讀性和流暢性，降低了漏詞率。
[0091 ] 在本發(fā)明所提供的幾個(gè)實(shí)施例中，應(yīng)該理解到，所公開的裝置和方法，可以通過其 它的方式實(shí)現(xiàn)。例如，以上所描述的裝置實(shí)施例僅僅是示意性的，例如，所述模塊的劃分，僅 僅為一種邏輯功能劃分，實(shí)際實(shí)現(xiàn)時(shí)可以有另外的劃分方式。
[0092] 另外，在本發(fā)明各個(gè)實(shí)施例中的各功能模塊可以集成在一個(gè)處理模塊中，也可以 是各個(gè)模塊單獨(dú)物理存在，也可以兩個(gè)或兩個(gè)以上模塊集成在一個(gè)模塊中。上述集成的模 塊既可以采用硬件的形式實(shí)現(xiàn)，也可以采用硬件加軟件功能模塊的形式實(shí)現(xiàn)。
[0093] 上述以軟件功能模塊的形式實(shí)現(xiàn)的集成的模塊，可以存儲(chǔ)在一個(gè)計(jì)算機(jī)可讀取存 儲(chǔ)介質(zhì)中。上述軟件功能模塊存儲(chǔ)在一個(gè)存儲(chǔ)介質(zhì)中，包括若干指令用以使得一臺(tái)計(jì)算 機(jī)設(shè)備（可以是個(gè)人計(jì)算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等）或處理器（processor)執(zhí)行本發(fā) 明各個(gè)實(shí)施例所述方法的部分步驟。而前述的存儲(chǔ)介質(zhì)包括：U盤、移動(dòng)硬盤、只讀存儲(chǔ)器 (Read-Only Memory，ROM)、隨機(jī)存取存儲(chǔ)器（Random Access Memory，RAM)、磁碟或者光盤 等各種可以存儲(chǔ)程序代碼的介質(zhì)。
[0094] 以上所述，僅為本發(fā)明的【具體實(shí)施方式】，但本發(fā)明的保護(hù)范圍并不局限于此，任何 熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到變化或替換，都應(yīng)涵 蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)以所述權(quán)利要求的保護(hù)范圍為準(zhǔn)。
【主權(quán)項(xiàng)】
1. 一種基于神經(jīng)網(wǎng)絡(luò)模型的翻譯方法，其特征在于，所述方法包括： 獲取源語(yǔ)言的語(yǔ)句； 將所述源語(yǔ)言的語(yǔ)句進(jìn)行編碼，得到向量序列； 基于所述向量序列逐詞地預(yù)測(cè)目標(biāo)語(yǔ)言中相應(yīng)的候選詞； 根據(jù)預(yù)測(cè)得到的候選詞生成目標(biāo)語(yǔ)言的語(yǔ)句， 其中，在任一所述候選詞的預(yù)測(cè)處理中，從預(yù)設(shè)的翻譯詞表中獲取多個(gè)初選詞，并且基 于對(duì)數(shù)線性模型計(jì)算每個(gè)所述初選詞的翻譯概率，以根據(jù)所述翻譯概率從所述多個(gè)初選詞 選取所述候選詞，所述對(duì)數(shù)線性模型根據(jù)神經(jīng)網(wǎng)絡(luò)翻譯模型的翻譯特征和統(tǒng)計(jì)機(jī)器翻譯模 型的翻譯特征建立的。2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述從預(yù)設(shè)的翻譯詞表中獲取多個(gè)初選 詞，并且基于對(duì)數(shù)線性模型計(jì)算每個(gè)所述初選詞的翻譯概率，以根據(jù)所述翻譯概率從所述 多個(gè)初選詞選取所述候選詞的處理包括： 從預(yù)設(shè)的翻譯詞表中獲取M個(gè)詞語(yǔ)作為初選詞，M為正整數(shù)， 根據(jù)所述向量序列和在獲取M個(gè)初選詞之前預(yù)測(cè)出的候選詞，計(jì)算每個(gè)所述初選詞的 神經(jīng)網(wǎng)絡(luò)翻譯模型的翻譯特征， 計(jì)算每個(gè)所述初選詞的統(tǒng)計(jì)機(jī)器翻譯模型的翻譯特征， 根據(jù)計(jì)算得到的神經(jīng)網(wǎng)絡(luò)翻譯模型的翻譯特征和統(tǒng)計(jì)機(jī)器翻譯模型的翻譯特征，結(jié)合 所述對(duì)數(shù)線性模型計(jì)算每個(gè)所述初選詞的翻譯概率值， 對(duì)計(jì)算得到的M個(gè)翻譯概率值進(jìn)行排序，并將與前N位的翻譯概率值相應(yīng)的初選詞選 取為所述候選詞，N為正整數(shù)，且N < M。3. 根據(jù)權(quán)利要求2所述的方法，其特征在于，所述基于所述向量序列逐詞地預(yù)測(cè)目標(biāo) 語(yǔ)言中相應(yīng)的候選詞的處理還包括：依據(jù)所述神經(jīng)網(wǎng)絡(luò)翻譯模型的翻譯特征標(biāo)記所述候選 詞之間的關(guān)聯(lián)關(guān)系， 所述根據(jù)預(yù)測(cè)得到的候選詞生成目標(biāo)語(yǔ)言的語(yǔ)句的處理包括： 根據(jù)具有關(guān)聯(lián)關(guān)系的所有候選詞生成目標(biāo)語(yǔ)言的語(yǔ)句。4. 根據(jù)權(quán)利要求3所述的方法，其特征在于，所述統(tǒng)計(jì)機(jī)器翻譯模型的翻譯特征包括 雙向單詞翻譯模型特征。5. 根據(jù)權(quán)利要求4所述的方法，其特征在于，所述統(tǒng)計(jì)機(jī)器翻譯模型的翻譯特征還包 括N元語(yǔ)言模型特征和/或詞懲罰特征。6. 根據(jù)權(quán)利要求1~5中任一項(xiàng)所述的方法，其特征在于，所述將所述源語(yǔ)言的語(yǔ)句進(jìn) 行編碼得到向量序列的處理包括： 對(duì)源語(yǔ)言的語(yǔ)句進(jìn)行分詞， 將分得的多個(gè)分詞分別轉(zhuǎn)換成與每個(gè)所述分詞對(duì)應(yīng)的詞向量， 由多個(gè)分詞各自對(duì)應(yīng)的詞向量得到所述向量序列。7. 根據(jù)權(quán)利要求6所述的方法，其特征在于，所述獲取源語(yǔ)言的語(yǔ)句的處理包括以下 處理之一： 接收文本數(shù)據(jù)，并將所述文本數(shù)據(jù)作為所述源語(yǔ)言的語(yǔ)句， 接收語(yǔ)音數(shù)據(jù)，對(duì)所述語(yǔ)音數(shù)據(jù)進(jìn)行語(yǔ)音識(shí)別得到經(jīng)語(yǔ)音識(shí)別的文本數(shù)據(jù)，并將所述 經(jīng)語(yǔ)音識(shí)別的文本數(shù)據(jù)作為所述源語(yǔ)言的語(yǔ)句， 接收?qǐng)D片數(shù)據(jù)，對(duì)所述圖片數(shù)據(jù)進(jìn)行光學(xué)字符識(shí)別OCR得到經(jīng)OCR識(shí)別的文本數(shù)據(jù)，并 將所述經(jīng)OCR識(shí)別的文本數(shù)據(jù)作為所述源語(yǔ)言的語(yǔ)句。8. -種基于神經(jīng)網(wǎng)絡(luò)模型的翻譯裝置，其特征在于，所述裝置包括： 語(yǔ)句獲取模塊，用于獲取源語(yǔ)言的語(yǔ)句； 語(yǔ)句編碼模塊，用于將所述源語(yǔ)言的語(yǔ)句進(jìn)行編碼得到向量序列； 候選詞預(yù)測(cè)模塊，用于基于所述向量序列逐詞地預(yù)測(cè)目標(biāo)語(yǔ)言中相應(yīng)的候選詞； 語(yǔ)句生成模塊，用于根據(jù)預(yù)測(cè)得到的候選詞生成目標(biāo)語(yǔ)言的語(yǔ)句， 其中，在任一所述候選詞的預(yù)測(cè)處理中，從預(yù)設(shè)的翻譯詞表中獲取多個(gè)初選詞，并且基 于對(duì)數(shù)線性模型計(jì)算每個(gè)所述初選詞的翻譯概率，以根據(jù)所述翻譯概率從所述多個(gè)初選詞 選取所述候選詞，所述對(duì)數(shù)線性模型根據(jù)神經(jīng)網(wǎng)絡(luò)翻譯模型的翻譯特征和統(tǒng)計(jì)機(jī)器翻譯模 型的翻譯特征建立的。9. 根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述候選詞預(yù)測(cè)模塊包括： 初選詞獲取單元，用于從預(yù)設(shè)的翻譯詞表中獲取M個(gè)詞語(yǔ)作為初選詞，M為正整數(shù)， 神經(jīng)網(wǎng)絡(luò)模型特征計(jì)算單元，用于根據(jù)所述向量序列和在獲取M個(gè)初選詞之前預(yù)測(cè)出 的候選詞，計(jì)算每個(gè)所述初選詞的神經(jīng)網(wǎng)絡(luò)翻譯模型的翻譯特征， 統(tǒng)計(jì)機(jī)器模型特征計(jì)算單元，用于計(jì)算每個(gè)所述初選詞的統(tǒng)計(jì)機(jī)器翻譯模型的翻譯特 征， 翻譯概率計(jì)算單元，用于根據(jù)計(jì)算得到的神經(jīng)網(wǎng)絡(luò)翻譯模型的翻譯特征和統(tǒng)計(jì)機(jī)器翻 譯模型的翻譯特征，結(jié)合所述對(duì)數(shù)線性模型計(jì)算每個(gè)所述初選詞的翻譯概率值， 候選詞選取單元，用于對(duì)計(jì)算得到的M個(gè)翻譯概率值進(jìn)行排序，并將與前N位的翻譯概 率值相應(yīng)的初選詞選取為所述候選詞，N為正整數(shù)，且N < M。10. 根據(jù)權(quán)利要求9所述的裝置，其特征在于，所述候選詞預(yù)測(cè)模塊還包括：候選詞關(guān) 聯(lián)單元，用于依據(jù)所述神經(jīng)網(wǎng)絡(luò)翻譯模型的翻譯特征標(biāo)記所述候選詞之間的關(guān)聯(lián)關(guān)系， 所述語(yǔ)句生成模塊，用于根據(jù)具有關(guān)聯(lián)關(guān)系的所有候選詞生成目標(biāo)語(yǔ)言的語(yǔ)句。11. 根據(jù)權(quán)利要求10所述的裝置，其特征在于，所述統(tǒng)計(jì)機(jī)器翻譯模型的翻譯特征包 括雙向單詞翻譯模型特征。12. 根據(jù)權(quán)利要求11所述的裝置，其特征在于，所述統(tǒng)計(jì)機(jī)器翻譯模型的翻譯特征還 包括N元語(yǔ)言模型特征和/或詞懲罰特征。13. 根據(jù)權(quán)利要求8~12中任一項(xiàng)所述的裝置，其特征在于，所述語(yǔ)句編碼模塊用于對(duì) 源語(yǔ)言的語(yǔ)句進(jìn)行分詞，將分得的多個(gè)分詞分別轉(zhuǎn)換成與每個(gè)所述分詞對(duì)應(yīng)的詞向量，由 多個(gè)分詞各自對(duì)應(yīng)的詞向量得到所述向量序列。14. 根據(jù)權(quán)利要求13所述的裝置，其特征在于，所述語(yǔ)句獲取模塊包括以下單元之一： 文本數(shù)據(jù)接收單元，用于接收文本數(shù)據(jù)，并將所述文本數(shù)據(jù)作為所述源語(yǔ)言的語(yǔ)句， 語(yǔ)音數(shù)據(jù)接收及識(shí)別單元，用于接收語(yǔ)音數(shù)據(jù)，對(duì)所述語(yǔ)音數(shù)據(jù)進(jìn)行語(yǔ)音識(shí)別得到經(jīng) 語(yǔ)音識(shí)別的文本數(shù)據(jù)，并將所述經(jīng)語(yǔ)音識(shí)別的文本數(shù)據(jù)作為所述源語(yǔ)言的語(yǔ)句， 圖片數(shù)據(jù)接收及識(shí)別單元，用于接收?qǐng)D片數(shù)據(jù)，對(duì)所述圖片數(shù)據(jù)進(jìn)行光學(xué)字符識(shí)別OCR 得到經(jīng)OCR識(shí)別的文本數(shù)據(jù)，并將所述經(jīng)OCR識(shí)別的文本數(shù)據(jù)作為所述源語(yǔ)言的語(yǔ)句。
【專利摘要】本發(fā)明實(shí)施例提供了一種基于神經(jīng)網(wǎng)絡(luò)模型的翻譯方法及裝置。其中，基于神經(jīng)網(wǎng)絡(luò)模型的翻譯方法包括：獲取源語(yǔ)言的語(yǔ)句；將所述源語(yǔ)言的語(yǔ)句進(jìn)行編碼得到向量序列；基于所述向量序列逐詞地預(yù)測(cè)目標(biāo)語(yǔ)言中相應(yīng)的候選詞；根據(jù)預(yù)測(cè)得到的候選詞生成目標(biāo)語(yǔ)言的語(yǔ)句。本發(fā)明實(shí)施例的基于神經(jīng)網(wǎng)絡(luò)模型的翻譯方法及裝置，能夠結(jié)合多種翻譯特征執(zhí)行翻譯，提高了翻譯結(jié)果的翻譯質(zhì)量、流利程度以及可讀性。
【IPC分類】G06N3/02, G06F17/28
【公開號(hào)】CN105068998
【申請(qǐng)?zhí)枴緾N201510455270
【發(fā)明人】何中軍, 和為, 吳華, 王海峰
【申請(qǐng)人】百度在線網(wǎng)絡(luò)技術(shù)（北京）有限公司
【公開日】2015年11月18日
【申請(qǐng)日】2015年7月29日