[发明专利]一种基于语义信息融合的低频词翻译方法

权利要求书

1.一种基于语义信息融合的低频词翻译方法，其特征在于：在翻译系统中输入双语句对，其中，源语言句子x，源语言句子对应的目标语言句子y，得到源语言句子中低频词的子词序列，得到低频词在目标语言句子中对应的目标译文，采用通配符UNKi替换双语句对(x，y)中的低频词后，得到新的双语句对将源语言低频词和/或目标语言低频词的向量表征与通配符UNKi的向量表征进行融合；

所述源语言低频词的向量表征与通配符UNKi的向量表征进行融合的翻译方法包括：

步骤一，取出替换后的源语言句子中所有词的向量表征

步骤二，取出源语言句中低频词的向量表征，采用LSTM对其进行编码得到向量表征

步骤三，分别对低频词的通配符向量表征和源语言子词序列向量表征进行加权求和与非线性变换，得到低频词的最终向量表征V_i：

其中，tanh是双曲正切函数，是通配符的向量表征，W_u，unki是LSTM编码器依据具体上下文语义环境对的权重，W_s，unki是LSTM编码器依据具体上下文语义环境对的权重；

所述目标语言低频词的向量表征与通配符UNKi的向量表征进行融合的翻译方法包括：

步骤一，取出替换后的源语言句子中所有词的向量表征

步骤二，取出目标语言句子中低频词的向量表征，采用LSTM对其进行编码得到向量表征v_unkj；

步骤三，分别对低频词的通配符向量表征和目标语言子词序列向量表征进行加权求和与非线性变换，得到低频词的最终向量表征V_j：

其中，tanh是双曲正切函数，是通配符的向量表征，W_u，unkj是LSTM编码器根据具体上下文语义环境对的权重，W_t，unkj是LSTM编码器根据具体上下文语义环境对v_unkj的权重；

所述源语言低频词和目标语言低频词的向量表征与通配符UNKi的向量表征进行融合的翻译方法包括：

步骤一，取出替换后的源语言句子中所有词的向量表征

步骤二，取出源语言和目标语言句子中低频词的向量表征，分别采用LSTM对其进行编码得到向量表征和v_unkm；

步骤三，分别对低频词的通配符向量表征和源语言子词序列向量表征、目标语言子词序列向量表征进行加权求和与非线性变换，得到低频词的最终向量表征V_m：

其中，tanh是双曲正切函数，是通配符的向量表征，W_u，unkm是LSTM编码器根据具体上下文语义环境对的权重，W_s，unkm是LSTM编码器根据具体上下文语义环境对的权重,W_t，unkm是LSTM编码器根据具体上下文语义环境对v_unkm的权重；

替换后的源语言句子中所有词的向量表征按照一定的分布随机初始化。

2.根据权利要求1所述的低频词翻译方法，其特征在于：通过词频统计得到源语言句子中待处理的低频词的子词序列。

3.根据权利要求1所述的低频词翻译方法，其特征在于：通过查找词典或者模型翻译得到低频词在目标语言句子中对应的目标译文。

4.根据权利要求3所述的低频词翻译方法，其特征在于：首先使用查找词典的方法对低频词进行翻译，如果查找失败则采用字模型进行翻译。