[发明专利]基于降噪原型序列的汉越神经机器翻译方法

权利要求书

1.基于降噪原型序列的汉越神经机器翻译方法，其特征在于：所述方法的具体步骤如下：

Step1、将汉语-越南语平行语料、越南语候选句子库进行分词处理，并利用Underthesea-Vietnam NLP工具构建越南语单语词典；

Step2、将词粒度的汉语句子、子词粒度越南语候选句子通过两个编码器映射到向量空间，利用跨语言相似性检索出子词粒度的目标端原型序列，并在音节粒度的候选句子库中对照出音节粒度的目标端原型序列；

Step3、对子词级原型序列进行粒度还原，再依据构建好的实体词典做噪声掩盖，之后依据原型序列与源端的相似性以及稀有词词频对其进行权重分配，赋予原型序列参考价值；

Step4、将处理好的原型序列作为模板信息，应用在双编码器-单解码器结构，指导翻译任务。

2.根据权利要求1所述的基于降噪原型序列的汉越神经机器翻译方法，其特征在于：所述Step1的具体步骤为：

Step1.1、利用Jieba分词工具对汉语语料进行分词，得到词粒度的汉语句子x，构建汉语词语表；

Step1.2、利用subword-nmt工具对越南语、候选句子库进行分词，得到子词粒度的越南语句子s以及音节粒度的越南语句子，构建越南语词语表；

Step1.3、随后，利用Underthesea-Vietnam NLP工具识别出越南语候选句子库当中的人名、地名、数字，构建出实体词典。

3.根据权利要求1所述的基于降噪原型序列的汉越神经机器翻译方法，其特征在于：所述Step2的具体步骤为：

Step2.1、将词粒度的汉语句子x输入编码器，得到高维向量E_x；将子词粒度的越南语句子s输入编码器，得到高维向量E_s，x与s之间的相关性分数通过计算得出：

按照分数r(x_i，s_i)筛选出与第i个源语言句子x_i相关性高的前3个子词粒度的目标语言句子作为目标端语言原型序列S＝{s_j，1，s_j，2，s_j，3}；

Step2.2、依据子词粒度的目标端语言原型序列S在音节粒度的候选句子库中对照出音节粒度的原型序列S₁。