[发明专利]短语对提取方法、装置、电子设备及可读存储介质

说明书

本申请提供一种短语对提取方法、装置、电子设备及可读存储介质，所述方法包括：获取源语言文本以及所述源语言文本对应的目标语言文本；从所述源语言文本和所述目标语言文本中提取至少一个候选短语对，每个所述候选短语对中包括一个源语言候选短语和一个目标语言候选短语，所述源语言候选短语和所述目标语言候选短语的语义相同；对所述至少一个候选短语对进行筛选，得到至少一个目标短语对。该方法能够自动从源语言文本和目标语言文本中提取出实际所需要的目标短语对，将该方法应用于基于神经网络的机器翻译系统时，能够使得机器翻译系统的效率得到极大提升。

技术领域

本申请涉及计算机技术，尤其涉及一种短语对提取方法、装置、电子设备及可读存储介质。

背景技术

随着科技的发展以及全球化进程的推进，语言成为来自不同国家及地区的人与人之间交流的主要障碍。机器翻译致力于对不同语言进行互译，帮助人们理解不同的语言。机器翻译可以广泛应用于各个领域，比如翻译器、同声传译、辅助翻译等。基于神经网络的机器翻译，是一种重要的机器翻译技术，该技术相比传统的翻译技术，能够实现更好的翻译效果。

基于神经网络的机器翻译系统在神经网络训练过程中，需要使用大量的双语语料，这些双语语料可以包括特定领域中的双语短语对。现有技术中，需要使用人工方式从大量的双语句对中提取出双语短语对。

但是，现有技术的方法会导致基于神经网络的机器翻译系统的效率低下。

发明内容

本申请提供一种短语对提取方法、装置、电子设备及可读存储介质，所述技术方案如下。

本申请第一方面提供一种短语对提取方法，包括：

获取源语言文本以及所述源语言文本对应的目标语言文本；

从所述源语言文本和所述目标语言文本中提取至少一个候选短语对，每个所述候选短语对中包括一个源语言候选短语和一个目标语言候选短语，所述源语言候选短语和所述目标语言候选短语的语义相同；

对所述至少一个候选短语对进行筛选，得到至少一个目标短语对。

进一步的，所述对所述至少一个候选短语对进行筛选，得到至少一个目标短语对，包括：

对所述源语言文本和所述目标语言文本分别进行句法分析，得到至少一个源语言短语和至少一个目标语言短语；

根据所述至少一个源语言短语、所述至少一个目标语言短语以及所述至少一个候选短语对，确定所述至少一个目标短语对。

进一步的，所述根据所述至少一个源语言短语、所述至少一个目标语言短语以及所述至少一个候选短语对，确定所述至少一个目标短语对，包括：

若所述候选短语对中的所述源语言候选短语属于所述源语言短语，或者，所述候选短语对中的所述目标语言候选短语属于所述目标语言短语，则将所述候选短语对作为所述目标短语对。

进一步的，所述根据所述至少一个源语言短语、所述至少一个目标语言短语以及所述至少一个候选短语对，确定所述至少一个目标短语对，包括：

若所述候选短语对中的所述源语言候选短语属于所述源语言短语，或者，所述候选短语对中的所述目标语言候选短语属于所述目标语言短语，则根据所述候选短语对的使用频率和/或翻译得分，确定所述目标短语对。

进一步的，所述根据所述候选短语对的使用频率和/或翻译得分，确定所述目标短语对，包括：

若所述候选短语对的使用频率小于预设频率阈值，和/或，所述候选短语对的翻译得分小于预设分数，则将所述候选短语对作为所述目标短语对。

进一步的，所述根据所述至少一个源语言短语、所述至少一个目标语言短语以及所述至少一个候选短语对，确定所述至少一个目标短语对之前，还包括：