[发明专利]基于BiLSTM-CNN的英缅双语平行句对抽取方法及装置

摘要

本发明涉及基于BiLSTM‑CNN的英缅双语平行句对抽取方法及装置，属于自然语言处理技术领域。本发明首先通过Muse工具预训练出双语词向量，然后利用缅甸语虚词和助词识别缅语的主谓宾的特点对句子进行功能标记，把每个词的句法结构信息拼接到词向量中，再使用BiLSTM‑CNN对句子中进行编码，把输出概率作为衡量是否为平行句对的条件。并根据上述步骤功能模块化制成基于BiLSTM‑CNN的英缅双语平行句对抽取装置。本发明较传统的双语平行句对识别系统更为简单，实验结果表明该方法及装置在正确率和召回率等指标表现上均优于基线系统，精确率普遍都有所提升。

主权项

1.一种基于BiLSTM‑CNN的英缅双语平行句对抽取方法，其特征在于：所述方法的具体步骤如下：Step1、利用从英缅互译网站爬取的英缅互译文章，通过人工进行筛选并对齐得到2万个平行句对进行双语词向量预训练，得到英‑缅跨语言共享的词嵌入空间，从而再得到英缅双语词向量，让句子表征的语义向量在跨英‑缅语义空间具有相关性；Step2、对句子进行功能标记，把每个词的句法结构信息拼接到词向量中，获取英‑缅的句法差异性；Step3、使用BiLSTM对句子中的每个词信息进行正向和反向的信息传递，得到包含上下文信息的不同时序所产生的特征状态；利用CNN网络表示句子的句法特征，得到该句的语义特征；Step4、通过使用上述步骤得到的语义特征的元素乘积和元素绝对差来捕获源句子和目标句子的语义特征的匹配信息，将匹配信息馈送到全连接层，把输出概率作为衡量是否为平行句对的条件来抽取平行句对。