CN109636199A - 一种为待译稿件匹配译员的方法及系统 - Google Patents

一种为待译稿件匹配译员的方法及系统 Download PDF

Info

Publication number
CN109636199A
CN109636199A CN201811536440.3A CN201811536440A CN109636199A CN 109636199 A CN109636199 A CN 109636199A CN 201811536440 A CN201811536440 A CN 201811536440A CN 109636199 A CN109636199 A CN 109636199A
Authority
CN
China
Prior art keywords
interpreter
manuscript
translation part
vector
node
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201811536440.3A
Other languages
English (en)
Other versions
CN109636199B (zh
Inventor
李靖
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Language Network (wuhan) Information Technology Co Ltd
Original Assignee
Language Network (wuhan) Information Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Language Network (wuhan) Information Technology Co Ltd filed Critical Language Network (wuhan) Information Technology Co Ltd
Priority to CN201811536440.3A priority Critical patent/CN109636199B/zh
Publication of CN109636199A publication Critical patent/CN109636199A/zh
Application granted granted Critical
Publication of CN109636199B publication Critical patent/CN109636199B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Machine Translation (AREA)

Abstract

本发明实施例提供一种为待译稿件匹配译员的方法及系统。其中，方法包括：将待译稿件转换为文档表示向量；将所述文档表示向量与译员表示网络中各译员节点的节点向量进行相似度计算，根据计算结果，确定与所述待译稿件匹配的译员；其中，所述译员表示网络由多个译员节点所构成，每一译员节点用于表示一个译员，每一译员节点携带有自身的节点向量以及与其他译员节点间的关系向量。本发明实施例提供的方法及系统，通过构建一种全向量的译员表示网络，将译员及其形成的网络都表示为长度相同的向量，形成了一种统一的表示，通过构建的译员表示网络为待译稿件匹配译员，只需消耗少量人力成本，并且可以显著地提高匹配准确度。

Description

一种为待译稿件匹配译员的方法及系统
技术领域
本发明实施例涉及翻译技术领域，尤其涉及一种为待译稿件匹配译员的方法及系统。
背景技术
随着互联网的兴起，翻译服务行业正向着大规模产业化的方向发展，平台化处理待译稿件逐渐成为主流处理方式。平台处理必须考虑的问题是如何为待译稿件匹配译员，常见的匹配方法有人工匹配和机器匹配两种。其中，人工匹配是通过专家分别对待译稿件和译员进行分析和判断，进而为待译稿件匹配译员，但这样做的缺陷在于，由于人的阅读能力和理解能力有限，这种方法的匹配速度较慢且需要消耗大量的人力成本，并且，由于每个人对于待译稿件和译员的理解不同，因此，匹配结果无法做到统一标准，客观性很差。机器判别是通过计算机结合一定的方法对文档进行翻译难度判断，目前最常用的方法是通过对待译稿件中生僻字词的统计来进行难度判断，将较难的待译稿件分给能力较强的译员，这种单一维度的判断方法其用来作为匹配因素的可靠性比较单薄，有较大的片面性，得到的匹配结果往往与实际情况差别很大，无法保证匹配结果的准确性。
发明内容
针对现有技术中存在的技术问题，本发明实施例提供一种为待译稿件匹配译员的方法及系统。
第一方面，本发明实施例提供一种为待译稿件匹配译员的方法，包括：
将待译稿件转换为文档表示向量；
将所述文档表示向量与译员表示网络中各译员节点的节点向量进行相似度计算，根据计算结果，确定与所述待译稿件匹配的译员；
其中，所述译员表示网络由多个译员节点所构成，每一译员节点用于表示一个译员，每一译员节点携带有自身的节点向量以及与其他译员节点间的关系向量。
第二方面，本发明实施例提供一种为待译稿件匹配译员的系统，包括：
转换模块，用于将待译稿件转换为文档表示向量；
匹配模块，用于将所述文档表示向量与译员表示网络中各译员节点的节点向量进行相似度计算，根据计算结果，确定与所述待译稿件匹配的译员；
其中，所述译员表示网络由多个译员节点所构成，每一译员节点用于表示一个译员，每一译员节点携带有自身的节点向量以及与其他译员节点间的关系向量。
第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所提供的方法的步骤。
第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所提供的方法的步骤。
本发明实施例提供的一种为待译稿件匹配译员的方法及系统，通过构建一种全向量的译员表示网络，将译员及其形成的网络都表示为长度相同的向量，形成了一种统一的表示，通过构建的译员表示网络为待译稿件匹配译员，只需消耗少量人力成本，并且可以显著地提高匹配准确度。
附图说明
为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种为待译稿件匹配译员的方法流程图；
图2为本发明实施例提供的一种为待译稿件匹配译员的系统的结构示意图；
图3为本发明实施例提供的一种电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1为本发明实施例提供的一种为待译稿件匹配译员的方法流程图，如图1所示，该方法包括：
步骤101，将待译稿件转换为文档表示向量。
具体地，待译稿件为待进行翻译的稿件，可以为一个文档，也可为多个文档的组合。待译稿件为非结构化的文本数据，即自然语言文档，为了实现本发明实施例的目的，首先要将非结构化的文本数据转换为结构化数据，即将自然语言文档表示成计算机可以识别的向量，也即，将待译稿件转换为文档表示向量。
待译稿件是由不同数量的词所构成，在进行文档表示时，可以先对其进行分词，然后对分词得到的词向量进行处理进而来表示待译稿件。在本发明实施例中，将文档表示向量的长度优选为32位，每一位上是一个浮点数，将文档表示向量记为Transformer_text(text)，简记为T_text。
步骤102，将所述文档表示向量与译员表示网络中各译员节点的节点向量进行相似度计算，根据计算结果，确定与所述待译稿件匹配的译员；其中，所述译员表示网络由多个译员节点所构成，每一译员节点用于表示一个译员，每一译员节点携带有自身的节点向量以及与其他译员节点间的关系向量。
具体地，译员表示网络为将译员抽象成节点，将译员之间发生的各种关系抽象为边，然后由各译员及各译员间的关系所构成的一个大型网络，译员表示网络中的每一个译员节点均表示一个译员，每一个译员节点均携带有自身的节点向量以及该译员节点与网络中其他译员节点间的关系向量。
初始状态下，译员表示网络中的每一个译员节点的节点向量可通过以下步骤确定：获取译员曾经翻译过的稿件，将这些稿件转换为文档表示向量 T_text_1，T_text_2，…，T_text_n，根据这些文档表示向量，生成节点向量 hi。
两个译员节点间的关系向量具体指稿件从一个译员节点传递到另一个译员节点的稿件传递关系向量，可根据两个译员节点的节点向量进行计算得到。
将待译稿件转换生成的文档表示向量与译员表示网络中各译员节点的节点向量进行相似度计算，根据计算结果，确定与待译稿件匹配的译员，译员个数可以有若干个，这若干个译员可以认为是最适合翻译此待译稿件的译员，可以将这若干个译员的信息，例如员工编号等推送给订单中心系统，以使得订单中心系统将待译稿件推送给这若干个译员，进而使得这若干个译员进行抢单，确定最终处理待译稿件的译员。
本发明实施例提供的方法，通过构建一种全向量的译员表示网络，将译员及其形成的网络都表示为长度相同的向量，形成了一种统一的表示，通过构建的译员表示网络为待译稿件匹配译员，只需消耗少量人力成本，并且可以显著地提高匹配准确度。
在上述各实施例的基础上，本发明实施例对上述实施例中的步骤102进行进一步说明。即，将所述文档表示向量与译员表示网络中各译员节点的节点向量进行相似度计算，根据计算结果，确定与所述待译稿件匹配的译员，包括：
计算所述文档表示向量与译员表示网络中各译员节点的节点向量间的相似度。
将与所述文档表示向量间的相似度大于预设阈值的节点向量对应的译员节点所表示的译员，作为与所述待译稿件匹配的译员，或者，根据相似度由高到低的顺序选取预设数量个译员节点所表示的译员，作为与所述待译稿件匹配的译员。
具体地，可计算文档表示向量与译员表示网络中各译员节点的节点向量间的欧式距离，将欧式距离作为相似度，并将与文档表示向量的相似度大于预设阈值的节点向量对应的译员节点所表示的译员均作为与待译稿件匹配的译员，或者，将节点向量根据与文档表示向量的相似度由高到低的顺序进行排序，将排序靠前的预设数量个节点向量对应的译员节点所表示的译员均作为与待译稿件匹配的译员。其中，预设阈值和预设数量均可根据实际应用场景进行选定，本发明实施例对此不作具体限定。
在上述各实施例的基础上，本发明实施例对上述实施例中步骤102之后的步骤进行说明。即，将所述文档表示向量与译员表示网络中各译员节点的节点向量进行相似度计算，根据计算结果，确定与所述待译稿件匹配的译员，之后还包括：
将所述待译稿件推送给与所述待译稿件匹配的译员，以使得与所述待译稿件匹配的译员进行抢单，并使得抢单成功的译员根据所述待译稿件的大小判定是否将所述待译稿件进行分割并分配给抢单失败的译员，并当判定结果为需将所述待译稿件进行分割并分配给抢单失败的译员时，根据所述待译稿件的内容信息和/或抢单失败的译员的工作任务信息，对所述待译稿件进行分割并分配。
可以理解的是，步骤102中能够获得与待译稿件匹配的若干个译员，在这之后，将这若干个译员的信息，例如员工编号等推送给订单中心系统，然后，订单中心系统根据上述信息将待译稿件推送给这若干个译员，可以理解的是，通常推送至这若干个译员各自的工作系统，使得这若干个译员可通过登录各自的工作系统进行抢单操作。
抢单成功的译员通常只有一个，该译员抢单成功后，会判定待译稿件的大小，此处的大小通常指的是待译稿件的内容的多少，当判定待译稿件较大即内容较多时，该译员可以将待译稿件进行分割为多篇文档后分配给步骤102 中确定的若干个译员中抢单失败的译员进行协同处理。需要说明的是，对待译稿件进行分割和分配需依据待译稿件的内容信息和/或抢单失败的译员的工作任务信息进行分割和分配，其中，待译稿件的内容信息可以为待译稿件的原始语言和目标语言，例如，若待译稿件本身为一篇英文稿件，想要将其翻译成中文语言，此时，原始语言为英文，目标语言为中文；待译稿件的内容信息还可以为涉及领域、难易程度等信息，例如，涉及领域为汽车领域，难以程度为困难、一般、简单等。译员的工作任务信息可以为译员的工作任务存量、工作任务进度、休假信息等。需要说明的是，待译稿件的内容信息以及抢单失败的译员的工作任务信息众多，本发明实施例对此不作具体限定。
在上述各实施例的基础上，将所述待译稿件推送给与所述待译稿件匹配的译员，之后还包括：
根据分割及分配结果，对所述译员表示网络进行更新。
需要说明的是，译员表示网络由业务模式进行构建，在业务不断迭代过程中，网络中各种向量也在不断迭代更新，保证了网络中各种表示的实时有效性，进而保证了订单的匹配准确度。
在上述各实施例的基础上，本发明实施例对上述实施例中译员表示网络的更新过程进行说明。即，根据分割及分配结果，对所述译员表示网络进行更新，包括：
根据分割及分配结果，对处于分配方的译员节点的节点向量和处于接收方的译员节点的节点向量间的关系向量进行更新；
根据更新后的关系向量，对处于接收方的译员节点的节点向量进行更新。
具体地，当确定分割及分配结果后，抢单成功的译员就能够将待译稿件进行分割并分配给接单失败的译员，这个过程就可以让处于分配方的译员节点j和处于接收方的译员节点i间产生关联，生成关系向量eij，需要说明的是，关系向量可根据译员节点j的节点向量和译员节点i的节点向量进行计算得到。
当不断进行待译稿件的分发的过程中，译员表示网络是不断地有着如上述过程的关系向量的更新的，通过更新后的关系向量，可得到译员节点j向译员节点i进行文档传递的信息流mj→i为：
mj→i＝fm(hj (t),hi (t),eij)
其中，hj为译员节点j的节点向量，hi为译员节点i的节点向量，t为第t 次迭代过程，fm为神经网络。
根据上述公式，可知，译员节点i所具备的所有信息量mi为：
其中，N(i)为将文档传递到译员节点i的所有译员节点的集合，mj→i为译员节点j向译员节点i进行文档传递的信息流。
对译员节点i的节点向量进行更新，更新为hi (t+1)：
hi (t+1)＝fn(hi (t),mi)
其中，hi为译员节点i的节点向量，mi为译员节点i所具备的所有信息量， fn为神经网络。
根据上述公式，对译员表示网络中每一译员节点的节点向量进行更新，经过t次迭代后，得到更新后的译员表示网络hG为：
其中，hi为译员节点i的节点向量，T为第T次迭代过程，fG为神经网络。
图2为本发明实施例提供的一种为待译稿件匹配译员的系统的结构示意图，如图2所示，该系统包括：
转换模块201，用于将待译稿件转换为文档表示向量；匹配模块202，用于将所述文档表示向量与译员表示网络中各译员节点的节点向量进行相似度计算，根据计算结果，确定与所述待译稿件匹配的译员；其中，所述译员表示网络由多个译员节点所构成，每一译员节点用于表示一个译员，每一译员节点携带有自身的节点向量以及与其他译员节点间的关系向量。
本发明实施例提供的系统，具体执行上述各方法实施例流程，具体请详见上述各方法实施例的内容，此处不再赘述。本发明实施例提供的系统，通过构建一种全向量的译员表示网络，将译员及其形成的网络都表示为长度相同的向量，形成了一种统一的表示，通过构建的译员表示网络为待译稿件匹配译员，只需消耗少量人力成本，并且可以显著地提高匹配准确度。
图3为本发明实施例提供的一种电子设备的实体结构示意图，如图3所示，该电子设备可以包括：处理器(processor)301、通信接口(Communications Interface)302、存储器(memory)303和通信总线304，其中，处理器301，通信接口302，存储器303通过通信总线304完成相互间的通信。处理器301可以调用存储在存储器303上并可在处理器301上运行的计算机程序，以执行上述各实施例提供的方法，例如包括：将待译稿件转换为文档表示向量；将所述文档表示向量与译员表示网络中各译员节点的节点向量进行相似度计算，根据计算结果，确定与所述待译稿件匹配的译员。
此外，上述的存储器303中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的传输方法，例如包括：将所述文档表示向量与译员表示网络中各译员节点的节点向量进行相似度计算，根据计算结果，确定与所述待译稿件匹配的译员。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本发明实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种为待译稿件匹配译员的方法，其特征在于，包括：
将待译稿件转换为文档表示向量；
将所述文档表示向量与译员表示网络中各译员节点的节点向量进行相似度计算，根据计算结果，确定与所述待译稿件匹配的译员；
其中，所述译员表示网络由多个译员节点所构成，每一译员节点用于表示一个译员，每一译员节点携带有自身的节点向量以及与其他译员节点间的关系向量。
2.根据权利要求1所述的方法，其特征在于，将所述文档表示向量与译员表示网络中各译员节点的节点向量进行相似度计算，根据计算结果，确定与所述待译稿件匹配的译员，包括：
计算所述文档表示向量与译员表示网络中各译员节点的节点向量间的相似度；
将与所述文档表示向量间的相似度大于预设阈值的节点向量对应的译员节点所表示的译员，作为与所述待译稿件匹配的译员，或者，根据相似度由高到低的顺序选取预设数量个译员节点所表示的译员，作为与所述待译稿件匹配的译员。
3.根据权利要求1所述的方法，其特征在于，将所述文档表示向量与译员表示网络中各译员节点的节点向量进行相似度计算，根据计算结果，确定与所述待译稿件匹配的译员，之后还包括：
将所述待译稿件推送给与所述待译稿件匹配的译员，以使得与所述待译稿件匹配的译员进行抢单，并使得抢单成功的译员根据所述待译稿件的大小判定是否将所述待译稿件进行分割并分配给抢单失败的译员，并当判定结果为需将所述待译稿件进行分割并分配给抢单失败的译员时，根据所述待译稿件的内容信息和/或抢单失败的译员的工作任务信息，对所述待译稿件进行分割并分配。
4.根据权利要求3所述的方法，其特征在于，将所述待译稿件推送给与所述待译稿件匹配的译员，之后还包括：
根据分割及分配结果，对所述译员表示网络进行更新。
5.根据权利要求4所述的方法，其特征在于，根据分割及分配结果，对所述译员表示网络进行更新，包括：
根据分割及分配结果，对处于分配方的译员节点的节点向量和处于接收方的译员节点的节点向量间的关系向量进行更新；
根据更新后的关系向量，对处于接收方的译员节点的节点向量进行更新。
6.一种为待译稿件匹配译员的系统，其特征在于，包括：
转换模块，用于将待译稿件转换为文档表示向量；
匹配模块，用于将所述文档表示向量与译员表示网络中各译员节点的节点向量进行相似度计算，根据计算结果，确定与所述待译稿件匹配的译员；
其中，所述译员表示网络由多个译员节点所构成，每一译员节点用于表示一个译员，每一译员节点携带有自身的节点向量以及与其他译员节点间的关系向量。
7.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至5任一项所述方法的步骤。
8.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。
CN201811536440.3A 2018-12-14 2018-12-14 一种为待译稿件匹配译员的方法及系统 Active CN109636199B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811536440.3A CN109636199B (zh) 2018-12-14 2018-12-14 一种为待译稿件匹配译员的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811536440.3A CN109636199B (zh) 2018-12-14 2018-12-14 一种为待译稿件匹配译员的方法及系统

Publications (2)

Publication Number Publication Date
CN109636199A true CN109636199A (zh) 2019-04-16
CN109636199B CN109636199B (zh) 2020-10-30

Family

ID=66074241

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811536440.3A Active CN109636199B (zh) 2018-12-14 2018-12-14 一种为待译稿件匹配译员的方法及系统

Country Status (1)

Country Link
CN (1) CN109636199B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112765941A (zh) * 2021-01-21 2021-05-07 语联网（武汉）信息技术有限公司 自动提取网页正文的方法及系统

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103049569A (zh) * 2012-12-31 2013-04-17 武汉传神信息技术有限公司 基于向量空间模型的文本相似性匹配方法
CN103064970A (zh) * 2012-12-31 2013-04-24 武汉传神信息技术有限公司 优化译员的检索方法
CN103092827A (zh) * 2012-12-31 2013-05-08 武汉传神信息技术有限公司 多策略译员稿件自动匹配的方法
CN103699675A (zh) * 2013-12-30 2014-04-02 武汉传神信息技术有限公司 一种译员分级索引的方法
CN103744834A (zh) * 2013-12-23 2014-04-23 武汉传神信息技术有限公司 一种翻译任务准确分配的方法
CN103744929A (zh) * 2013-12-30 2014-04-23 传神联合（北京）信息技术有限公司 目标用户对象的确定方法
CN104537009A (zh) * 2014-12-17 2015-04-22 语联网（武汉）信息技术有限公司 译员推荐方法及装置
CN105138521A (zh) * 2015-08-27 2015-12-09 武汉传神信息技术有限公司 一种翻译行业风险项目通用推荐译员方法
CN105224524A (zh) * 2015-09-02 2016-01-06 网易有道信息技术（北京）有限公司 文档翻译难度评价方法和装置
CN105279147A (zh) * 2015-09-29 2016-01-27 武汉传神信息技术有限公司 一种译员稿件快速匹配方法
CN106484687A (zh) * 2016-11-01 2017-03-08 深圳市歪果仁科技有限公司 一种基于移动互联网的在线翻译系统及其方法
CN106844303A (zh) * 2016-12-23 2017-06-13 语联网（武汉）信息技术有限公司 一种基于相似度匹配算法为待译稿件匹配译员的方法
US20180060727A1 (en) * 2016-08-30 2018-03-01 American Software Safety Reliability Company Recurrent encoder and decoder
CN107918904A (zh) * 2017-11-15 2018-04-17 郑州中业科技股份有限公司 一种众包翻译方法及平台

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103049569A (zh) * 2012-12-31 2013-04-17 武汉传神信息技术有限公司 基于向量空间模型的文本相似性匹配方法
CN103064970A (zh) * 2012-12-31 2013-04-24 武汉传神信息技术有限公司 优化译员的检索方法
CN103092827A (zh) * 2012-12-31 2013-05-08 武汉传神信息技术有限公司 多策略译员稿件自动匹配的方法
CN103744834A (zh) * 2013-12-23 2014-04-23 武汉传神信息技术有限公司 一种翻译任务准确分配的方法
CN103699675A (zh) * 2013-12-30 2014-04-02 武汉传神信息技术有限公司 一种译员分级索引的方法
CN103744929A (zh) * 2013-12-30 2014-04-23 传神联合（北京）信息技术有限公司 目标用户对象的确定方法
CN104537009A (zh) * 2014-12-17 2015-04-22 语联网（武汉）信息技术有限公司 译员推荐方法及装置
CN105138521A (zh) * 2015-08-27 2015-12-09 武汉传神信息技术有限公司 一种翻译行业风险项目通用推荐译员方法
CN105224524A (zh) * 2015-09-02 2016-01-06 网易有道信息技术（北京）有限公司 文档翻译难度评价方法和装置
CN105279147A (zh) * 2015-09-29 2016-01-27 武汉传神信息技术有限公司 一种译员稿件快速匹配方法
US20180060727A1 (en) * 2016-08-30 2018-03-01 American Software Safety Reliability Company Recurrent encoder and decoder
CN106484687A (zh) * 2016-11-01 2017-03-08 深圳市歪果仁科技有限公司 一种基于移动互联网的在线翻译系统及其方法
CN106844303A (zh) * 2016-12-23 2017-06-13 语联网（武汉）信息技术有限公司 一种基于相似度匹配算法为待译稿件匹配译员的方法
CN107918904A (zh) * 2017-11-15 2018-04-17 郑州中业科技股份有限公司 一种众包翻译方法及平台

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112765941A (zh) * 2021-01-21 2021-05-07 语联网（武汉）信息技术有限公司 自动提取网页正文的方法及系统

Also Published As

Publication number Publication date
CN109636199B (zh) 2020-10-30

Similar Documents

Publication Publication Date Title
EP3702928A1 (en) Method for question answering service, question answering system and storage medium
EP3540652A1 (en) Method, device, chip and system for training neural network model
CN108628830B (zh) 一种语义识别的方法和装置
CN107273503A (zh) 用于生成同语言平行文本的方法和装置
CN113051374B (zh) 一种文本匹配优化方法及装置
US11423307B2 (en) Taxonomy construction via graph-based cross-domain knowledge transfer
CN112749556B (zh) 多语言模型的训练方法和装置、存储介质和电子设备
US20200380254A1 (en) Systems and methods for cloud content-based document clustering and classification integration
CN106445915A (zh) 一种新词发现方法及装置
CN113434683A (zh) 文本分类方法、装置、介质及电子设备
CN113761220A (zh) 信息获取方法、装置、设备及存储介质
CN112418320A (zh) 一种企业关联关系识别方法、装置及存储介质
CN112949818A (zh) 模型蒸馏方法、装置、设备以及存储介质
CN113947700A (zh) 模型确定方法、装置、电子设备和存储器
CN113326940A (zh) 基于多重知识迁移的知识蒸馏方法、装置、设备及介质
CN110309293A (zh) 文本推荐方法和装置
CN106156142A (zh) 一种文本聚类的处理方法、服务器及系统
CN110807097A (zh) 分析数据的方法和装置
CN109636199A (zh) 一种为待译稿件匹配译员的方法及系统
CN109858745A (zh) 翻译平台匹配方法及装置
CN110162792A (zh) 电网数据管理方法及装置
CN110555204A (zh) 情绪判断的方法和装置
CN113886543A (zh) 生成意图识别模型的方法、装置、介质及程序产品
CN113947195A (zh) 模型确定方法、装置、电子设备和存储器
CN113033179A (zh) 知识获取方法、装置、电子设备及可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant