翻译评估方法、装置、系统及计算机存储介质制造方法及图纸

本发明专利技术实施例提供了一种机器翻译评估方法、装置、系统及计算机存储介质，其中，翻译评估方法包括：获取包括原文语句和对应的机器译文语句的待评估数据；将所述待评估数据输入翻译评估神经网络模型的第一部分，通过所述第一部分的编码器、基于注意力机制的正向解码器和反向解码器，获得第一部分输出数据，其中，所述第一部分输出数据包括：与所述原文语句对应的译文预测语句和所述译文预测语句的语义特征信息；将所述第一部分输出数据输入翻译评估神经网络模型的第二部分，获得所述机器译文语句的机器翻译质量评估结果。通过本发明专利技术实施例，降低了机器翻译质量评估的实现成本，提高了质量评估效率。量评估效率。量评估效率。

【技术实现步骤摘要】
翻译评估方法、装置、系统及计算机存储介质


[0001]本专利技术实施例涉及计算机
，尤其涉及一种翻译评估方法、装置、系统及计算机存储介质。

技术介绍

[0002]机器翻译又称为自动翻译，是利用计算机将一种自然语言(源语言)转换为另一种自然语言(目标语言)的过程。
[0003]随着机器翻译在真实场景中的应用越来越多，翻译质量评估也受到很大的关注。对于翻译质量评估方法来说，最常用的评价机器翻译质量的指标是BLEU(Bilingual Evaluation Understudy，双语评估替换)方法的BLEU值。BLEU方法的核心思想是机器翻译的译文越接近人类专业译文，那么翻译的质量就越好。所以从本质上来说，BLEU值仅仅只是在计算机器翻译的译文与人工翻译的参考译文之间的相似性。此外，虽然BLEU值计算非常迅速，但它仅考虑词语层级的统计相似性，常忽略了语义和语法等特征。且其它如常用词、译文长度、同义词等很多情况都会影响到BLEU值的评判，因此它只能评估机器翻译的译文与人工翻译的参考译文之间的大致相似度。并且，BLEU值的计算依赖于人工生产的高质量参考译文，人工生产的特性限制了该评估方法能够评估的数量，通常只能达到上千或者上万的数据量，这远远不能满足实际的业务场景需求。
[0004]因此，如何在没有任何参考译文的前提下，也能够实时地大量地进行机器翻译质量评估，成为亟待解决的问题。

技术实现思路

[0005]有鉴于此，本专利技术实施例提供一种翻译评估方案，以至少部分解决上述问题。
[0006]根据本专利技术实施例的第一方面，提供了一种翻译评估系统，包括：编码层，所述编码层用于对输入的翻译数据进行特征编码；解码层，所述解码层与所述编码层通信连接，所述解码层用于对所述特征编码的结果进行基于注意力机制的正向解码和反向解码，获取第一译文预测结果；重建层，所述重建层与所述解码层通信连接，所述重建层用于根据所述第一译文预测结果和重构预测词，确定第二译文预测结果；输出层，所述输出层与所述重建层通信连接，所述输出层用于至少基于所述重建层输出的第二译文预测结果对翻译质量进行评估。
[0007]根据本专利技术实施例的第二方面，提供了一种翻译评估方法，包括：获取包括原文语句和对应的机器译文语句的待评估数据；将所述待评估数据输入翻译评估神经网络模型的第一部分，通过所述第一部分的编码器、基于注意力机制的正向解码器和反向解码器，获得第一部分输出数据，其中，所述第一部分输出数据包括：与所述原文语句对应的译文预测语句和所述译文预测语句的语义特征信息；将所述第一部分输出数据输入所述翻译评估神经网络模型的第二部分，获得所述机器译文语句的机器翻译质量评估结果。
[0008]根据本专利技术实施例的第三方面，提供了一种翻译评估装置，包括：第一获取模块，
用于获取包括原文语句和对应的机器译文语句的待评估数据；第二获取模块，用于将所述待评估数据输入翻译评估神经网络模型的第一部分，通过所述第一部分的编码器、基于注意力机制的正向解码器和反向解码器，获得第一部分输出数据，其中，所述第一部分输出数据包括：与所述原文语句对应的译文预测语句和所述译文预测语句的语义特征信息；第三获取模块，用于将所述第一部分输出数据输入所述翻译评估神经网络模型的第二部分，获得所述机器译文语句的机器翻译质量评估结果。
[0009]根据本专利技术实施例的第四方面，提供了一种电子设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如第二方面所述的翻译评估方法对应的操作。
[0010]根据本专利技术实施例的第五方面，提供了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第二方面所述的翻译评估方法。
[0011]根据本专利技术实施例提供的翻译评估方案，其在使用基于注意力机制的正向解码器根据特征编码的结果的正向语义信息进行译文预测的同时，还使用基于注意力机制的反向解码器根据该特征编码的结果的反向语义信息进行译文预测，通过正向和反向语义信息的结合使用，使得预测出的译文更为准确合理。此外，其在使用译文预测结果同时，还使用了从解码器获得的语义特征信息生成的重构预测词，由此，可以结合原文语句的语义以及较为准确的译文预测结果，来对机器译文语句的翻译质量进行有效评估。
[0012]可见，通过本专利技术实施例提供的方案，即使在没有任何人工的参考译文的前提下，也能够通过实时地大量地进行机器翻译质量评估，降低了机器翻译质量评估的实现成本，提高了质量评估效率。
附图说明
[0013]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术实施例中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
[0014]图1为根据本专利技术实施例一的一种翻译评估系统的结构示意图；
[0015]图2为根据本专利技术实施例二的一种翻译评估系统的架构示意图；
[0016]图3为根据本专利技术实施例三的一种翻译评估方法的步骤流程图；
[0017]图4为根据本专利技术实施例四的一种翻译评估方法的步骤流程图；
[0018]图5为根据本专利技术实施例五的一种翻译评估装置的结构框图；
[0019]图6为根据本专利技术实施例六的一种翻译评估装置的结构框图；
[0020]图7为根据本专利技术实施例七的一种电子设备的结构示意图。
具体实施方式
[0021]为了使本领域的人员更好地理解本专利技术实施例中的技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本专利技术实施例一部分实施例，而不是全部的实施例。基于本专利技术实施例中的实施
例，本领域普通技术人员所获得的所有其他实施例，都应当属于本专利技术实施例保护的范围。
[0022]下面结合本专利技术实施例附图进一步说明本专利技术实施例具体实现。
[0023]实施例一
[0024]参照图1，示出了根据本专利技术实施例一的一种翻译评估系统的结构示意图。
[0025]本实施例的翻译评估系统包括：编码层101，所述编码层101用于对输入的翻译数据进行特征编码；解码层103，所述解码层103与所述编码层101通信连接，所述解码层103用于对所述特征编码的结果进行基于注意力机制的正向解码和反向解码，获取第一译文预测结果；重建层105，所述重建层105与所述解码层103通信连接，所述重建层105用于根据所述第一译文预测结果和重构预测词，确定第二译文预测结果；输出层107，所述输出层107与所述重建层105通信连接，所述输出层107用于至少基于所述重建层105输出的第二译文预测结果对翻译质量进行评估。
[0026]因本实施例的翻译评估系统用于对机器翻译的质量进行评估，因此，输入的翻译数据一般包本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种翻译评估系统，包括：编码层，所述编码层用于对输入的翻译数据进行特征编码；解码层，所述解码层与所述编码层通信连接，所述解码层用于对所述特征编码的结果进行基于注意力机制的正向解码和反向解码，获取第一译文预测结果；重建层，所述重建层与所述解码层通信连接，所述重建层用于根据所述第一译文预测结果和重构预测词，确定第二译文预测结果；输出层，所述输出层与所述重建层通信连接，所述输出层用于至少基于所述重建层输出的第二译文预测结果对翻译质量进行评估。2.根据权利要求1所述的系统，其中，所述解码层包括：用于对所述特征编码的结果进行基于注意力机制的正向解码的两个正向解码层，和，用于对所述特征编码的结果进行基于注意力机制的反向解码的两个反向解码层。3.根据权利要求2所述的系统，其中，每个正向解码层包括三个子层；其中，第一个子层为自注意力子层；第二个子层为以所述编码层的输出作为Key和Value，以所述第一个子层的输出作为Query的自注意力子层；第三个子层为全连接子层；每个反向解码层包括三个子层；其中，第一个子层为自注意力子层；第二个子层为以所述编码层的输出作为Key和Value，以所述第一个子层的输出作为Query的自注意力子层；第三个子层为全连接子层。4.根据权利要求1所述的系统，其中，所述编码层包括两层，每个编码层包括二个子层；其中，第一个子层为自注意力子层；第二个子层为全连接子层。5.根据权利要求3或4所述的系统，其中，所述自注意力子层均为遮挡多头自注意力(Masked multi-head self-attention)子层。6.根据权利要求1所述的系统，其中，所述输出层为双向长短时记忆网络(Bi-LSTM)层。7.根据权利要求2所述的系统，其中，所述重构预测词根据从所述正向解码层获得的正向语义特征向量和从所述反向解码层获得的反向语义特征向量生成。8.根据权利要求1所述的系统，其中，所述输出层基于所述重建层输出的第二译文预测结果和所述第二译文预测结果的语义特征信息，对翻译质量进行评估。9.根据权利要求8所述的系统，其中，所述输出层基于所述重建层输出的第二译文预测结果、所述第二译文预测结果的语义特征信息、输入的原文语句、和所述第二译文预测结果与输入的与原文语句对应的译文语句，对翻译质量进行评估。10.一种翻译评估方法，包括：获取包括原文语句和对应的机器译文语句的待评估数据；将所述待评估数据输入翻译评估神经网络模型的第一部分，通过所述第一部分的编码器、基于注意力机制的正向解码器和反向解码器，获得第一部分输出数据，其中，所述第一部分输出数据包括：与所述原文语句对应的译文预测语句和所述译文预测语句的语义特征信息；将所述第一部分输出数据输入所述翻译评估神经网络模型的第二部分，获得所述机器译文语句的机器翻译质量评估结果。11.根据权利要求10所述的方法，其中，所述方法还包括：
使用包括训练原文语句和对应的参考译文语句的训练样本，对所述第一部分进行翻译训练，以获得所述第一部分的训练输出数据，其中，所述训练输出数据包括：与所述训练原文语句对应的训练译文预测语句和所述训练译文预测语句的语义特征信息；将所述训练原文语句、所述训练输出数据、所述训练译文预测语句对应的质量标注信息、及所述训练译文预测语句与所述参考译文语句的差异信息输入第二部分，对所述第二部分进行翻译质量评估训练。12.根据权利要求11所述的方法，其中：针对所述参考译文语句中的每个词，获取与当前词对应的训练数据，其中，所述当前词对应的训练数据包括：所述原文训练语句的所有词的词向量，和，所述参考译文语句中除所述当前词之外的其它译文词的词向量；将所述训练数据输入第一部分，通过所述第一部分的编码器对所述训练数据进行编码，获得编码向量，其中，所述编码向量包括编码词向量和语义特征向量；分别使用正向解码器根据当前词对应的所述编码词向量中的前向词向量和所述语义特征向量中的前向语义特征向量，以及，使用反向解码器根据当前词对应的所述编码词向量中的...

【专利技术属性】
技术研发人员：汪嘉怿，樊楷，李博，施杨斌，赵宇，陈博兴，骆卫华，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：