[发明专利]平行语料获取方法、装置、电子设备、及存储介质在审
| 申请号： | 202010130436.8 | 申请日： | 2020-02-28 |
| 公开（公告）号： | CN111368561A | 公开（公告）日： | 2020-07-03 |
| 发明（设计）人： | 曹军;李磊;王明轩;朱培豪 | 申请（专利权）人： | 北京字节跳动网络技术有限公司 |
| 主分类号： | G06F40/58 | 分类号： | G06F40/58;G06F40/216;G06F40/279;G06F40/263;G06F40/253;G06F40/242 |
| 代理公司： | 北京远智汇知识产权代理有限公司 11659 | 代理人： | 范坤坤 |
| 地址： | 100041 北京市石景山区*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本公开实施例公开了一种平行语料获取方法、装置、电子设备、及存储介质。该方法包括：获取目标文档内的文本数据；对文本数据进行语种检测，若文本数据包括至少两个语种，则保留所述文本数据；检测保留的文本数据中，各语种的词汇分布比例，若词汇分布比例最高的第一语种和第二语种的词汇分布比例均大于预定比例阈值，则保留所检测的文本数据；从保留的所检测的文本数据中抽取第一语种的语句作为第一语句集，以及抽取第二语种的语句作为第二语句集，将所述第一语句集和所述第二语句集进行语句对齐，以及确定对齐度大于预定对齐度阈值的语句对作为平行语料。能够自动从海量文档中获取大量平行语料数据,能够基于所获取的平行语料数据训练更精准的翻译模型。 | ||
| 搜索关键词： | 平行 语料 获取 方法 装置 电子设备 存储 介质 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京字节跳动网络技术有限公司，未经北京字节跳动网络技术有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202010130436.8/，转载请声明来源钻瓜专利网。
