公开(公告)号：CN115017924A

公开(公告)日：2022-09-06

申请号：CN202210808791.5

申请日：2022-07-11

Applicant: 西南财经大学 ,  喀什地区电子信息产业技术研究院

Inventor： 黄鹂 ,  伍红梅 ,  梁若暄 ,  刘贵松 ,  蒋太翔 ,  殷光强

IPC: G06F40/58 ,  G06F40/279 ,  G06F40/30 ,  G06F40/126 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及属于机器翻译领域，提供了跨语际语言翻译的神经机器翻译模型构建及其翻译方法，适用于各类跨语际语言翻译。在训练时，基于训练子集的源语言语料进行编码，构建融合其上下文依赖关系的文本向量，然后计算得其文本表征；然后，针对该子集逐词进行解码，在每一步，首先融合历次译文文本和源文本获得混合表征，然后基于此进行焦点位置计算，获取当前焦点位置的翻译候选词；通过不同子集，在达到一定的步数后，根据候选词和真值的误差进行迭代训练。翻译方法，同样逐词进行翻译，在每一个翻译步，生成当前步基于焦点位置的翻译候选表示，并利用启发式搜索算法，选择其中全局概率值最大的候选文本作为当前步输出的译文文本，直至翻译完成。

公开(公告)号：CN115017924B

公开(公告)日：2023-11-07

申请号：CN202210808791.5

申请日：2022-07-11

Applicant: 西南财经大学 ,  喀什地区电子信息产业技术研究院

Inventor： 黄鹂 ,  伍红梅 ,  梁若暄 ,  刘贵松 ,  蒋太翔 ,  殷光强

IPC: G06F40/58 ,  G06F40/279 ,  G06F40/30 ,  G06F40/126 ,  G06N3/0499 ,  G06N3/08

Abstract: 本发明涉及属于机器翻译领域，提供了跨语际语言翻译的神经机器翻译模型构建及其翻译方法，适用于各类跨语际语言翻译。在训练时，基于训练子集的源语言语料进行编码，构建融合其上下文依赖关系的文本向量，然后计算得其文本表征；然后，针对该子集逐词进行解码，在每一步，首先融合历次译文文本和源文本获得混合表征，然后基于此进行焦点位置计算，获取当前焦点位置的翻译候选词；通过不同子集，在达到一定的步数后，根据候选词和真值的误差进行迭代训练。翻译方法，同样逐词进行翻译，在每一个翻译步，生成当前步基于焦点位置的翻译候选表示，并利用启发式搜索算法，选择其中全局概率值最大的候选文本作为当前步输出的译文文本，直至翻译完成。