CN111046677A - 一种翻译模型的获取方法、装置、设备和存储介质 - Google Patents

一种翻译模型的获取方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN111046677A
CN111046677A CN201911250280.0A CN201911250280A CN111046677A CN 111046677 A CN111046677 A CN 111046677A CN 201911250280 A CN201911250280 A CN 201911250280A CN 111046677 A CN111046677 A CN 111046677A
Authority
CN
China
Prior art keywords
parallel corpus
target
translation model
language
pairs
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201911250280.0A
Other languages
English (en)
Other versions
CN111046677B (zh
Inventor
潘骁
王明轩
李磊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing ByteDance Network Technology Co Ltd
Original Assignee
Beijing ByteDance Network Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing ByteDance Network Technology Co Ltd filed Critical Beijing ByteDance Network Technology Co Ltd
Priority to CN201911250280.0A priority Critical patent/CN111046677B/zh
Publication of CN111046677A publication Critical patent/CN111046677A/zh
Application granted granted Critical
Publication of CN111046677B publication Critical patent/CN111046677B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Machine Translation (AREA)

Abstract

本公开实施例公开了一种翻译模型的获取方法、装置、设备和存储介质,该方法包括:获取多语种平行语料对集合;通过所述多语种平行语料对集合,对通用翻译模型进行初始训练,以获取训练后的通用翻译模型;获取目标种类的平行语料对集合,并通过所述目标种类的平行语料对集合,对所述训练后的通用翻译模型进行定向训练,以获取与所述目标种类的语言匹配的目标翻译模型;本公开实施例的技术方案,使得已经具备多语种互译功能的通用翻译模型可以借鉴多语种共享的词汇关联和语法结构,并同时强化定向翻译的词汇关联和语法结构,同时在目标种类的平行语料对较少的情况下,依然可以快速建立对应的语言翻译模型,极大地提高了语言翻译模型的准确性。

Description

一种翻译模型的获取方法、装置、设备和存储介质
技术领域
本公开实施例涉及计算机技术,尤其涉及一种翻译模型的获取方法、装置、设备和存储介质。
背景技术
随着计算机技术的不断发展,各种各样的翻译软件出现在人们视野中,成为了人们获取外部信息的重要渠道。
现有的翻译软件,其语言翻译模型,通常是基于大量的单语对平行语料(例如,由中文文档和对应的英文文档组成的单语对平行语料)的不断训练得到的,用于实现定向翻译(例如,中译英),然而大量单语对平行语料的获取并不容易,尤其涉及小语种的平行语料,获取难度极大,因此,在不能获取到大量平行语料的前提下,建立的语言翻译模型,精确性极差。
发明内容
本公开提供了一种翻译模型的获取方法、装置、设备和存储介质,以快速建立定向语言翻译模型,提高语言翻译模型的准确性。
第一方面,本公开实施例提供了一种翻译模型的获取方法,包括:
获取多语种平行语料对集合;其中,每个平行语料对包括成对的源语言语料和目标语言语料,所述多语种平行语料对集合包括至少两种平行语料对,每种平行语料对中的源语言和目标语言至少部分不同;
通过所述多语种平行语料对集合,对通用翻译模型进行初始训练,以获取训练后的通用翻译模型;
获取目标种类的平行语料对集合,并通过所述目标种类的平行语料对集合,对所述训练后的通用翻译模型进行定向训练,以获取与所述目标种类的语言匹配的目标翻译模型;其中,所述目标种类的平行语料对集合中各平行语料对之间的源语言相同,目标语言也相同。
第二方面,本公开实施例提供了一种翻译模型的获取装置,包括:
平行语料获取模块,用于获取多语种平行语料对集合;其中,每个平行语料对包括成对的源语言语料和目标语言语料,所述多语种平行语料对集合包括至少两种平行语料对,每种平行语料对中的源语言和目标语言至少部分不同;
初始训练执行模块,用于通过所述多语种平行语料对集合,对通用翻译模型进行初始训练,以获取训练后的通用翻译模型;
定向训练执行模块,用于获取目标种类的平行语料对集合,并通过所述目标种类的平行语料对集合,对所述训练后的通用翻译模型进行定向训练,以获取与所述目标种类的语言匹配的目标翻译模型;其中,所述目标种类的平行语料对集合中各平行语料对之间的源语言相同,目标语言也相同。
第三方面,本公开实施例提供了一种电子设备,包括存储器、处理装置及存储在存储器上并可在处理装置上运行的计算机程序,所述处理装置执行所述程序时实现本公开任意实施例所述的翻译模型的获取方法。
第四方面,本公开实施例提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行本公开任意实施例所述的翻译模型的获取方法。
本公开实施例的技术方案,通过多语种平行语料对集合对通用翻译模型进行初始训练,再通过目标种类的平行语料对集合对通用翻译模型进行定向翻译,使得已经具备多语种互译功能的通用翻译模型可以借鉴多语种共享的词汇关联和语法结构,并同时强化定向翻译的词汇关联和语法结构,同时,在目标种类的平行语料对较少的情况下,依然可以快速建立对应的语言翻译模型,极大地提高了语言翻译模型的准确性。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。
图1是本公开实施例一中的一种翻译模型的获取方法的流程图;
图2是本公开实施例二中的一种翻译模型的获取装置的结构框图;
图3是本公开实施例三中的一种设备的结构框图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
实施例一
图1是本公开实施例一提供的一种翻译模型的获取方法的流程图,本实施例可适用于目标种类的平行语料对较少的情况下,快速获取翻译模型的情况,该方法可以由本公开实施例中的翻译模型的获取装置来执行,该装置可以通过软件和/或硬件实现,并集成在应用程序中,该方法具体包括如下步骤:
S110、获取多语种平行语料对集合;其中,每个平行语料对包括成对的源语言语料和目标语言语料,所述多语种平行语料对集合包括至少两种平行语料对,每种平行语料对中的源语言和目标语言至少部分不同。
平行语料对,是两个语种之间的对应语料,包括了源语言语料和目标语言语料,例如,中英平行语料包括一个中文文档和一个对应的英文文档,如果通过翻译模型进行中译英操作,那么中文文档即为源语言语料,英文文档即为目标语言语料。
多语种平行语料对集合包括至少两种平行语料对,每种平行语料对中的源语言和目标语言可以部分不同,例如,多语种平行语料对集合包括中英平行语料对和中日平行语料对,其中,两种平行语料对的源语言均为中文,目标语言分别为英文和日文;也可以源语言和目标语言都不相同,例如,多语种平行语料对包括中英平行语料对和韩日平行语料对,其中,两种平行语料对的源语言分别为中文和英文,目标语言分别为日文和韩文;可选的,在本公开实施例中,对所述多语种平行语料对集合中包括的语言类型不作具体限定。
可选的,在本公开实施例中,所述多语种平行语料对集合中的平行语料对包括文本平行语料对或语音文本语料对;由多个平行语料对组成的多语种平行语料对集合,可以是由文本资料构成的集合,也可以是由语音资料构成的集合。
S120、通过所述多语种平行语料对集合,对通用翻译模型进行初始训练,以获取训练后的通用翻译模型。
可选的,在本公开实施例中,所述通用翻译模型包括序列到序列模型;序列到序列(Sequence to Sequence,seq2seq)模型,是一种Encoder(编码)-Decoder(解码)结构的神经网络,输入是一个序列(Sequence),输出也是一个序列;在Encoder中,将可变长度的序列转变为固定长度的向量表达,Decoder将这个固定长度的向量转换为可变长度的目标的信号序列,进而实现不定长的输入到不定长的输出,例如,中译英时,英文(输出)的长度可能会比中文(输入)短,也可能会比中文长,不确定输出的长度。序列到序列模型可以包括多种类型,例如,基于循环神经网络(Recurrent Neural Network,RNN)的seq2seq模型,基于卷积运算(Convolution,CONV)的seq2seq模型以及基于Transformer的seq2seq模型等,在本公开实施例中,可选的,对序列到序列模型的类型不作具体限定。
通过多语种平行语料对集合,对通用翻译模型进行的初始训练,使得通用翻译模型,已经进行了词汇关联及语法结构的学***行语料对集合中,至少部分平行语料对的源语言语料和/或目标语言语料中,掺杂有其他语言的词汇;例如,源语言语料为中文“苹果和
Figure BDA0002308826970000061
”,其中掺杂有韩文
Figure BDA0002308826970000062
(对应中文为“梨”),目标语言语料为英文“Apple and Pear”,掺杂有韩文的中英平行语料对,增加了平行语料对的多样性,对通用翻译模型进行训练后,增加了通用翻译模型的适应性,增强了通用翻译模型的多语种互译能力。
S130、获取目标种类的平行语料对集合,并通过所述目标种类的平行语料对集合,对所述训练后的通用翻译模型进行定向训练,以获取与所述目标种类匹配的目标翻译模型;其中,所述目标种类的平行语料对集合中各平行语料对之间的源语言相同,目标语言也相同。
目标种类的平行语料对集合中包括的各个平行语料对是源语言和目标语言均相同的平行语料对,例如,目标种类为韩日的平行语料对集合,其包括的各个平行语料对均为韩日平行语料对;通过目标种类的平行语料对集合对初始训练后的通用翻译模型再次进行训练,使得已经具备多语种互译功能的通用翻译模型可以借鉴多语种共享的词汇关联和语法结构,并同时强化定向翻译的词汇关联和语法结构,例如,上述技术方案中目标种类为韩日的平行语料对集合,对初始训练后的通用翻译模型再次进行训练,可以强化韩译日或者日译韩的词汇关联和语法结构,由此,可以获取到定向翻译更加精准的目标翻译模型。
可选的,在本公开实施例中,所述目标种类的平行语料对集合中,至少部分平行语料对是所述多语种平行语料对集合的子集;具体的,目标种类的平行语料对集合中的部分或全部平行语料对来源于多语种平行语料对集合中,其目的在于对通用翻译模型强化初始训练时的训练效果,避免由于引入目标种类的平行语料对集合,即特定语言类型的平行语料对集合,而损失多语种互译的功能;目标种类的平行语料对集合,也可以不包括多语种平行语料对集合中的任何子集,也即目标种类的平行语料对集合中包括的全部平行语料对均为目标种类下的新平行语料对,用以增强对目标种类的定向训练;特别的,目标种类的平行语料对集合中包括的平行语料对,其源语言语料可以来源于多语种平行语料对集合,而目标语言语料来源于多语种平行语料对集合之外的其它语料集合;也可以是目标语言语料来源于多语种平行语料对集合,而源语言语料来源于多语种平行语料对集合之外的其它语料集合。
可选的,在本公开实施例中,在获取目标种类的平行语料对集合后,还包括:对所述目标种类的平行语料对集合进行噪声添加操作,以生成包含噪声的平行语料对;其中,所述噪声添加操作包括在语料中增加词汇、删除词汇和/或打乱语料中的词汇顺序。具体的,对目标种类的平行语料对集合中的源语言语料进行噪声添加操作,而目标语言语料不变,例如,源语言语料为中文“我爱生活”,噪声添加后,修改为“我我爱生活”,目标语言语料为英文“I Love Live”不作修改,通过添加了噪声的目标种类的平行语料对集合对通用翻译模型进行训练,使得通用翻译模型增加了抗噪声(即抗干扰)能力,提高了纠错能力。
可选的,在本公开实施例中,在获取目标种类的平行语料对集合后,还包括:对所述目标种类的平行语料对集合中的源语言语料和目标语言语料,分别进行词序颠倒操作,以获取新的平行语料对。例如,源语言语料为中文“苹果和梨”,颠倒词序后,修改为“梨和苹果”,目标语言语料为英文“Apple and Pear”,颠倒词序后,修改为“Pear and Apple”,使得平行语料对更加多样性,通过词序颠倒后的目标种类的平行语料对集合对通用翻译模型进行训练,使得通用翻译模型强化了定向翻译的词汇关联和语法结构。
本公开实施例的技术方案,通过多语种平行语料对集合对通用翻译模型进行初始训练,再通过目标种类的平行语料对集合对通用翻译模型进行定向翻译,使得已经具备多语种互译功能的通用翻译模型可以借鉴多语种共享的词汇关联和语法结构,并同时强化定向翻译的词汇关联和语法结构,同时,在目标种类的平行语料对较少的情况下,依然可以快速建立对应的语言翻译模型,极大地提高了语言翻译模型的准确性。
实施例二
图2是本公开实施例二提供的一种翻译模型的获取装置的结构框图,具体包括:平行语料获取模块210、初始训练执行模块220和定向训练执行模块230。
平行语料获取模块210,用于获取多语种平行语料对集合;其中,每个平行语料对包括成对的源语言语料和目标语言语料,所述多语种平行语料对集合包括至少两种平行语料对,每种平行语料对中的源语言和目标语言至少部分不同;
初始训练执行模块220,用于通过所述多语种平行语料对集合,对通用翻译模型进行初始训练,以获取训练后的通用翻译模型;
定向训练执行模块230,用于获取目标种类的平行语料对集合,并通过所述目标种类的平行语料对集合,对所述训练后的通用翻译模型进行定向训练,以获取与所述目标种类的语言匹配的目标翻译模型;其中,所述目标种类的平行语料对集合中各平行语料对之间的源语言相同,目标语言也相同。
本公开实施例的技术方案,通过多语种平行语料对集合对通用翻译模型进行初始训练,再通过目标种类的平行语料对集合对通用翻译模型进行定向翻译,使得已经具备多语种互译功能的通用翻译模型可以借鉴多语种共享的词汇关联和语法结构,并同时强化定向翻译的词汇关联和语法结构,同时,在目标种类的平行语料对较少的情况下,依然可以快速建立对应的语言翻译模型,极大地提高了语言翻译模型的准确性。
可选的,在上述技术方案的基础上,所述通用翻译模型包括序列到序列模型。
可选的,在上述技术方案的基础上,所述多语种平行语料对集合中的平行语料对包括文本平行语料对或语音文本语料对。
可选的,在上述技术方案的基础上,翻译模型的获取装置,还包括:
噪声添加执行模块,用于对所述目标种类的平行语料对集合进行噪声添加操作,以生成包含噪声的平行语料对;其中,所述噪声添加操作包括在语料中增加词汇、删除词汇和/或打乱语料中的词汇顺序。
可选的,在上述技术方案的基础上,翻译模型的获取装置,还包括:
词序颠倒执行模块,用于对所述目标种类的平行语料对集合中的源语言语料和目标语言语料,分别进行词序颠倒操作,以获取新的平行语料对。
可选的,在上述技术方案的基础上,所述目标种类的平行语料对集合中,至少部分平行语料对是所述多语种平行语料对集合的子集。
可选的,在上述技术方案的基础上,所述多语种平行语料对集合中,至少部分平行语料对的源语言语料和/或目标语言语料中,掺杂有其他语言的词汇。
上述装置可执行本公开任意实施例所提供的翻译模型的获取方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本公开任意实施例提供的方法。
实施例三
图3示出了适于用来实现本公开实施例的电子设备(例如图1中的终端设备或服务器)300的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图3示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图3所示,电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301,其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中,还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常,以下装置可以连接至I/O接口305:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307;包括例如磁带、硬盘等的存储装置308;以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置309从网络上被下载和安装,或者从存储装置308被安装,或者从ROM 302被安装。在该计算机程序被处理装置301执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取多语种平行语料对集合;其中,每个平行语料对包括成对的源语言语料和目标语言语料,所述多语种平行语料对集合包括至少两种平行语料对,每种平行语料对中的源语言和目标语言至少部分不同;通过所述多语种平行语料对集合,对通用翻译模型进行初始训练,以获取训练后的通用翻译模型;获取目标种类的平行语料对集合,并通过所述目标种类的平行语料对集合,对所述训练后的通用翻译模型进行定向训练,以获取与所述目标种类的语言匹配的目标翻译模型;其中,所述目标种类的平行语料对集合中各平行语料对之间的源语言相同,目标语言也相同。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,模块的名称在某种情况下并不构成对该模块本身的限定,例如,初始训练执行模块,可以被描述为“用于通过所述多语种平行语料对集合,对通用翻译模型进行初始训练,以获取训练后的通用翻译模型的模块”。本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上***(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例,【示例1】提供了一种翻译模型的获取方法,包括:
获取多语种平行语料对集合;其中,每个平行语料对包括成对的源语言语料和目标语言语料,所述多语种平行语料对集合包括至少两种平行语料对,每种平行语料对中的源语言和目标语言至少部分不同;
通过所述多语种平行语料对集合,对通用翻译模型进行初始训练,以获取训练后的通用翻译模型;
获取目标种类的平行语料对集合,并通过所述目标种类的平行语料对集合,对所述训练后的通用翻译模型进行定向训练,以获取与所述目标种类的语言匹配的目标翻译模型;其中,所述目标种类的平行语料对集合中各平行语料对之间的源语言相同,目标语言也相同。
根据本公开的一个或多个实施例,【示例2】提供了示例1的方法,还包括:
所述通用翻译模型包括序列到序列模型。
根据本公开的一个或多个实施例,【示例3】提供了示例1的方法,还包括:
所述多语种平行语料对集合中的平行语料对包括文本平行语料对或语音文本语料对。
根据本公开的一个或多个实施例,【示例4】提供了示例1的方法,还包括:
对所述目标种类的平行语料对集合进行噪声添加操作,以生成包含噪声的平行语料对;其中,所述噪声添加操作包括在语料中增加词汇、删除词汇和/或打乱语料中的词汇顺序。
根据本公开的一个或多个实施例,【示例5】提供了示例1的方法,还包括:
对所述目标种类的平行语料对集合中的源语言语料和目标语言语料,分别进行词序颠倒操作,以获取新的平行语料对。
根据本公开的一个或多个实施例,【示例6】提供了示例1的方法,还包括:
所述目标种类的平行语料对集合中,至少部分平行语料对是所述多语种平行语料对集合的子集。
根据本公开的一个或多个实施例,【示例7】提供了示例1的方法,还包括:
所述多语种平行语料对集合中,至少部分平行语料对的源语言语料和/或目标语言语料中,掺杂有其他语言的词汇。
根据本公开的一个或多个实施例,【示例8】提供了一种翻译模型的获取装置,包括:
平行语料获取模块,用于获取多语种平行语料对集合;其中,每个平行语料对包括成对的源语言语料和目标语言语料,所述多语种平行语料对集合包括至少两种平行语料对,每种平行语料对中的源语言和目标语言至少部分不同;
初始训练执行模块,用于通过所述多语种平行语料对集合,对通用翻译模型进行初始训练,以获取训练后的通用翻译模型;
定向训练执行模块,用于获取目标种类的平行语料对集合,并通过所述目标种类的平行语料对集合,对所述训练后的通用翻译模型进行定向训练,以获取与所述目标种类的语言匹配的目标翻译模型;其中,所述目标种类的平行语料对集合中各平行语料对之间的源语言相同,目标语言也相同。
根据本公开的一个或多个实施例,【示例9】提供了一种电子设备,包括存储器、处理装置及存储在存储器上并可在处理装置上运行的计算机程序,所述处理装置执行所述程序时实现如示例1-7中任一所述的翻译模型的获取方法。
根据本公开的一个或多个实施例,【示例10】提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如示例1-7中任一所述的翻译模型的获取方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (10)

1.一种翻译模型的获取方法,其特征在于,包括:
获取多语种平行语料对集合;其中,每个平行语料对包括成对的源语言语料和目标语言语料,所述多语种平行语料对集合包括至少两种平行语料对,每种平行语料对中的源语言和目标语言至少部分不同;
通过所述多语种平行语料对集合,对通用翻译模型进行初始训练,以获取训练后的通用翻译模型;
获取目标种类的平行语料对集合,并通过所述目标种类的平行语料对集合,对所述训练后的通用翻译模型进行定向训练,以获取与所述目标种类的语言匹配的目标翻译模型;其中,所述目标种类的平行语料对集合中各平行语料对之间的源语言相同,目标语言也相同。
2.根据权利要求1所述的方法,其特征在于,所述通用翻译模型包括序列到序列模型。
3.根据权利要求1所述的方法,其特征在于,所述多语种平行语料对集合中的平行语料对包括文本平行语料对或语音文本语料对。
4.根据权利要求1所述的方法,其特征在于,在获取目标种类的平行语料对集合后,还包括:
对所述目标种类的平行语料对集合进行噪声添加操作,以生成包含噪声的平行语料对;其中,所述噪声添加操作包括在语料中增加词汇、删除词汇和/或打乱语料中的词汇顺序。
5.根据权利要求1所述的方法,其特征在于,在获取目标种类的平行语料对集合后,还包括:
对所述目标种类的平行语料对集合中的源语言语料和目标语言语料,分别进行词序颠倒操作,以获取新的平行语料对。
6.根据权利要求1所述的方法,其特征在于,所述目标种类的平行语料对集合中,至少部分平行语料对是所述多语种平行语料对集合的子集。
7.根据权利要求1所述的方法,其特征在于,所述多语种平行语料对集合中,至少部分平行语料对的源语言语料和/或目标语言语料中,掺杂有其他语言的词汇。
8.一种翻译模型的获取装置,其特征在于,包括:
平行语料获取模块,用于获取多语种平行语料对集合;其中,每个平行语料对包括成对的源语言语料和目标语言语料,所述多语种平行语料对集合包括至少两种平行语料对,每种平行语料对中的源语言和目标语言至少部分不同;
初始训练执行模块,用于通过所述多语种平行语料对集合,对通用翻译模型进行初始训练,以获取训练后的通用翻译模型;
定向训练执行模块,用于获取目标种类的平行语料对集合,并通过所述目标种类的平行语料对集合,对所述训练后的通用翻译模型进行定向训练,以获取与所述目标种类的语言匹配的目标翻译模型;其中,所述目标种类的平行语料对集合中各平行语料对之间的源语言相同,目标语言也相同。
9.一种电子设备,包括存储器、处理装置及存储在存储器上并可在处理装置上运行的计算机程序,其特征在于,所述处理装置执行所述程序时实现如权利要求1-7中任一所述的翻译模型的获取方法。
10.一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的翻译模型的获取方法。
CN201911250280.0A 2019-12-09 2019-12-09 一种翻译模型的获取方法、装置、设备和存储介质 Active CN111046677B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911250280.0A CN111046677B (zh) 2019-12-09 2019-12-09 一种翻译模型的获取方法、装置、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911250280.0A CN111046677B (zh) 2019-12-09 2019-12-09 一种翻译模型的获取方法、装置、设备和存储介质

Publications (2)

Publication Number Publication Date
CN111046677A true CN111046677A (zh) 2020-04-21
CN111046677B CN111046677B (zh) 2021-07-20

Family

ID=70235131

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911250280.0A Active CN111046677B (zh) 2019-12-09 2019-12-09 一种翻译模型的获取方法、装置、设备和存储介质

Country Status (1)

Country Link
CN (1) CN111046677B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111368566A (zh) * 2020-03-19 2020-07-03 中国工商银行股份有限公司 文本处理方法、装置、电子设备及可读存储介质
CN112633017A (zh) * 2020-12-24 2021-04-09 北京百度网讯科技有限公司 翻译模型训练、翻译处理方法、装置、设备和存储介质
CN112749570A (zh) * 2021-01-31 2021-05-04 云知声智能科技股份有限公司 一种基于多语种机器翻译的数据增强方法及***
CN113139391A (zh) * 2021-04-26 2021-07-20 北京有竹居网络技术有限公司 翻译模型的训练方法、装置、设备和存储介质
CN113204977A (zh) * 2021-04-29 2021-08-03 北京有竹居网络技术有限公司 信息翻译方法、装置、设备和存储介质
CN113553866A (zh) * 2021-07-14 2021-10-26 沈阳雅译网络技术有限公司 一种用单一网络模型实现多个语种之间互译的方法
RU2790026C2 (ru) * 2020-12-22 2023-02-14 Общество С Ограниченной Ответственностью "Яндекс" Способ и сервер для обучения алгоритма машинного обучения для перевода

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140200878A1 (en) * 2013-01-14 2014-07-17 Xerox Corporation Multi-domain machine translation model adaptation
WO2016065327A1 (en) * 2014-10-24 2016-04-28 Google Inc. Neural machine translation systems with rare word processing
CN108829684A (zh) * 2018-05-07 2018-11-16 内蒙古工业大学 一种基于迁移学习策略的蒙汉神经机器翻译方法
CN109271644A (zh) * 2018-08-16 2019-01-25 北京紫冬认知科技有限公司 一种翻译模型训练方法及装置
CN109670190A (zh) * 2018-12-25 2019-04-23 北京百度网讯科技有限公司 翻译模型构建方法和装置
CN110309516A (zh) * 2019-05-30 2019-10-08 清华大学 机器翻译模型的训练方法、装置与电子设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140200878A1 (en) * 2013-01-14 2014-07-17 Xerox Corporation Multi-domain machine translation model adaptation
WO2016065327A1 (en) * 2014-10-24 2016-04-28 Google Inc. Neural machine translation systems with rare word processing
CN108829684A (zh) * 2018-05-07 2018-11-16 内蒙古工业大学 一种基于迁移学习策略的蒙汉神经机器翻译方法
CN109271644A (zh) * 2018-08-16 2019-01-25 北京紫冬认知科技有限公司 一种翻译模型训练方法及装置
CN109670190A (zh) * 2018-12-25 2019-04-23 北京百度网讯科技有限公司 翻译模型构建方法和装置
CN110309516A (zh) * 2019-05-30 2019-10-08 清华大学 机器翻译模型的训练方法、装置与电子设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李亚超等: "藏汉神经网络机器翻译研究", 《中文信息学报》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111368566A (zh) * 2020-03-19 2020-07-03 中国工商银行股份有限公司 文本处理方法、装置、电子设备及可读存储介质
RU2790026C2 (ru) * 2020-12-22 2023-02-14 Общество С Ограниченной Ответственностью "Яндекс" Способ и сервер для обучения алгоритма машинного обучения для перевода
CN112633017A (zh) * 2020-12-24 2021-04-09 北京百度网讯科技有限公司 翻译模型训练、翻译处理方法、装置、设备和存储介质
CN112633017B (zh) * 2020-12-24 2023-07-25 北京百度网讯科技有限公司 翻译模型训练、翻译处理方法、装置、设备和存储介质
CN112749570A (zh) * 2021-01-31 2021-05-04 云知声智能科技股份有限公司 一种基于多语种机器翻译的数据增强方法及***
CN112749570B (zh) * 2021-01-31 2024-03-08 云知声智能科技股份有限公司 一种基于多语种机器翻译的数据增强方法及***
WO2022228041A1 (zh) * 2021-04-26 2022-11-03 北京有竹居网络技术有限公司 翻译模型的训练方法、装置、设备和存储介质
CN113139391B (zh) * 2021-04-26 2023-06-06 北京有竹居网络技术有限公司 翻译模型的训练方法、装置、设备和存储介质
CN113139391A (zh) * 2021-04-26 2021-07-20 北京有竹居网络技术有限公司 翻译模型的训练方法、装置、设备和存储介质
WO2022228221A1 (zh) * 2021-04-29 2022-11-03 北京有竹居网络技术有限公司 信息翻译方法、装置、设备和存储介质
CN113204977A (zh) * 2021-04-29 2021-08-03 北京有竹居网络技术有限公司 信息翻译方法、装置、设备和存储介质
CN113204977B (zh) * 2021-04-29 2023-09-26 北京有竹居网络技术有限公司 信息翻译方法、装置、设备和存储介质
CN113553866A (zh) * 2021-07-14 2021-10-26 沈阳雅译网络技术有限公司 一种用单一网络模型实现多个语种之间互译的方法

Also Published As

Publication number Publication date
CN111046677B (zh) 2021-07-20

Similar Documents

Publication Publication Date Title
CN111046677B (zh) 一种翻译模型的获取方法、装置、设备和存储介质
CN111008533B (zh) 一种翻译模型的获取方法、装置、设备和存储介质
CN111368559A (zh) 语音翻译方法、装置、电子设备及存储介质
CN111382261B (zh) 摘要生成方法、装置、电子设备及存储介质
CN113139391B (zh) 翻译模型的训练方法、装置、设备和存储介质
CN111597825B (zh) 语音翻译方法、装置、可读介质及电子设备
CN111339789B (zh) 一种翻译模型训练方法、装置、电子设备及存储介质
CN113378586B (zh) 语音翻译方法、翻译模型训练方法、装置、介质及设备
WO2022228221A1 (zh) 信息翻译方法、装置、设备和存储介质
CN111368560A (zh) 文本翻译方法、装置、电子设备及存储介质
CN112380876B (zh) 基于多语言机器翻译模型的翻译方法、装置、设备和介质
CN112270200B (zh) 一种文本信息的翻译方法、装置、电子设备和存储介质
CN112417902A (zh) 文本翻译方法、装置、设备及存储介质
CN112487797A (zh) 数据生成方法、装置、可读介质及电子设备
CN115640815A (zh) 翻译方法、装置、可读介质及电子设备
CN112257459B (zh) 语言翻译模型的训练方法、翻译方法、装置和电子设备
WO2022116819A1 (zh) 模型训练方法及装置、机器翻译方法及装置、设备、存储介质
CN114765025A (zh) 语音识别模型的生成方法、识别方法、装置、介质及设备
WO2023138361A1 (zh) 图像处理方法、装置、可读存储介质及电子设备
CN110750994A (zh) 一种实体关系抽取方法、装置、电子设备及存储介质
WO2022121859A1 (zh) 口语信息处理方法、装置和电子设备
CN113591498A (zh) 翻译处理方法、装置、设备及介质
CN112489652A (zh) 一种语音信息的文本获取方法、装置和存储介质
CN112820280A (zh) 规则语言模型的生成方法及装置
CN111737572A (zh) 搜索语句生成方法、装置和电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant