[发明专利]翻译质量测评方法及装置在审

专利信息
申请号: 201910422427.3 申请日: 2019-05-21
公开(公告)号: CN111985251A 公开(公告)日: 2020-11-24
发明(设计)人: 黄书剑;侯琦;何亮;戴新宇;张建兵;陈家骏 申请(专利权)人: 南京大学
主分类号: G06F40/51 分类号: G06F40/51;G06N3/04;G06N3/08
代理公司: 北京林达刘知识产权代理事务所(普通合伙) 11277 代理人: 刘新宇
地址: 210023 江苏省南京市*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 翻译 质量 测评 方法 装置
【权利要求书】:

1.一种翻译质量测评方法,其特征在于,所述方法包括:

接收待测评的目标语言语句和对应的源语言语句;

获取所述源语言语句的特征信息和所述目标语言语句的特征信息;

对所述源语言语句的特征信息和所述目标语言语句的特征信息进行处理,得到测评信息。

2.如权利要求1所述的一种翻译质量测评方法,其特征在于,获取所述源语言语句的特征信息和所述目标语言语句的特征信息包括:

对所述目标语言语句和所述源语言语句进行处理,得到所述目标语言语句的特征信息,以及得到所述源语言语句的特征信息。

3.如权利要求1或2所述的一种翻译质量测评方法,其特征在于,所述源语言语句的特征信息包括所述源语言语句对应的特征向量表示,所述目标语言语句的特征信息包括所述目标语言语句对应的特征向量表示。

4.如权利要求3所述的一种翻译质量测评方法,其特征在于,对所述源语言语句的特征信息和所述目标语言语句的特征信息进行处理,得到测评信息包括:

将所述源语言语句对应的特征向量表示和所述目标语言对应的特征向量表示输入测评神经网络,经所述测评神经网络处理后输出所述测评信息。

5.如权利要求4所述的一种翻译质量测评方法,其特征在于,获取所述源语言语句的特征信息和所述目标语言语句的特征信息包括:

将所述源语言语句和所述目标语言语句输入神经网络,经所述神经网络处理后输出所述源语言语句对应的特征向量表示和所述目标语言语句对应的特征向量表示。

6.如权利要求5所述的一种翻译质量测评方法,其特征在于,将所述源语言语句和所述目标语言语句输入神经网络,经所述神经网络处理后输出所述源语言语句对应的特征向量表示和所述目标语言语句对应的特征向量表示包括:

将所述源语言语句和所述目标语言语句输入第一神经网络,经所述第一神经网络处理后输出所述源语言语句对应的特征向量表示;

将所述源语言语句和所述目标语言语句输入第二神经网络,经所述第二神经网络处理后输出所述目标语言语句对应的特征向量表示。

7.如权利要求6所述的一种翻译质量测评方法,其特征在于,所述第一神经网络为目标语言到源语言的翻译神经网络,所述第一神经网络包括预先采用源语言和目标语言二者对应的平行语料训练得到;

所述第二神经网络为源语言到目标语言的翻译神经网络,所述第二神经网络包括预先采用源语言和目标语言二者对应的平行语料训练得到。

8.如权利要求5所述的一种翻译质量测评方法,其特征在于,将所述源语言语句和所述目标语言语句输入神经网络,经所述神经网络处理后输出所述源语言语句对应的特征向量表示和所述目标语言语句对应的特征向量表示包括:

将所述源语言语句和所述目标语言语句输入具有自注意力层的神经网络,经所述具有自注意力层的神经网络处理后输出所述源语言语句对应的特征向量表示和所述目标语言语句对应的特征向量表示。

9.如权利要求8所述的一种翻译质量测评方法,其特征在于,所述具有自注意力层的神经网络包括预先采用源语言的单语语料和目标语言的单语语料训练得到,或预先采用源语言和目标语言二者对应的平行语料训练得到。

10.如权利要求5所述的一种翻译质量测评方法,其特征在于,将所述源语言语句和所述目标语言语句输入神经网络,经所述神经网络处理后输出所述源语言语句对应的特征向量表示和所述目标语言语句对应的特征向量表示包括:

将所述源语言语句输入第三神经网络,经所述第三神经网络处理后输出所述源语言语句对应的新目标语言语句;

将所述新目标语言语句和待测评的所述目标语言语句输入具有自注意力层的神经网络,经所述具有自注意力层的神经网络处理后输出所述源语言语句的特征向量表示和所述目标语言语句的特征向量表示。

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南京大学,未经南京大学许可,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/pat/books/201910422427.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top