典的无监督汉-越神经机器翻译方法，其特征在于：所述步骤Step5的具体步骤为：

Step5.1、通过加噪训练的栈式去噪自编码器将学习到的编码器和解码器的参数反馈给翻译模型，再次进行Step4的过程，进一步来完成迭代，以提高翻译模型的性能。

7.根据权利要求3所述的融入双语词典的无监督汉-越神经机器翻译方法，其特征在于：所述Step2.1中，将源句子与目标句子分别输入Fasttext模型中得到各自的词向量，将基于种子词典的方法分别学习汉-英、越-英的映射矩阵，将汉语词向量以及英语词向量分别对齐到英语词向量共享空间中，得到汉-英词向量以及越-英词向量，分别重新定义为源词向量以及目标词向量。

8.根据权利要求3所述的融入双语词典的无监督汉-越神经机器翻译方法，其特征在于：所述Step2.2中，将构建一个包含生成器G与判别器D的对抗网络，将源词向量输入对抗网络，调节源语言词向量到目标语言词向量的映射矩阵，在英语词向量共享空间中，将映射后的源语言词向量与目标语言词向量输入判别器D，判别词向量来源，将不断迭代生成器G与判别器D模型参数，通过无监督选择标准获取一个模型。

9.根据权利要求3所述的融入双语词典的无监督汉-越神经机器翻译方法，其特征在于：所述Step2.3中，通过NN/CSLS距离公式计算映射后的源语言词向量与目标语言词向量抽取汉-越词向量构建汉-越双语词典。