[发明专利]基于深度学习的文本翻译方法、装置、设备及存储介质

说明书

本发明涉及人工智能领域，公开了一种基于深度学习的文本翻译方法、装置、设备及存储介质，用于对待翻译文本进行词嵌入和位置编码处理，得到位置向量，调用预置的编码器和预置的解码器，对位置向量进行编码和解码处理，提高了翻译文本的准确率。基于深度学习的文本翻译方法包括：获取待翻译文本，对待翻译文本进行词嵌入和位置编码处理，得到位置向量；调用预置的编码器，对位置向量进行编码处理，得到初始特征向量；调用预置的解码器，对初始特征向量进行解码处理，得到目标特征向量；对目标特征向量进行线性变换，将线性变换结果映射到预置的对数几率向量中，确定目标文本。此外，本发明还涉及区块链技术，目标文本可存储于区块链节点中。

技术领域

本发明涉及深度学习领域，尤其涉及一种基于深度学习的文本翻译方法、装置、设备及存储介质。

背景技术

机器翻译是指用计算机将源语言翻译成目标语言，机器翻译是人工智能的终极目标之一，其发展已经历了多个不同的阶段：早期是基于规则的翻译方法，然后是基于统计的翻译方法，近期是基于深度学习的翻译方法，基于深度学习的翻译方法使机器翻译的质量大大的提升。

基于规则的翻译系统需要由语言学家编写两种语言之间的转换规则，然后将这些规则录入计算机，基于规则的方法对语言学家的要求非常高，并且每一种语言的规则不一样，编写的规则无法在多种语言之间通用，比较繁琐，基于统计的机器翻译的转化规则是由机器自动从大规模的语料中学习得到的，而非人工主动提供的规则，但仍然无法覆盖所有的语言，难以利用全局的特征，许多数据预处理的环节错误率高，导致翻译文本的准确率低下。

发明内容

本发明提供了一种基于深度学习的文本翻译方法、装置、设备及存储介质，用于对待翻译文本进行词嵌入和位置编码处理，得到位置向量，调用预置的编码器和预置的解码器，对位置向量进行编码和解码处理，提高了翻译文本的准确率。

本发明第一方面提供了一种基于深度学习的文本翻译方法，包括：获取待翻译文本，对所述待翻译文本进行词嵌入和位置编码处理，得到位置向量；调用预置的编码器，对所述位置向量进行编码处理，得到初始特征向量，所述编码器为基于自注意力机制的深度学习网络的编码器；调用预置的解码器，对所述初始特征向量进行解码处理，得到目标特征向量，所述解码器为基于自注意力机制的深度学习网络的解码器；对所述目标特征向量进行线性变换，得到线性变换结果，将所述线性变换结果映射到预置的对数几率向量中，根据所述对数几率向量确定目标文本。

可选的，在本发明第一方面的第一种实现方式中，所述获取待翻译文本，对所述待翻译文本进行词嵌入和位置编码处理，得到位置向量包括：获取待翻译文本，对所述待翻译文本进行独热编码处理，得到目标独热编码向量集，调用预置的嵌入模型，将所述目标独热编码向量集映射为预设维度的矩阵，得到目标维度矩阵向量集；调用预置的位置编码函数，确定所述目标维度矩阵向量集中每个单词的位置信息，得到位置向量。

可选的，在本发明第一方面的第二种实现方式中，所述获取待翻译文本，对所述待翻译文本进行独热编码处理，得到目标独热编码向量集，调用预置的嵌入模型，将所述目标独热编码向量集分别映射为预设维度的矩阵，得到目标维度矩阵向量集包括：获取待翻译文本，识别所述待翻译文本中的目标标点符号，根据所述目标标点符号，对所述待翻译文本进行分句处理，得到多个子文本；对每一个子文本中的每一个单词进行独热编码，得到每一个子文本对应的独热编码向量集，并将所有子文本对应的独热编码向量集确定为目标独热编码向量集；调用预置的嵌入模型构建预设维度的矩阵，得到目标维度矩阵，通过所述目标维度矩阵，对所述目标独热编码向量集进行映射，得到目标维度矩阵向量集。