本公开提供了一种语料生成方法、装置、电子设备以及存储介质，涉及人工智能领域，尤其涉及深度学习、自然语言处理等领域。具体实现方案为：基于基础的第一反向翻译模型，生成至少一个第二反向翻译模型，其中，第二反向翻译模型的模型参数集合与第一反向翻译模型的模型参数集合不同；基于至少一个第二反向翻译模型，生成目标语言中单语语料的伪平行语料。由此，能够实现在反向翻译的过程中生成高质量且多样的语料。多样的语料。多样的语料。
【技术实现步骤摘要】
语料生成方法、装置、电子设备以及存储介质
[0001]本公开涉及人工智能领域，尤其涉及深度学习、自然语言处理等领域。
技术介绍
[0002]机器翻译是借助机器之力将一种自然语言文本(源语言)翻译成另一种自然语言文本(目标语言)的过程，是自然语言处理的重要研究领域，也是目前互联网常用服务之一。如何提高机器翻译模型的翻译准确度是研究的重点。
技术实现思路
[0003]本公开提供了一种语料生成方法、装置、设备以及存储介质。
[0004]根据本公开的一方面，提供了一种语料生成方法，包括：
[0005]基于基础的第一反向翻译模型，生成至少一个第二反向翻译模型，其中，所述第二反向翻译模型的模型参数集合与所述第一反向翻译模型的模型参数集合不同；
[0006]基于所述至少一个第二反向翻译模型，生成目标语言中单语语料的伪平行语料。
[0007]根据本公开的另一方面，提供了一种语料生成的装置，包括：
[0008]第一生成模块，用于基于基础的第一反向翻译模型，生成至少一个第二反向翻译模型，其中，所述第二反向翻译模型的模型参数集合与所述第一反向翻译模型的模型参数集合不同；
[0009]第二生成模块，用于基于所述至少一个第二反向翻译模型，生成目标语言中单语语料的伪平行语料。
[0010]根据本公开的另一方面，提供了一种电子设备，包括：
[0011]至少一个处理器；以及
[0012]与所述至少一个处理器通信连接的存储器；其中，
[0013]所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行语料生成方法。
[0014]根据本公开的另一方面，一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行语料生成方法。
[0015]根据本公开的另一方面，一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现语料生成方法。
[0016]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0017]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0018]图1是根据本公开一个实施例的语料生成方法的流程示意图；
[0019]图2是根据本公开另一个实施例的语料生成方法的流程示意图；
[0020]图3是根据本公开另一个实施例的语料生成方法的具体实例流程示意图；
[0021]图4是根据本公开一个实施例的语料生成装置的结构示意图；
[0022]图5是用来实现本公开实施例的语料生成方法的电子设备的框图。
具体实施方式
[0023]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0024]以下对本公开的方案涉及的
进行简要说明：
[0025]人工智能(Artificial Intelligence，简称AI)，是研究使计算机来模拟人生的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术，也有软件层面的技术。人工智能硬件技术一般包括计算机视觉技术、语音识别技术、自然语言处理技术以及及其学习/深度学习、大数据处理技术、知识图谱技术等几大方面。
[0026]深度学习是机器学习领域中一个新的研究方向。深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。
[0027]自然语言处理(Natural Language Processing,NLP)是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。因此，这一领域的研究将涉及自然语言，即人们日常使用的语言，所以它与语言学的研究有着密切的联系，但又有重要的区别。自然语言处理并不是一般地研究自然语言，而在于研制能有效地实现自然语言通信的计算机系统，特别是其中的软件系统。因而它是计算机科学的一部分。
[0028]自然语言处理主要应用于机器翻译、舆情监测、自动摘要、观点提取、文本分类、问题回答、文本语义对比、语音识别、中文OCR等方面。
[0029]神经网络模型在机器翻译任务上取得了重大的进步并超越了统计机器翻译，基于Transformer(多头注意力)模型的神经机器翻译模型在大量数据的训练下取得了较好的翻译质量，但是，尽管神经网络在翻译质量上提升很大，受限于已有的平行语料数量，翻译模型无法进一步取得更优的效果，针对于语料数量不足的问题，本公开提出了语料生成方法。
[0030]本公开实施例提供的语料生成方法，可以由电子设备来执行，该电子设备可为服务器、云平台等，此处不做任何限定。
[0031]本公开实施例提供的为语料生成方法，可以由电子设备来执行，该电子设备可为PC(Personal Computer，个人计算机)电脑、服务器、云端等，此处不做任何限定。
[0032]在本公开实施例中，电子设备中可以设置有处理组件、存储组件和驱动组件。可选的，该驱动组件和处理组件可以集成设置，该存储组件可以存储操作系统、应用程序或其他程序模块，该处理组件通过执行存储组件中存储的应用程序来实现本公开实施例提供的语料生成方法。
[0033]下面参考附图对本公开提供的语料生成方法、装置、电子设备以及存储介质进行详细描述。
[0034]图1是根据本公开一个实施例的语料生成方法的流程图。
[0035]本公开实施例的语料生成方法，还可由本公开实施例提供的语料生成装置执行，该装置可配置于电子设备中，以实现基于基础的第一反向翻译模型，生成至少一个第二反向翻译模型，并基于至少一个第二反向翻译模型，生成目标语言中单语语料的伪平行语料，从而能够实现在反向翻译的过程中生成高质量且多样的语料。
[0036]作为一种可能的情况，本公开实施例的为语料生成方法还可以在服务器端执行，服务器可以为云服务器，可以在云端执行该为语料生成方法。
[0037]如图1所示，该语料生成方法，可包括：
[0038]步骤101，基于基础的第一反向翻译模型，生成至少一个第二反向翻译模型，其中，第二反向翻译模型的模型参数集合与第一反向翻译模型的模型参数集合不同。
[0039]其中，模型参数本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种语料生成方法，包括：基于基础的第一反向翻译模型，生成至少一个第二反向翻译模型，其中，所述第二反向翻译模型的模型参数集合与所述第一反向翻译模型的模型参数集合不同；基于所述至少一个第二反向翻译模型，生成目标语言中单语语料的伪平行语料。2.根据权利要求1所述的方法，其中，所述第二反向翻译模型的模型参数集合小于所述第一反向翻译模型的模型参数集合。3.根据权利要求1所述的方法，其中，所述基于基础的第一反向翻译模型，生成至少一个第二反向翻译模型，包括：对所述第一反向翻译模型进行随机参数丢弃dropout操作，以生成所述至少一个第二反向翻译模型。4.根据权利要求3所述的方法，其中，所述对所述第一反向翻译模型进行随机参数丢弃dropout操作，以生成所述至少一个第二反向翻译模型，包括：针对每个所述第二反向翻译模型，对所述第一反向翻译模型以丢弃概率进行伯努利采样，获取以所述丢弃概率采样到的第一模型参数和以保留概率采样到的第二模型参数，其中，所述丢弃概率和所述保留概率的和值为1；将所述第一模型参数配置为0，所述第二模型参数配置保留原值，以生成所述第二反向翻译模型。5.根据权利要求4所述的方法，其中，还包括：每个所述第二反向翻译模型对应的所述dropout操作的丢弃概率相同。6.根据权利要求4或5所述的方法，其中，所述方法还包括：获取当前生成的所述第二反向翻译模型对应的源语料与翻译语料之间的双语评估替补参数；根据所述双语评估替补参数，调整所述dropout操作的丢弃概率，并以调整后的所述丢弃概率继续生成下一个所述第二反向翻译模型。7.根据权利要求6所述的方法，其中，所述双语评估替补参数与所述dropout操作的丢弃概率负相关。8.根据权利要求1所述的方法，其中，所述基于所述至少一个第二反向翻译模型，生成目标语言中单语语料的伪平行语料，包括：将所述单语语料分别输入到每个所述第二反向翻译模型中，以获取每个所述第二反向翻译模型输出所述单语语料的伪平行语料。9.根据权利要求1所述的方法，其中，所述方法还包括：基于获取到的所述伪平行语料对源语言的平行语料进行增广，以得到翻译模型的训练语料。10.一种语料生成装置，包括：第一生成模块，用于基于基础的第一反向翻译模型，生成至少一个第二反向翻译模型，其中，所述第二反向翻译模型的模型参数集合与所述第一反向翻译模型的模型参数集合不同；第二生...
【专利技术属性】
技术研发人员：李绩成，高鹏至，何中军，李芝，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：
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。