【技术实现步骤摘要】
翻译质量测评方法及装置
本公开涉及翻译测评
，尤其涉及一种翻译质量测评方法及装置。
技术介绍
随着经济全球化的快速发展，跨语言交流日益频繁，语言翻译的质量的高低直接决定了跨语言沟通的效率和效果。因此，不管是人工翻译，还是传统的统计机器翻译系统，还是基于深度学习的神经机器翻译系统，对其翻译出的译文的质量都需要进行测评。现有的翻译质量测评，通常需要借助人工翻译出的参考译文，来测评目标语言语句的翻译质量。但是，由于参考译文的数量有限，而由于语义的多样性，有限的参考译文并不能全面反映出翻译系统输出译文的质量，导致质量测评结果的可靠性较低。
技术实现思路
本公开提出了一种翻译质量测评方法及装置，以提高翻译质量测评结果的可靠性。根据本公开的第一方面，提供了一种翻译质量测评方法，所述方法包括：接收待测评的目标语言语句和对应的源语言语句；获取所述源语言语句的特征信息和所述目标语言语句的特征信息；对所述源语言语句的特征信息和所述目标语言语句的特征信息进行处理，得到测评信息。
【技术保护点】
1.一种翻译质量测评方法，其特征在于，所述方法包括：/n接收待测评的目标语言语句和对应的源语言语句；/n获取所述源语言语句的特征信息和所述目标语言语句的特征信息；/n对所述源语言语句的特征信息和所述目标语言语句的特征信息进行处理，得到测评信息。/n
【技术特征摘要】
1.一种翻译质量测评方法，其特征在于，所述方法包括：
接收待测评的目标语言语句和对应的源语言语句；
获取所述源语言语句的特征信息和所述目标语言语句的特征信息；
对所述源语言语句的特征信息和所述目标语言语句的特征信息进行处理，得到测评信息。
2.如权利要求1所述的一种翻译质量测评方法，其特征在于，获取所述源语言语句的特征信息和所述目标语言语句的特征信息包括：
对所述目标语言语句和所述源语言语句进行处理，得到所述目标语言语句的特征信息，以及得到所述源语言语句的特征信息。
3.如权利要求1或2所述的一种翻译质量测评方法，其特征在于，所述源语言语句的特征信息包括所述源语言语句对应的特征向量表示，所述目标语言语句的特征信息包括所述目标语言语句对应的特征向量表示。
4.如权利要求3所述的一种翻译质量测评方法，其特征在于，对所述源语言语句的特征信息和所述目标语言语句的特征信息进行处理，得到测评信息包括：
将所述源语言语句对应的特征向量表示和所述目标语言对应的特征向量表示输入测评神经网络，经所述测评神经网络处理后输出所述测评信息。
5.如权利要求4所述的一种翻译质量测评方法，其特征在于，获取所述源语言语句的特征信息和所述目标语言语句的特征信息包括：
将所述源语言语句和所述目标语言语句输入神经网络，经所述神经网络处理后输出所述源语言语句对应的特征向量表示和所述目标语言语句对应的特征向量表示。
6.如权利要求5所述的一种翻译质量测评方法，其特征在于，将所述源语言语句和所述目标语言语句输入神经网络，经所述神经网络处理后输出所述源语言语句对应的特征向量表示和所述目标语言语句对应的特征向量表示包括：
将所述源语言语句和所述目标语言语句输入第一神经网络，经所述第一神经网络处理后输出所述源语言语句对应的特征向量表示；
将所述源语言语句和所述目标语言语句输入第二神经网络，经所述第二神经网络处理后输出所述目标语言语句对应的特征向量表示。
7.如权利要求6所述的一种翻译质量测评方法，其特征在于，所述第一神经网络为目标语言到源语言的翻译神经网络，所述第一神经网络包括预先采用源语言和目标语言二者对应的平行语料训练得到；
所述第二神经网络为源语言到目标语言的翻译神经网络，所述第二神经网络包括预先采用源语言和目标语言二者对应的平行语料训练得到。
8.如权利要求5所述的一种翻译质量测评方法，其特征在于，将所述源语言语句和所述目标语言语句输入神经网络，经所述神经网络处理后输出所述源语言语句对应的特征向量表示和所述目标语言语句对应的特征向量表示包括：
将所述源语言语句和所述目标语言语句输入具有自注意力层的神经网络，经所述具有自注意力层的神经网络处理后输出所述源语言语句对应的特征向量表示和所述目标语言语句对应的特征向量表示。
9.如权利要求8所述的一种翻译质量测评方法，其特征在于，所述具有自注意力层的神经网络包括预先采用源语言的单语语料和目标语言的单语语料训练得到，或预先采用源语言和目标语言二者对应的平行语料训练得到。
10.如权利要求5所述的一种翻译质量测评方法，其特征在于，将所述源语言语句和所述目标语言语句输入神经网络，经所述神经网络处理后输出所述源语言语句对应的特征向量表示和所述目标语言语句对应的特征向量表示包括：
将所述源语言语句输入第三神经网络，经所述第三神经网络处理后输出所述源语言语句对应的新目标语言语句；
将所述新目标语言语句和待测评的所述目标语言语句输入具有自注意力层的神经网络，经所述具有自注意力层的神经网络处理后输出所述源语言语句的特征向量表示和所述目标语言语句的特征向量表示。
11.如权利要求4所述的一种翻译质量测评方法，其特征在于，将所述源语言语句对应的特征向量表示和所述目标语言对应的特征向量表示输入测评神经网络，经所述测评神经网络处理后输出所述测评信息包括：
对所述源语言语句对应的特征向量表示进行压缩，得到固定维度的向量表示，对所述目标语言语句对应的特征向量表示进行压缩，得到固定维度的向量表示；
将所述固定维度的向量表示输入所述测评神经网络全连接层，经所述测评神经网络处理后输出所述测评信息。
12.如权利要求5、6、8、10、11中任意一项所述的一种翻译质量测评方法，其特征在于，所述源语言语句的特征向量表示包括所述源语言语句每个词对应的特征向量表示，所述目标语言语句的特征向量表示包括所述目标语言语句每个词对应的特征向量表示。
13.如权利要求6所述的一种翻译质量测评方法，其特征在于，所述第一神经网络与所述测评神经网络双向耦合，所述第二神经网络与所述测评神经网络双向耦合。
14.如权利要求8或10所述的一种翻译质量测评方法，其特征在于，所述测评神经网络与所述具有自注意力层的神经网络双向耦合。
15.一种翻译质量测评装置，其特征在于，所述装置包括：
语句输入模块，用于接收待测评的目标语言语句和对应的源语言语句；<...
【专利技术属性】
技术研发人员：黄书剑，侯琦，何亮，戴新宇，张建兵，陈家骏，
申请(专利权)人：南京大学，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。