[发明专利]一种模型训练的方法、翻译的方法以及装置

说明书

本申请涉及人工智能领域，公开了一种模型训练的方法、翻译方法以及装置，其中，模型训练的方法包括：利用第一单语语料对模型进行训练，以获取第一PLM，利用第二单语语料对模型进行训练，以获取第二PLM。基于第一PLM获取第一翻译模型的词向量参数。利用高资源平行语料对第一翻译模型进行训练，以获取训练后的第一翻译模型，根据训练后的第一翻译模型和第二PLM获取第二翻译模型，利用低资源平行语料对第二翻译模型进行训练，以获取训练后的第二翻译模型。本申请提供的方案在训练模型的阶段，同时利用到高资源平行语料、低资源平行语料、第一单语语料和第二单语语料，使训练后的模型在低资源场景下，也具有很好的翻译效果。

技术领域

本申请涉及人工智能技术领域，具体涉及一种模型训练的方法、翻译的方法以及装置。

背景技术

人工智能(artificial intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。

随着AI技术的发展，神经机器翻译(neural machine translation，NMT)模型被广泛应用到日常生活中。NMT模型的训练需要大量的平行语料，因此，NMT模型的顺利运作往往局限于高资源场景，高资源场景是指平行语料丰富的场景，例如，通过NMT模型将英文文献资料翻译成中文文献资料。但是，实际应用中的许多场景是低资源场景，低资源场景是指平行语料缺乏的场景，例如，通过NMT模型对小语种、特定领域(如医学领域、法学领域)的文献等进行翻译。在低资源场景下，NMT模型翻译的效果往往会明显下降，因此，提升NMT模型在低资源场景下的翻译效果亟待解决。

发明内容

本申请实施例提供一种模型训练的方法、翻译方法以及装置，提升NMT模型在低资源场景下的翻译效果。

为达到上述目的，本申请实施例提供如下技术方案：