CN109325241A

CN109325241A - 基于一致性计算的翻译机器人优选方法及其计算机系统

Info

Publication number: CN109325241A
Application number: CN201811078964.2A
Authority: CN
Inventors: 何恩培; 何征宇; 郑丽华; 王莲
Original assignee: Expressive Language Networking Polytron Technologies Inc
Current assignee: Expressive Language Networking Polytron Technologies Inc
Priority date: 2018-09-19
Filing date: 2018-09-19
Publication date: 2019-02-12
Anticipated expiration: 2038-09-19
Also published as: CN109325241B

Abstract

本发明提供了基于一致性计算的翻译机器人优选系统及其计算机实现方法，所述系统包括第一抽取模块、第一分词模块、第二抽取模块、第二分词模块、一致性计算模块、标准调节模块以及反馈更新模块。利用本发明的方法，候选翻译机器人越多，越有更多的参考历史记录用于选择，可以获得更多组的分布一致性度量值，选择效果更好；此外，相关翻译人员还可以根据实际翻译精度需要，基于翻译市场要求，通过设置分布一致性度量值要满足的条件的高低，从而控制选择出的翻译机器人的数量。

Description

基于一致性计算的翻译机器人优选方法及其计算机系统

技术领域

本发明属于翻译技术领域，尤其涉及基于一致性计算的翻译机器人优选方法及其计算机系统。

背景技术

在翻译领域，对于同一份待译资料，为了确保翻译结果的准确性，翻译人员通常同时采用多种翻译工具获得多个候选翻译结果，然后利用相应的语言模型或者打分算法，计算多个候选翻译结果各自的评分，选择其中评分最高的候选翻译结果作为最终的翻译结果。

然而，上述相关技术在选择翻译工具时实际上是盲目的，即不管针对何种待译资料，均要尝试所有的翻译工具，对所有翻译工具的所有翻译结果进行打分，虽然最终通过打分能够得出相对最优的翻译结果或者翻译工具，但是该过程实现复杂，特别是当待译资料数量较大、可用翻译工具较多时，全部执行上述过程将会导致整个翻译过程耗时费力，反而降低了翻译效率。原本使用翻译工具的目的在于辅助人工翻译提高效率，翻译工具越多方便性、准确度、效率本来应该更高，但是在现有技术的方案下，翻译工具越多反而越导致执行成本越高。

更重要的是，上述处理方式并没有考虑不同翻译工具的侧重点和优势，也没有优化翻译工具的选择过程，使得翻译工具本身并没有随着输入待译材料的优化而得到改进，每一次翻译过程都是机械的重复，而没有人工智能学习进步。

在实际翻译过程中，翻译人员亟需要一种能够自动选择最优翻译工具的方法及其系统，从而避免重复工作；并且还期望翻译工具自身能够根据已有的待译材料的反馈，为下一次类似待译材料选择更为合适的翻译工具提供支持。

发明内容

本发明提供的技术方案能够从多个方面解决上述技术问题。

在本发明的第一个方面，提供了一种基于一致性计算优选翻译机器人的计算机系统，所述系统包括第一抽取模块、第一分词模块、第二抽取模块、第二分词模块、一致性计算模块、标准调节模块以及反馈更新模块；

所述第一抽取模块，从待译材料中抽取第一预定比例的语料；

所述第一分词模块，对所述第一比例的语料进行分词处理，得到待译材料分词库；

所述第二抽取模块，从候选翻译机器人的历史翻译结果记录中抽取第二比例的翻译结果；

所述第二分词模块，对所述第二比例的翻译结果进行分词处理，得到翻译结果分词库；

所述一致性计算模块，计算所述待译材料分词库与所述翻译结果分词库的一致性度量；

所述标准调节模块，用于调节所述一致性度量的评价标准；

所述反馈更新模块，用于更新所述候选翻译机器人的历史翻译记录。

不同于现有技术直接对所有待译材料均进行分词的做法，本发明选取了代表性待译部分进行处理，主要表现为：

所述第一抽取模块，从所述待译材料中随机抽取第一比例的语料；

为了体现代表性与准确性，所述从待译资料中随机抽取第一预定比例的语料，包括：从待译资料的开头部分往后随机抽取第三预定比例的语料，和/或从待译资料的末尾部分往前随机抽取第四预定比例的语料。

接下来，本发明要从多个候选翻译机器人中选择最适合翻译当前待译资料的翻译机器人。

不同于现有技术直接将待译资料盲目提交给所有多个翻译机器人之后再评分选择的做法，本发明独辟蹊径的提出在翻译之前就选择出最合适的翻译机器人。

具体来说，本发明充分利用了候选翻译机器人的已有的翻译结果历史记录。

当然，每个候选翻译机器人的翻译结果历史记录数量不同，有的机器人可能数量较大，有些机器人可能没有历史记录。

针对存在数量较大历史记录的候选翻译机器人，本发明从所述历史翻译结果记录中随机抽取第二预定比例的语料；

作为本发明的另一个改进点，本发明在抽取第二预定比例的语料时，优选选择距离当前时间节点最近的历史记录；

作为本发明的另一个改进点，本发明在抽取第二预定比例的语料时，随机选择多个不同时间段的历史记录。

在此基础上，通过第一分词模块和第二分词模块分别对第一预定比例的语料、第二预定比例的语料进行分词处理，得到待译材料分词库和翻译结果分词库，然后进行一致性计算。

本发明所述的一致性计算，是指计算所述待译材料分词库中的目标词汇与所述翻译结果分词库中的源词汇的分布一致性度量值；所述分布一致性度量值用于衡量目标词汇与源词汇的接近程度。

作为本发明的进一步改进，本发明从候选翻译机器人的历史翻译结果记录中，按照时间段不同，至少抽取两组历史翻译结果记录，从而至少得到两组翻译结果分词库；

作为本发明的重要改进，在得到至少两组翻译结果分词库后，分别计算所述待译材料分词库中的目标词汇与所述至少两组翻译结果分词库中的源词汇的至少两组分布一致性度量值；

当只有一组分布一致性度量值时，通过判断该分布一致性度量值是否满足第一预定条件，来确定是否选择该候选机器人作为优选的翻译机器人；

当存在至少两组分布一致性度量值时，通过判断这两组分布一致性度量值的差值是否满足第二预定条件，来确定是否选择该候选机器人作为优选的翻译机器人；

所述第一预定条件和/或所述第二预定条件，由所述标准调节模块确定。

针对不存在历史记录的候选翻译机器人，本发明直接将其选择为符合条件的优选翻译机器人。

在本发明的第二个方面，提供了一种基于一致性计算优选翻译机器人的计算机实现方法，所述方法包括如下步骤：

（1）从待译材料中抽取第一预定比例的语料；

（2）对所述第一比例的语料进行分词处理，得到待译材料分词库；

（3）从候选翻译机器人的历史翻译结果记录中抽取第二比例的翻译结果；

（4）对所述第二比例的翻译结果进行分词处理，得到翻译结果分词库；

（5）计算所述待译材料分词库与所述翻译结果分词库的一致性度量；

（6）当所述一致性度量值满足预定条件时，输出所述候选翻译机器人作为优选的翻译机器人。

在实际实现中，上述步骤（1-2）与步骤（3-4）顺序可以调换；

上述方法所述的一致性度量，是指计算所述待译材料分词库中的目标词汇与所述翻译结果分词库中的源词汇的分布一致性度量值；所述分布一致性度量值用于衡量目标词汇与源词汇的接近程度。

为了保证结果更准确、更能体现获选翻译机器人的翻译稳定度，所述方法从候选翻译机器人的历史翻译结果记录中，按照时间段不同，至少抽取两组历史翻译结果记录，从而至少得到两组翻译结果分词库；

在得到至少两组翻译结果分词库后，分别计算所述待译材料分词库中的目标词汇与所述至少两组翻译结果分词库中的源词汇的至少两组分布一致性度量值；

如果只有一组分布一致性度量值，则通过判断该分布一致性度量值是否满足第一预定条件，来确定是否选择该候选机器人作为优选的翻译机器人；

当存在至少两组分布一致性度量值时，通过判断这两组分布一致性度量值的差值是否满足第二预定条件，来确定是否选择该候选机器人作为优选的翻译机器人。

上述处理方法能够充分利用已有的多个历史记录，并在兼顾准确度的同时体现候选翻译机器人的稳定性。因此，上述方法还包括：

当存在至少两组分布一致性度量值时，通过判断这两组分布一致性度量值是否均满足第三预定条件，和/或，两组分布一致性度量值的差值是否满足第四预定条件，来确定是否选择该候选机器人作为优选的翻译机器人。

利用本发明的方法，候选翻译机器人越多，越有更多的参考历史记录用于选择，可以获得更多组的分布一致性度量值，选择效果更好；此外，相关翻译人员还可以根据实际翻译精度需要，基于翻译市场要求，通过设置分布一致性度量值要满足的条件的高低，从而控制选择出的翻译机器人的数量。

当然，本发明所述的方法还可以采用计算机流程化的指令实现，例如，采用一种计算机可读存储介质的形式，存储计算机可执行指令，用于实现上述方法。

以上可见，本发明的技术方案明显不同于现有技术中事后才能筛选得出最优翻译工具的做法，也不会因为候选机器人的数量过多而增加工作量，反而会增加精度。

本发明进一步的优势将在具体实施例部分体现。

附图说明

图1是本发明所述方法的流程图

图2是本发明所述分布一致性度量值的一个计算实例

图3是本发明所述计算机系统的框架图

具体实施方式

参见图1，本发明所述的方法包括四步：

（A）获取待译材料分词库；

（B）获取翻译结果分词库；

（C）计算分布一致性度量值；

（D）输出优选翻译机器人。

其中，具体实现时，所述步骤（A）包括：

（A1）从待译材料中抽取第一预定比例的语料；

（A2）对所述第一比例的语料进行分词处理，得到待译材料分词库；

所述步骤（B）包括：

（B1）从候选翻译机器人的历史翻译结果记录中抽取第二比例的翻译结果；

（B2）对所述第二比例的翻译结果进行分词处理，得到翻译结果分词库.

其中，步骤（A）和（B）顺序可以调换；

在一个实施例中，所述待译材料分词库可表示为

D={a₁，a₂，……，a_m}；其中，a_i为分词处理后的词汇；

一个实例中，所述翻译结果分词库为两组：

F1={f₁,f₂,……，f_n};

F2={E₁,E₂,……，E_K};

其中，f_i、E_i均为分词处理后的词汇；

参照图2，是计算D与F1的分布一致性度量值的示意图。

本实施例中所述的分布一致性度量值，是指所述待译材料分词库中的目标词汇与所述翻译结果分词库中的源词汇的分布一致性度量值；所述分布一致性度量值用于衡量目标词汇与源词汇的接近程度。

所述接近程度，可以从多个角度衡量，例如语义相似度、词根相似度、拼写相似度等。

在本实施例中，所述ai为待译词语，所述f1是已经翻译的结果，二者不属于同一个语种，因此，不宜采用词根相似度或者拼写相似度；当然，如果将a_i经过翻译到和f1相同的语种，则可以采用词根相似度或者拼写相似度或者语义相似度或者其组合。

举例来说，在本实施例中，

D={a₁，a₂，……，a_m}={飞机，民航机，客机，直升机，轮船，自行车}；

F1={f₁,f₂,……，f_n}={aircraft，air，plane，copter，boat，ship，bike}

则采用语义相似度来分布一致性度量值：

a₁-f₁：飞机-aircraft，其相似度为df₁=1，

a₁-f₂：飞机-air，其相似度为df₂=0.8；

……

a_m-f_n：自行车-bike，其相似度为df_mn=0.9.

至此，D与F1的分布一致性度量值DF可以表示为：

DF1=T(df₁,df₂,df_mn)；

其中，T表示df₁,df₂,df_mn的某种统计量，这里的某种统计量，可以是常见的平均值、期望值、标准差、平方和等.

不过，本发明人在实际翻译工作中，发现单纯的统计量衡量过于简单，因此结合实际情况，提出了如下的分布一致性度量值计算方法：

DF1 =∑ EXP(df_i) -∑lg(df_j);

其中，∑ EXP(df_i) 中，所有df_i>0.5；∑lg(df_j)中，所有df_i≤0.5。

同样的，还可以计算D与F2的分布一致性度量值DF2;

在此基础上，可以采用如下标准优选出最佳的翻译机器人：

通过判断这两组分布一致性度量值是否均满足第三预定条件，和/或，两组分布一致性度量值的差值是否满足第三预定条件，来确定是否选择该候选机器人作为优选的翻译机器人。

即

DF1是否大于预定值Y1，

和/或，

DF2是否大于预定值Y2；

和/或

|DF1-DF2|是否小于预定值Y3;

这里的Y1/Y2/Y3可以通过选择的分布一致性度量值的公式不同来确定其取值;此外，相关翻译人员还可以根据实际翻译精度需要，基于翻译市场要求，通过设置分布一致性度量值要满足的条件的高低，从而控制选择出的翻译机器人的数量。

当然，还可以获得更多组的DF3/DF4/……DFk……等；分别计算两两之间的差值，或者两两之间的差值的平方和等，这取决于翻译客户对翻译结果的稳定性要求。

必须强调，翻译市场的客户要求存在特殊性，其中稳定性是一个重要的考量因素，同一个客户通常在选定一家翻译机构之后，会提交大量同类的待译材料，其首要看中的就是翻译质量的稳定性，这和其他领域不同，因此，本发明的方法优选机器人更有针对性。

参照图3，本发明的优选翻译机器人的计算机系统包括第一抽取模块、第一分词模块、第二抽取模块、第二分词模块、一致性计算模块、标准调节模块以及反馈更新模块。

在图3中，第一分词模块获得待译材料分词库，第二分词模块获得翻译结果分词库，二者均进入一致性计算模块，用于计算分布一致性度量值。

标准调节模块调节分布一致性度量值要满足的条件的高低，从而控制选择出的翻译机器人的数量。

反馈更新模块根据一致性计算模块计算的结果、输出的优选翻译机器人的数量、标准调节模块确定的相应的标准，来对相关候选机器人的历史记录进行更新。

Claims

1.一种基于一致性计算优选翻译机器人的计算机系统，所述系统包括第一抽取模块、第一分词模块、第二抽取模块、第二分词模块、一致性计算模块、标准调节模块以及反馈更新模块；

所述第一分词模块，对所述第一预定比例的语料进行分词处理，得到待译材料分词库；

所述第二抽取模块，从候选翻译机器人的历史翻译结果记录中抽取第二预定比例的翻译结果；

所述第二分词模块，对所述第二预定比例的翻译结果进行分词处理，得到翻译结果分词库；

所述标准调节模块，用于调节所述一致性度量的评价标准；

其特征在于：所述的一致性计算，是指计算所述待译材料分词库中的目标词汇与所述翻译结果分词库中的源词汇的分布一致性度量值；所述分布一致性度量值用于衡量目标词汇与源词汇的接近程度。

2.如权利要求1所述的系统，其中，所述第一抽取模块，从所述待译材料中随机抽取第一比例的语料。

3.如权利要求2所述的系统，所述从待译资料中随机抽取第一预定比例的语料，包括：从待译资料的开头部分往后随机抽取第三预定比例的语料，和/或从待译资料的末尾部分往前随机抽取第四预定比例的语料。

4.如权利要求1所述的系统，所述抽取第二比例的翻译结果，至少包括如下方式之一：

从所述历史翻译结果记录中随机抽取第二预定比例的语料；

从所述历史翻译结果记录中随机抽取多个不同时间段的历史记录；

从所述历史翻译结果记录中选择距离当前时间节点最近的历史记录。

5.如权利要求1-4任一项所述的系统，其中，所述第二分词模块得到至少两组翻译结果分词库。

6.如权利要求5所述的系统，在得到至少两组翻译结果分词库后，分别计算所述待译材料分词库中的目标词汇与所述至少两组翻译结果分词库中的源词汇的至少两组分布一致性度量值。

7.如权利要求6所述的系统，通过如下标准优选出至少一个翻译机器人：判断所述至少两组分布一致性度量值是否均满足第三预定条件，和/或，两组分布一致性度量值的差值是否满足第四预定条件，来确定是否选择该候选机器人作为优选的翻译机器人。

8.一种基于一致性计算优选翻译机器人的计算机实现方法，所述方法包括如下步骤：

（1）从待译材料中抽取第一预定比例的语料；

（5）计算所述待译材料分词库与所述翻译结果分词库的一致性度量值；

9.如权利要求8所述的方法，其中，所述一致性度量值，指所述待译材料分词库中的目标词汇与所述翻译结果分词库中的源词汇的分布一致性度量值；所述分布一致性度量值用于衡量目标词汇与源词汇的接近程度。