[发明专利]语言处理方法及设备

说明书

一种语言处理方法及设备。所述方法包括：获取源语言和目标语言的n组互译句对，n组互译句对中的每一组互译句对包括互为译文的一个源语言句子和一个目标语言句子，n为大于1的整数；采用源语言的提取规则，从n组互译句对的每个源语言句子中提取源语言片段；从n组互译句对的每个目标语言句子中，分别提取与源语言片段互为译文的目标语言片段；根据从n个目标语言句子中提取的至少n个目标语言片段，生成目标语言的提取规则。本申请实施例提供的方案，通过根据已经确定的源语言的提取规则，能够自动生成目标语言的提取规则，不必通过语言专家总结目标语言的提取规则，节省了人力和时间成本。

技术领域

本申请实施例涉及计算机技术领域，特别涉及一种语言处理方法及设备。

背景技术

随着人工智能技术的不断发展，让人机之间能够通过自然语言进行交互的自然语言人机交互系统变的越来越重要。人机之间能够通过自然语言进行交互，就需要系统能够识别出人类自然语言的具体含义。通常，系统通过采用对自然语言的句子进行关键信息提取来识别句子的具体含义。

在相关技术中，利用语言专家针对一种自然语言总结得出的提取规则，来提取该自然语言的句子中的关键信息。例如对于从中文句子提取日期，语言专家总结出的日期提取规则为：【四位数字】年【一至二位数字】月【一至二位数字】日，系统根据该日期的提取规则就能够提取句子中的日期的关键信息。当系统需要识别多种自然语言时，由于不同的自然语言之间的语法区别，一种提取规则无法适用于所有自然语言。对于每一种自然语言，都需要该自然语言的语言专家总结对应的提取规则。

当需要多种自然语言的提取规则时，每一种自然语言都需要对应的语言专家总结提取规则，导致耗费过多的时间和人力成本。

发明内容

本申请提供了一种语言处理方法及设备，可用于解决在现有技术中需要多种自然语言的提取规则时，由于每一种自然语言都需要对应的语言专家总结提取规则，导致耗费过多的时间和人力成本的问题。

第一方面，本申请提供一种语言处理方法，该方法包括：获取源语言和目标语言的n组互译句对，n组互译句对中的每一组互译句对包括互为译文的一个源语言句子和一个目标语言句子，n为大于1的整数；采用源语言的提取规则，从n组互译句对的每个源语言句子中提取源语言片段；从n组互译句对的每个目标语言句子中，分别提取与源语言片段互为译文的目标语言片段；根据从n个目标语言句子中提取的至少n个目标语言片段，生成目标语言的提取规则。

本申请提供的方案中，通过源语言的提取规则以及源语言和目标语言的n组互译句对，提取至少n个目标语言片段，再根据至少n个目标语言片段生成目标语言的提取规则。根据已经确定的源语言的提取规则，能够自动生成目标语言的提取规则，不必通过语言专家总结目标语言的提取规则，节省了人力和时间成本。

在一个可能的设计中，从n组互译句对的每个目标语言句子中，分别提取与源语言片段互为译文的目标语言片段，包括：对于每一组互译句对，根据互译句对间的词对齐关系，获取从互译句对的源语言句子中提取的源语言片段包含的各个词语，在互译句对的目标语言句子中对应的译文词语；将译文词语组合，得到互译句对的目标语言句子的目标语言片段。

本申请提供的方案中，通过根据互译句对之间的词对齐关系和源语言片段，准确地获取互译句对的目标语言句子的目标语言片段。

在另一个可能的设计中，每个目标语言片段包括k个域的词语，k为正整数；根据从n个目标语言句子中提取的至少n个目标语言片段，生成目标语言的提取规则，包括：将至少n个目标语言片段中属于同一个域的词语进行合并，得到每个域的合并后的词语，属于同一个域的词语是指具有相同语义的词语；对每个域的合并后的词语进行泛化，得到目标语言的提取规则。

本申请提供的方案中，通过对至少n个目标语言片段中属于同一个域的词语进行合并与泛化，从而自动生成目标语言的提取规则。