【技术实现步骤摘要】
基于人工智能的文本翻译方法、装置、计算机设备及介质
[0001]本专利技术涉及数字医疗
,尤其涉及一种基于人工智能的文本翻译方法、装置、计算机设备及介质。
技术介绍
[0002]目前,随着人工智能技术的发展,基于神经网络的智能翻译模型也逐渐应用于数字医疗平台中,数字医疗平台可以支持疾病辅助诊断、健康管理、远程会诊等功能,从而提高医疗机构的效率,方便居民就医。
[0003]智能翻译技术能够应用于数字医疗平台中的智能交互任务中,例如在部署有智能终端的医疗场景中,智能翻译模型能够有助于实现跨语种的信息交流,为跨语种人群提供诊疗、问询等医疗服务,现有的智能翻译模型通常采用编码器和解码器组合的架构,根据待翻译词项以及其前一词项,为待翻译词项的翻译过程提供情景信息。
[0004]但是,现有的情景信息仅属于局部情景信息,也即仅依据待翻译词项及其相邻信息进行文本翻译,在面对情景较为复杂的文本或者文本长度较长的文本时,难以提供可靠的上下文信息辅助文本进行逐词项翻译,从而导致文本翻译的准确率较低,因此,如何提高文本翻译的准确率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了一种基于人工智能的文本翻译方法、装置、计算机设备及介质,以解决现有文本翻译的准确率较低的问题。
[0006]第一方面,本专利技术实施例提供一种基于人工智能的文本翻译方法,所述文本翻译方法包括:
[0007]获取文本样本及其对应的翻译标签,在预设位置对所述文本样本和所述翻译标签分别进行 ...
【技术保护点】
【技术特征摘要】
1.一种基于人工智能的文本翻译方法,其特征在于,所述文本翻译方法包括:获取文本样本及其对应的翻译标签,在预设位置对所述文本样本和所述翻译标签分别进行遮挡,得到遮挡样本及其对应的遮挡标签;将所述遮挡样本输入预设的编码器中进行特征提取,得到样本特征,将所述样本特征输入预设的翻译解码器中进行特征解码,得到翻译样本,将所述样本特征输入预设的重构解码器中进行特征重构,得到重构样本;以所述遮挡标签和所述文本样本为依据,根据所述翻译样本和所述重构样本,对所述编码器、所述翻译解码器和所述重构解码器进行联合训练,得到训练好的编码器、训练好的翻译解码器和训练好的重构解码器;使用所述训练好的编码器和所述训练好的翻译解码器生成文本翻译模型,使用所述训练好的编码器和所述训练好的重构解码器生成文本重构模型;将所述遮挡样本输入所述文本翻译模型,得到文本翻译结果,将所述遮挡样本输入所述文本重构模型,得到文本重构结果,根据所述文本翻译结果和所述文本重构结果的关联程度,调整所述文本翻译模型的参数,直至满足预设的生成条件,得到生成的目标翻译模型,所述目标翻译模型用于对获取的待翻译文本进行翻译。2.根据权利要求1所述的文本翻译方法,其特征在于,所述文本样本包括至少一个样本词项,所述翻译标签包括至少一个标签词项;所述在预设位置对所述文本样本和所述翻译标签分别进行遮挡,得到遮挡样本及其对应的遮挡标签包括:根据所述预设位置,确定所述文本样本中所述预设位置对应的样本词项为第一遮挡词项,在所述文本样本中对所述第一遮挡词项进行遮挡,得到所述遮挡样本;确定所述翻译标签中所述预设位置对应的标签词项为第二遮挡词项,在所述翻译标签中对所述第二遮挡词项进行遮挡,得到所述遮挡标签,所述遮挡标签和所述遮挡样本存在对应关系。3.根据权利要求1所述的文本翻译方法,其特征在于,所述以所述遮挡标签和所述文本样本为依据,根据所述翻译样本和所述重构样本,对所述编码器、所述翻译解码器和所述重构解码器进行联合训练,得到训练好的编码器、训练好的翻译解码器和训练好的重构解码器包括:根据所述遮挡标签、所述翻译样本和预设的翻译损失函数,计算得到翻译损失;根据所述文本样本、所述重构样本和预设的重构损失函数,计算得到重构损失;以所述翻译损失和所述重构损失为依据,对所述编码器、所述翻译解码器和所述重构解码器进行联合训练,得到所述训练好的编码器、所述训练好的翻译解码器和所述训练好的重构解码器。4.根据权利要求3所述的文本翻译方法,其特征在于,所述以所述翻译损失和所述重构损失为依据,对所述编码器、所述翻译解码器和所述重构解码器进行联合训练,得到所述训练好的编码器、所述训练好的翻译解码器和所述训练好的重构解码器包括:将所述翻译损失和预设的第一权重相乘,得到第一相乘结果,将所述重构损失和预设的第二权重相乘,得到第二相乘结果;将所述第一相乘结果和所述第二相乘结果相加,确定相加结果为训练损失,以所述训
练损失为依据,采用梯度下降法对所述编码器、所述翻译解码器和所述重构解码器进行联合训练,直至所述训练损失收敛,得到所述训练好的编码器、所述训练好的翻译解码器和所述训练好的重构解码器。5.根据权利要求1至4任一项所述的文本翻译方法,其特征在于,所述遮挡样本包括至少一个未遮挡词项;所述将所述遮挡样本输入所述文本翻译模型,得到文本翻译结果,将所述遮挡样本输入所述文本重构模型,得到文本重构结果,根据所述文本翻译结果和所述文本重构结果的关联程度,调整所述文本翻译模型的参数,直至满足预设的生成条件,得到生成的目标翻译模型包括:通过所述文本翻译模型,对所述遮挡样本中的每个未遮挡词项进行翻译结果预测,得到每个未遮挡词项对应的第一概率...
【专利技术属性】
技术研发人员:凌天东,王健宗,程宁,
申请(专利权)人:平安科技深圳有限公司,
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。