欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2019106358959
申请人: 昆明理工大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.融合句法解析树的汉-越神经机器翻译方法,其特征在于:

所述方法的具体步骤如下:

Step1、收集汉语-越南语双语平行语料作为训练语料;

Step2、训练语料的预处理:对汉语、越南语的训练语料进行去停用词、分词及词性标记;

Step3、利用句法解析工具对经过预处理的训练语料进行句法解析,得到汉语、越南语的句法解析树;

Step4、对得到的汉语、越南语句法解析树进行深度优先遍历,获得每个单词对应的句法标签序列;

Step5、对步骤Step4得到的汉语、越南语进行向量化的表示,采用数字为每种句法标签定义特征编码,然后根据定义的特征编码对每个单词对应的句法标签序列进行向量化表示;

Step6、将步骤Step5得到的句法标签向量与源语言词嵌入向量、位置嵌入向量拼接作为编码器的输入,训练汉语-越南语神经机器翻译模型,并采用BLEU值评估模型的性能;

Step7、重复循环步骤Step2-Step5,对输入文本进行预处理,得到输入的词向量序列、位置嵌入向量与句法标签向量序列;

Step8、将步骤Step6得到的汉语-越南语神经机器翻译模型载入神经机器翻译解码引擎,将步骤Step7得到的输入的词向量、位置嵌入向量与句法标签向量拼接并输入神经机器翻译解码引擎,输出解码得到的译文。

2.根据权利要求1所述的融合句法解析树的汉-越神经机器翻译方法,其特征在于:所述步骤Step2中,对越南语训练语料进行分词及词性标记时采用了基于CRF的越南语分词及词性标记模型对越南语进行分词及词性标记。

3.根据权利要求1所述的融合句法解析树的汉-越神经机器翻译方法,其特征在于:所述步骤Step4中,获取句法标签序列时,通过对句法解析树根节点到叶子节点的深度优先遍历,得到句子中每个单词的句法标签序列。

4.根据权利要求1所述的融合句法解析树的汉-越神经机器翻译方法,其特征在于:所述步骤Step5中,根据句法标签序列生成句法标签向量的具体步骤如下:(1)为每种句法标签定义唯一的数字表示作为标签的特征编码;

(2)根据定义的标签特征编码将每个单词对应的句法标签序列表示为向量形式;

(3)将所有句法标签序列向量转化为64维的向量表征,采用自左向右的填充方式,空白处用0表示。

5.根据权利要求4所述的融合句法解析树的汉-越神经机器翻译方法,其特征在于:所述步骤Step5中,通过步骤Step4获得每个单词对应的句法标签序列后,为了对以上句法标签进行向量化表示,对每种句法标签定义固定的特征编码,再根据定义的标签编码将每个单词对应的句法标签序列表示为以下形式:gi=((w1l1+b1),(w2l2+b2),…,(wtlt+bt))   (1)其中,gi表示原句中第i个单词的句法标签向量,l={l1,l2,…,lt}为句法标签序列中预定义的每个标签编码,t为每个词对应的句法标签数量,b={b1,b2,…,bt}表示偏置项,初始值为0;对于每个句法标签对应的权重wt,根据标签所在句法解析树的层次对权重进行初始化,越靠近叶子节点的标签对当前节点的影响越大,因此将权值w={w1,w2,…,wt}初始化为{0.1,0.2,…,0.1*t},将句法标签向量定义为64维的向量表征,采用自左向右的填充方式,空白处用0表示。

6.根据权利要求1所述的融合句法解析树的汉-越神经机器翻译方法,其特征在于:所述步骤Step6中,将每个单词的词嵌入向量、位置嵌入向量与句法标签序列向量通过向量拼接的方式融合,然后输入到机器翻译模型的编码器中,训练神经机器翻译模型。