[发明专利]一种面向html标签翻译的机器翻译后处理方法

权利要求书

1.一种面向html标签翻译的机器翻译后处理方法，其特征在于，所述机器翻译后处理方法包括以下步骤：

1)提取带标签的源语言句子中的文本内容；

2)使用机器翻译模型翻译所述源语言句子的文本内容得到机器翻译译文；

3)将带标签的所述源语言句子以及所述机器翻译译文作为html后处理模型的输入，得到带有标签的机器翻译译文。

2.根据权利要求1所述的机器翻译后处理方法，其特征在于，所述步骤1)中：对于输入的带标签的源语言句子，记为S_tag；并使用正则表达式识别S_tag中所有的标签，同时删除所有的标签得到无标签的源语言句子S_{no_tag}。

3.根据权利要求2所述的机器翻译后处理方法，其特征在于，所述步骤2)具体包括：

a)准备平行语料数据(S，T)；

b)利用平行语料训练机器翻译模型MT；

c)步骤a和b可以替换为使用其他现有的商业机器翻译模型；

d)利用机器翻译模型MT将无标签源语言句子S_{no_tag}翻译成无标签译文T_{no_tag}。

4.根据权利要求2所述的机器翻译后处理方法，其特征在于：所述步骤3)中包括：

a)训练html后处理模型；

b)将有标签源语言句子S_tag和无标签译文T_{no_tag}拼接作为输入；

c)利用训练好的后处理模型PE得到有标签译文T_tag。

5.根据权利要求4所述的机器翻译后处理方法，其特征在于：

所述html后处理模型包括：

1)准备平行语料数据(S，T)和短语翻译表数据(S_phrase，T_phrase)；

2)对平行语料数据中的每个句对分别判断每个句对中是否存在一对短语对，并且所述一对短语对只出现一次，若是则在该短语前后分别加上一对随机的标签，得到(S，T，S_tag，T_tag)这样的四元组数据；

3)对四元组数据按照节点对应关系进行过滤：若源语言S中的短语S_phrase包含一个子短语，而目标句对应的T_phrase没有对应的子短语，则删除该数据；

4)将四元组数据中的S_tag和T拼接起来作为html后处理模型的输入，T_tag作为html后处理模型的训练目标训练后处理模型PE。