[发明专利]多译本平行语料库的构建系统

摘要

本发明提供了一种多译本平行语料库的构建系统，包括：深度语义相似度计算装置，用于分别计算源语言文本句子与多个译本中每一译本的待匹配句子的深度语义相似度；代表性词典相似度和其他统计信息相似度计算装置；融合匹配度计算装置，用于计算源语言文本句子与多个译本中每一译本的待匹配句子的融合匹配度；语句匹配装置，用于根据融合匹配度，将源语言文本与每一译本进行语句匹配，且匹配时参考源语言文本与所述多个译本中其它译本的融合匹配度；多译本平行语料库构建装置，用于根据匹配结果，构建多译本平行语料库。上述技术方案实现了多译本平行语料库的构建，提高了语料对齐的精确度，通过该方案构建的多译本平行语料库具有鲁棒性。

主权项

1.一种多译本平行语料库的构建系统，其特征在于，包括：深度语义相似度计算装置，用于分别计算源语言文本句子与多个译本中每一译本的待匹配句子的深度语义相似度；代表性词典相似度和其他统计信息相似度计算装置，用于计算源语言文本句子与多个译本中每一译本的待匹配句子的代表性词典相似度和其他统计信息相似度；融合匹配度计算装置，用于根据所述源语言文本句子与多个译本中每一译本的待匹配句子的深度语义相似度、代表性词典相似度和其他统计信息相似度，通过线性回归模型加权计算源语言文本句子与多个译本中每一译本的待匹配句子的融合匹配度；语句匹配装置，用于根据源语言文本句子与多个译本中每一译本的待匹配句子的融合匹配度，将源语言文本与每一译本进行语句匹配，且匹配时参考源语言文本与所述多个译本中其它译本的融合匹配度；多译本平行语料库构建装置，用于根据源语言文本与多个译本的语句匹配结果，构建多译本平行语料库；所述深度语义相似度计算装置包括：词汇向量化装置，用于将源语言文本句子中的词汇转换为向量化词汇，获得源语言文本词汇向量化表示的句子；将多个译本待匹配句子中的词汇转换为向量化词汇，获得多个译本词汇向量化表示的句子；深度压缩编码装置，用于将源语言文本词汇向量化表示的句子进行深度压缩编码，获得源语言文本句子的语义压缩向量；将多个译本词汇向量化表示的句子进行深度压缩编码，获得多个译本句子的语义压缩向量；语义压缩向量对比装置，用于根据所述源语言文本句子的语义压缩向量和多个译本句子的语义压缩向量的对比结果，计算源语言文本句子与多个译本中每一译本的待匹配句子的深度语义相似度。