文本翻译方法、装置、电子设备和存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114254662A(43)申请公布日2022.03.29(21)申请号202111577763.9(22)申请日2021.12.22(71)申请人科大讯飞股份有限公司地址230088安徽省合肥市高新开发区望江西路666号(72)发明人刘恒双张为泰许瑞阳(74)专利代理机构北京路浩知识产权代理有限公司11002代理人郑朝然(51)Int.Cl.G06F40/58(2020.01)G06F16/35(2019.01)G06F40/30(2020.01)G06K9/62(2022.01)权利要求书2页说明书13页附图4页(54)发明名称文本翻译方法、装置、电子设备和存储介质(57)摘要本发明提供一种文本翻译方法、装置、电子设备和存储介质，所述方法包括：确定源语言文本；基于机器翻译模型，对源语言文本进行类别识别，并基于识别所得的类别对应的翻译参数对源语言文本进行翻译，得到目标语言文本；机器翻译模型基于各类别的样本源语言文本以及样本源语言文本的样本目标语言文本训练得到。本发明提供的文本翻译方法、装置、电子设备和存储介质，采用识别所得的源语言文本类别对应的翻译参数对源语言文本进行翻译，不仅可以保证翻译精度，而且可以避免传统方法中基于大量翻译参数进行计算导致翻译效率较低的问题。CN114254662ACN114254662A权利要求书1/2页1.一种文本翻译方法，其特征在于，包括：确定源语言文本；基于机器翻译模型，对所述源语言文本进行类别识别，并基于识别所得的类别对应的翻译参数对所述源语言文本进行翻译，得到目标语言文本；所述机器翻译模型基于各类别的样本源语言文本以及所述样本源语言文本的样本目标语言文本训练得到。2.根据权利要求1所述的文本翻译方法，其特征在于，所述基于机器翻译模型，对所述源语言文本进行类别识别，并基于识别所得的类别对应的翻译参数对所述源语言文本进行翻译，得到目标语言文本，包括：基于所述机器翻译模型中的文本类别分类参数，对所述源语言文本进行语义类别识别和/或结构类别识别，得到所述源语言文本的语义类别和/或结构类别；基于所述机器翻译模型中与所述语义类别和/或结构类别相对应的难度分类参数，对所述源语言文本进行翻译难度识别，得到所述源语言文本的翻译难度类别；基于所述机器翻译模型中与所述翻译难度类别相对应的翻译参数，对所述源语言文本进行翻译，得到所述目标语言文本。3.根据权利要求2所述的文本翻译方法，其特征在于，所述基于所述机器翻译模型中的文本类别分类参数，对所述源语言文本进行语义类别识别和结构类别识别，得到所述源语言文本的语义类别和结构类别，包括：基于所述机器翻译模型中的上下文编码参数，对所述源语言文本进行上下文编码，得到所述源语言文本的文本特征；基于所述机器翻译模型中的文本类别分类参数，对所述文本特征进行语义类别识别和结构类别识别，得到所述源语言文本的语义类别和结构类别。4.根据权利要求2所述的文本翻译方法，其特征在于，所述基于所述机器翻译模型中与所述翻译难度类别相对应的翻译参数，对所述源语言文本进行翻译，得到所述目标语言文本，包括：基于所述翻译难度类别相对应的翻译参数，对所述源语言文本进行编码，得到所述源语言文本的编码特征；基于所述机器翻译模型中的通用解码参数，对所述编码特征进行解码，得到所述目标语言文本。5.根据权利要求1至4任一项所述的文本翻译方法，其特征在于，所述机器翻译模型基于如下步骤训练得到：确定所述机器翻译模型的初始模型，并基于所述初始模型获取所述样本源语言文本属于各翻译难度类别的预测概率和预测翻译结果；基于所述预测翻译结果和所述样本目标语言文本之间的差异，以及所述样本源语言文本属于各翻译难度类别的预测概率的分布情况，对所述初始模型进行参数迭代，得到所述机器翻译模型。6.根据权利要求5所述的文本翻译方法，其特征在于，所述确定所述机器翻译模型的初始模型，包括：确定所述初始模型的原始模型，并基于所述原始模型获取所述样本源语言文本的预测2CN114254662A权利要求书2/2页类别；基于所述预测类别与所述样本源语言文本的语义类别标签和/或结构类别标签之间的差异，对所述原始模型进行参数迭代，得到所述初始模型。7.根据权利要求5所述的文本翻译方法，其特征在于，所述基于所述预测翻译结果和所述样本目标语言文本之间的差异，以及所述样本源语言文本属于各翻译难度类别的预测概率的分布情况，对所述初始模型进行参数迭代，得到所述机器翻译模型，包括：冻结所述初始模型中的通用参数，基于所述预测翻译结果和所述样本目标语言文本之间的差异，以及所述样本源语言文本属于各翻译难度类别的预测概率的分布情况，对所述初始模型中各翻译难度类别对应的翻译参数进行参数迭代，得到所述机器翻