[发明专利]文本翻译方法、装置、存储介质和计算机设备

权利要求书

1.一种文本翻译方法，包括：

获取源文本的词序列、以及与所述源文本对应的篇章文本；所述源文本为指代词缺略文本；

通过机器翻译模型中的编码器，对所述源文本的词序列进行语义编码，得到源端向量序列；

通过所述机器翻译模型中的解码器，对所述源端向量序列进行解码处理，得到多于一组的候选译文、各所述候选译文对应的目标端向量序列、及各所述候选译文对应的翻译得分；

通过所述机器翻译模型中的重构器，将所述词序列和所述源端向量序列，与各所述目标端向量序列分别进行重构处理，得到与各所述候选译文分别对应的重构隐层向量序列；所述重构隐层向量序列包括所述源文本所缺少的指代词的词信息；

对所述篇章文本进行编码处理得到篇章向量，并通过所述重构器将所述篇章向量与各所述重构隐层向量序列分别进行融合，得到与各所述候选译文分别对应的第一融合向量序列；

通过所述重构器将所述源文本的词序列，与各所述第一融合向量序列分别进行重构评估处理，得到与各所述候选译文分别对应的重构得分；

对各所述候选译文分别对应的翻译得分和重构得分进行加权求和，得到对应的综合得分，从所述候选译文中筛选相应综合得分满足预设条件的目标译文；

其中，所述机器翻译模型通过以下步骤训练得到：

获取样本源文本、与所述样本源文本对应的样本篇章文本、参考目标译文、以及与所述样本源文本对应的标注词序列；所述标注词序列是对所述样本源文本进行缺略词标注处理所得到的词序列；

将所述样本源文本输入机器翻译模型中进行训练，得到预测目标译文；

依据所述参考目标译文和预测目标译文构建最大似然函数；

通过所述机器翻译模型，获取与所述样本源文本对应的源端样本向量序列、以及目标端样本向量序列；

依据所述样本源文本，对所述源端样本向量序列、以及目标端样本向量序列进行重构处理，得到样本重构隐层向量序列；

对所述样本篇章文本进行编码处理，得到样本篇章向量，融合所述样本篇章向量和所述样本重构隐层向量序列，得到样本融合向量序列；

依据所述样本源文本、所述样本融合向量序列、所述源端样本向量序列、以及所述目标端样本向量序列构建重构评估函数；

依据所述标注词序列和所述样本融合向量序列，构建词序列标注损失函数，所述词序列标注损失函数用于辅助机器翻译模型的重构器学习关于缺略词的标注信息；

根据所述最大似然函数、所述重构评估函数和所述词序列标注损失函数，确定目标函数；

将所述目标函数最大化时的模型参数作为机器翻译模型的模型参数，返回所述将所述样本源文本输入机器翻译模型中进行训练，得到预测目标译文的步骤并继续训练，直至满足训练停止条件时停止训练。

2.根据权利要求1所述的方法，其特征在于，所述对所述篇章文本进行编码处理得到篇章向量，包括：

确定所述篇章文本所包括的整句；

对各整句分别进行分词处理，得到各整句各自对应的词序列；

对各整句各自对应的词序列分别进行词级编码处理，得到与各整句分别对应的句子向量序列；

将与各整句分别对应的句子向量序列进行句子级编码处理，得到与所述篇章文本对应的篇章向量。

3.根据权利要求1所述的方法，其特征在于，所述对所述源端向量序列进行解码处理，得到多于一组的候选译文、各所述候选译文对应的目标端向量序列、及各所述候选译文对应的翻译得分，包括：

依次对所述源端向量序列进行解码得到目标端向量，且每次解码时根据前次确定的候选词的词向量进行解码，并根据当次的目标端向量确定当次的多于一个的候选词；

将依次解码得到的各候选词，按所述候选词的生成时序，拼接得到多于一组的候选译文；

通过构成各候选译文的候选词所对应的目标端向量，确定与各候选译文分别对应的目标端向量序列；

根据所述源端向量序列、历史解码得到的候选词、及历史解码得到的目标端向量序列，确定与各候选词对应的翻译得分；

依据构成各所述候选译文的各候选词所对应的翻译得分，计算得到与各所述候选译文对应的翻译得分。