[发明专利]机器翻译方法及装置

说明书

技术领域

本发明涉及通信技术，尤其涉及一种机器翻译方法及装置。

背景技术

机器翻译是利用计算机将一种自然语言翻译为另一种自然目标语言的过程，用户在互联网上的翻译软件或翻译网页输入待翻译的源语言可以得到翻译后的语言，例如：输入汉字“中国”，得到英文翻译“China”。

现有技术中，计算机接收到用户输入的待翻译的内容后，将句子拆分为短语，通过检索大型双语平行语料库中存储的短语的翻译结果，得到短语的翻译结果，将短语的翻译结果组合排序后得到翻译的结果。

采用现有技术，机器翻译结果依赖双语平行语料库的质量和规模，机器翻译的效率不高。

发明内容

本发明提供一种机器翻译方法及装置，提高了机器翻译的效率。

本发明提供一种机器翻译方法，包括：

从第一语句中获取第一短语集合，所述第一短语集合包括所述第一语句中连续的n元短语；

从第一语料库中获取第二短语集合，所述第二短语集合包括所述第一语料库中的所有n元短语，所述第一语料库为可比较语料库；

通过自动对齐算法从第二短语集合中获取第三短语集合，所述第三短语集合中的短语对所述第一短语集合中的短语的第一翻译关系包括：一对一、一对多和/或多对多；

通过所述第一翻译关系从所述第三短语集合中获取第二语句，所述第二语句为所述第一语句的翻译结果。

在本发明一实施例中，所述第一语料库包括：所述第一语句所使用的语言和所述第二语句所使用的语言互译的网页内容。

在本发明一实施例中，所述自动对齐算法包括：

根据所述第一短语的长度信息和所述第三短语的长度信息得到归一化长度值，所述第一短语为所述第一短语集合中的短语，所述第三短语为所述第三短语集合中的短语；

利用高斯方程或泊松分布公式、所述归一化长度值和所述第一短语和所述第三短语的对齐类型，对所述第一短语和所述第三短语集合中的短语进行对齐，所述对齐类型包括：一个短语对一个短语对齐、一个短语对多个短语对齐和多个短语对多个短语对齐；

根据IBM模型通过最大期望EM算法过滤所述第三短语集合中的短语；

根据所述第一短语和所述第三短语的词相似性得到所述第三短语集合。

在本发明一实施例中，所述自动对齐算法包括：

根据得到所述归一化长度，其中，所述l_s为所述第一短语的长度，所述l_t为所述第三短语的长度，所述r为所述第一语句所使用的语言和所述第二语句所使用的语言长度的比率，所述σ²是所述第一语句所使用的语言和所述第二语句所使用的语言的样本方差；

根据或对所述第一短语和所述第三短语集合中的短语进行对齐，以得到所述第一短语与所述第三短语对齐的概率p(δ(l_s,l_t)|type)＝p(|X|≥|δ(l_s,l_t)|)＝2(1-p(X<|δ(l_s,l_t)|))，其中，所述μ是是所述第一语句所使用的语言和所述第二语句所使用的语言的样本期望，所述α是常量，所述type为所述第一语句所使用的语言和所述第二语句所使用的语言的对齐类型；

根据模型，通过EM算法过滤所述第三短语集合中的短语，其中，所述s所述第一语句所使用的语言，t为所述第二语句所使用的语言，所述l为所述第一语句中包括的所述第一短语的个数，所述m为所述第三短语的个数，所述ε为常量；

根据得到所述第三短语集合，其中，(l-gram)∩(m-gram)是所述第一短语和所述第三短语中相同字符的个数，所述(l-gram)是所述第一短语的长度，所述(m-gram)是所述第三短语的长度。

在本发明一实施例中，所述通过所述第一翻译关系从所述第三短语集合中得到第二语句，包括：

根据t_best＝arg max_tp(t_n-best)得到第二语句，其中，所述t_n-best为所述第三短语集合中的短语组合。

本发明提供一种机器翻译装置，包括：

获取模块，所述获取模块用于从第一语句中获取第一短语集合，所述第一短语集合包括所述第一语句中连续的n元短语；