CN111291575B - 文本处理方法、装置、电子设备、及存储介质 - Google Patents
文本处理方法、装置、电子设备、及存储介质 Download PDFInfo
- Publication number
- CN111291575B CN111291575B CN202010131365.3A CN202010131365A CN111291575B CN 111291575 B CN111291575 B CN 111291575B CN 202010131365 A CN202010131365 A CN 202010131365A CN 111291575 B CN111291575 B CN 111291575B
- Authority
- CN
- China
- Prior art keywords
- sentence
- character string
- format
- source
- predetermined
- 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.)
- Active
Links
Images
Landscapes
- Machine Translation (AREA)
Abstract
本公开实施例公开了一种文本处理方法、装置、电子设备、及存储介质,方法包括:在源文本中获取带格式的源语句;获取所述源语句中带格式的语句位置和格式内容;将所述源语句翻译成目标语句;根据所述语句位置和所述格式内容对所述目标语句进行排版和渲染展示。本实施例的技术方案能够使得翻译结果文本保留原富文本的丰富信息。
Description
技术领域
本公开实施例涉及自然语言处理技术领域,具体涉及一种文本处理方法、装置、电子设备、及存储介质。
背景技术
随着互联网的发展和经济全球化时代的到来,克服语言障碍、实现跨语言自由沟通的需求日益凸显。而语言障碍使大多数用户从网上获取信息的广度、深度和速度受到严重制约。随着全球化的深入发展,对机器翻译的需求日益高涨,翻译需求的内容和形式也日益丰富多样,例如很多时候需要对富文本进行翻译。
我们知道,富文本是指包括格式以及各种元素的文本文档。例如含有字体类型信息、字体大小信息、以及背景颜色等格式信息的文本文档,以及含有特殊符号、超链接等元素的文本文档。
现有的机器翻译一般是针对富文本的文本内容进行翻译,对文档中包含的格式和其他元素信息并不进行特殊处理,以至于翻译后的结果文本损失了原文本的部分信息。
发明内容
有鉴于此,本公开实施例提供一种文本处理方法、装置、电子设备、及存储介质,以保留被翻译文本的丰富信息。
本公开实施例的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开实施例的实践而习得。
在本公开的第一方面,本公开实施例提供了一种文本处理方法,包括:在源文本中获取带格式的源语句;获取所述源语句中带格式的语句位置和格式内容;将所述源语句翻译成目标语句;根据所述语句位置和所述格式内容对所述目标语句进行排版和渲染展示。
在本公开的第二方面,本公开实施例还提供了一种文本处理装置,包括:源语句确定单元,用于在源文本中获取带格式的源语句;位置与内容获取单元,用于获取所述源语句中带格式的语句位置和格式内容;翻译单元,用于将所述源语句翻译成目标语句;渲染单元,用于根据所述语句位置和所述格式内容对所述目标语句进行排版和渲染展示。
在本公开的第三方面,提供了一种电子设备。该电子设备包括:处理器;以及存储器,用于存储可执行指令,所述可执行指令在被所述处理器执行时使得所述电子设备执行第一方面中的方法。
在本公开的第四方面,提供了一种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第一方面中的方法。
本公开实施例通过在源文本中获取带格式的源语句,获取所述源语句中带格式的语句位置和格式内容;将所述源语句翻译成目标语句;根据所述语句位置和所述格式内容对所述目标语句进行排版和渲染展示,能够使得翻译结果文本保留原富文本的丰富信息。
附图说明
为了更清楚地说明本公开实施例中的技术方案,下面将对本公开实施例描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本公开实施例中的一部分实施例,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,还可以根据本公开实施例的内容和这些附图获得其他的附图。
图1是本公开实施例提供的一种文本处理方法的流程示意图;
图2是本公开实施例提供的另一种文本处理方法的流程示意图;
图3是本公开实施例提供的又一种文本处理方法的流程示意图;
图4是本公开实施例提供的又一种文本处理方法的流程示意图;
图5是本公开实施例提供的一种文本处理装置的结构示意图;
图6是本公开实施例提供的另一种文本处理装置的结构示意图;
图7示出了适于用来实现本公开实施例的电子设备的结构示意图。
具体实施方式
为使本公开实施例解决的技术问题、采用的技术方案和达到的技术效果更加清楚,下面将结合附图对本公开实施例的技术方案作进一步的详细描述,显然,所描述的实施例仅仅是本公开实施例中的一部分实施例,而不是全部的实施例。基于本公开实施例中的实施例,本领域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,都属于本公开实施例保护的范围。
需要说明的是,本公开实施例中术语“系统”和“网络”在本文中常被可互换使用。本公开实施例中提到的“和/或”是指包括一个或更多个相关所列项目的任何和所有组合。本公开的说明书和权利要求书及附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于限定特定顺序。
还需要说明是,本公开实施例中下述各个实施例可以单独执行,各个实施例之间也可以相互结合执行,本公开实施例对此不作具体限制。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面结合附图并通过具体实施方式来进一步说明本公开实施例的技术方案。
图1示出了本公开实施例提供的一种文本处理方法的流程示意图,本实施例可适用于待翻译的源文本中带格式的情况,该方法可以由配置于电子设备中的文本处理装置来执行,如图1所示,本实施例所述的文本处理方法包括:
在步骤S110中,在源文本中获取带格式的源语句,若源文本中某源语句带格式,或者某源语句的部分内容(称为语句片段)带格式,则获取该带格式的源语句。
在步骤S120中,获取所述源语句中带格式的语句位置和格式内容。其中,所述格式内容包括字体类型、背景色、行距、字符大小、超链接、高亮显示、以及预定字符串等。
在步骤S130中,将所述源语句翻译成目标语句。其中,对所述源语句进行翻译时,可采用机器模型进行翻译,将所述源语句输入机器模型进行翻译得到所述目标语句。
在步骤S140中,根据所述语句位置和所述格式内容对所述目标语句进行排版和渲染展示。
例如,若所述源语句中带格式的语句位置表征所述源语句整体带格式,则将所述目标语句整体根据所述格式内容进行排版和渲染展示。又如,若所述源语句中带格式的语句位置表征所述源语句的部分带格式,则对带格式部分的语句片段进行翻译,将翻译结果与所述目标语句进行匹配,根据匹配结果确定所述目标语句中所述语句片段对应的译文的位置,对所确定的位置根据所述格式内容进行排版和渲染展示。
本实施例并不限定所述机器模型的具体类型,例如基于序列到序列模型、基于注意力机制的神经机器翻译模型、基于神经网络的深度学习模型等。
对带格式部分的语句片段进行翻译时,也可采用机器模型进行翻译(包括但不限于采用上述用于翻译源语句的机器模型),也可采用预定词典进行词汇翻译。
本公开实施例通过在源文本的翻译文本中对带格式内容对应的译文部分进行排版和渲染展示,以在源文本的翻译结果中保留源文本的丰富信息,能够使得翻译结果文本保留原富文本的丰富信息。
图2示出了本公开实施例提供的另一种文本处理方法的流程示意图,本实施例以前述实施例为基础,进行了改进优化。如图2所示,本实施例所述的文本处理方法包括:
在步骤S210中,在源文本中获取带格式的源语句,获取所述源语句中带格式的语句位置和格式内容,其中所述格式内容为超链接。
在步骤S220中,将所述源语句翻译成目标语句;根据所述语句位置和所述格式内容对所述目标语句进行排版和渲染展示。
在步骤S230中,获取所述链链接指向的第二源文本,将所述第二源文本翻译成第二目标文本。
在步骤S240中,将所述目标文本中所述超链接对应的译文以超链接的方式指向所述第二目标文本。
本实施例在上一实施例的基础之上,进一步公开了若所述格式内容为超链接时,不仅在源文本的翻译文本中对带格式内容对应的译文部分进行排版和渲染展示,以在源文本的翻译结果中保留源文本的丰富信息,而且对源文本中所述超链接指向的副文本也进行翻译,并将目标文本中所述超链接对应的译文以超链接的方式指向该副文本的目标文本,能显著增强翻译效果。
图3示出了本公开实施例提供的又一种文本处理方法的流程示意图,本实施例以前述实施例为基础,进行了改进优化。如图3所示,本实施例所述的文本处理方法包括:
在步骤S310中,在源文本中获取带格式的源语句,获取所述源语句中带格式的语句位置和格式内容。所述格式内容包括字体类型、背景色、行距、字符大小、超链接、高亮显示、以及预定字符串等。
在步骤S320中,确定所述带格式的源语句中是否包含预定字符串。
例如,带格式的源语句中包括特定字符(例如“@”)加上第一预定内容的字符串,例如用于表征文件的字符串、用于表征任务列表的字符串、用于表征时间的字符串、以及用于表征群名/组名的字符串等。这种类型的预定字符串的内容本身不需要翻译,且截断开通常对句子的语义没有特别大的影响。为了表述方便,可将该类型的特定字符串称为第一类型的字符串。
又如,例如,带格式的源语句中包括特定字符(例如“@”)加上第二预定内容的字符串,例如用于表征文件标题的字符串等,这种类型的预定字符串的内容本身若进行翻译,可以使目标语种的阅读对象获取该预定字符串的资讯,能保留源文本的相关信息,为了表述方便,可将该类型的特定字符串称为第二类型的字符串。
再如,例如,带格式的源语句中包括特定字符(例如“@”)加上第三预定内容的字符串,例如用于表征人名的字符串、以及用于表征用户在群组的昵称的字符串等。这种类型的预定字符串的属性也有含义,也是源语句的一个重要成分,尤其指代源文本中的@人名,通常是句子中的主语或者宾语,如果截断处理后分成语句片段分别翻译,语句片段可能缺主语或缺宾语,会导致译文的句意不完整。由于“@人名”明确就是一个“人”,将其内容替换为一个特殊的代表人的标签传入翻译引擎进行翻译,待翻译完成后将译文的相关部分再替换回该预定字符串,保留了“@”+人名所在语句的上下文完整性,能使翻译更加准确。为了表述方便,可将该类型的特定字符串称为第三类型的字符串。
在步骤S330中,响应于确定所述带格式的源语句中包含所述预定字符串,确定所述预定字符串的类型。即,若从所述带格式的源语句中识别到预定字符串,确定所述预定字符串是否属于上述第一类型的字符串、第二类型的字符串或第三类型的字符串。
在步骤S340中,基于所述预定字符串的类型,将所述源语句翻译成目标语句。
例如,若所述预定字符串属于第一类型,则将所述源语句根据所述预定字符串的位置进行截断处理得到至少一个语句片段和所述预定字符串,记录所述至少一个语句片段和所述预定字符串位置关系,对所述至少一个语句片段进行翻译后,将翻译结果和所述预定字符串根据所述位置关系进行拼接得到所述目标语句。
又如,若所述预定字符串属于第二类型,则将所述源语句根据所述预定字符串的位置进行截断处理得到至少一个语句片段和所述预定字符串,记录所述至少一个语句片段和所述预定字符串位置关系,对所述至少一个语句片段和所述预定字符串分别翻译后,将翻译结果根据所述位置关系进行拼接得到所述目标语句。
再如,若所述预定字符串属于第三类型,则将所述源语句中所述预定字符串用预定标签替换后进行翻译,将翻译结果中所述预定标签对应的译文替换为所述预定字符串作为所述目标语句。
在步骤S350中,根据所述语句位置和所述格式内容对所述目标语句进行排版和渲染展示。
对于排版和渲染的方式,可尽量与源文本的格式一致。对于排版和渲染的位置,可尽量定位到源语句中带格式的语句位置对应的译文在目标语句中的位置,使译文与源文本的格式一致,以保留原文本的格式信息。
例如,若所述源语句中带格式的语句位置表征所述源语句整体带格式,则将所述目标语句整体根据所述格式内容进行排版和渲染展示。又如,若所述源语句中带格式的语句位置表征所述源语句的部分带格式,则对带格式部分的语句片段进行翻译,将翻译结果与所述目标语句进行匹配,根据匹配结果确定所述目标语句中所述语句片段对应的译文的位置,对所确定的位置根据所述格式内容进行排版和渲染展示。
本实施例在图1对应的实施例的基础上,进一步公开了若从所述带格式的源语句中识别到预定字符串时,根据所述类型将所述源语句翻译成目标语句,能够进一步提高翻译质量。
图4示出了本公开实施例提供的又一种文本处理方法的流程示意图,本实施例以前述实施例为基础,进行了改进优化。如图4所示,本实施例所述的文本处理方法包括:
在步骤S410中,在源文本中获取带格式的源语句,获取所述源语句中带格式的语句位置和格式内容。其中,所述格式内容包括字体类型、背景色、行距、字符大小、超链接、高亮显示、以及预定字符串等。
在步骤S420中,确定所述带格式的源语句中是否包含预定字符串。例如,确定所述带格式的源语句中是否包含上一实施例所述的第一类型的字符串、第二类型的字符串或第三类型的字符串。
在步骤S430中,响应于确定所述带格式的源语句中包含所述预定字符串,确定所述预定字符串的类型。若确定所述带格式的源语句中包含预定字符串,需进一步明确其类型,例如属于第一类型的字符串、第二类型的字符串或第三类型的字符串。
在步骤S440中,响应于确定所述预定字符串属于所述第一类型,将所述源语句根据所述预定字符串的位置进行截断处理得到至少一个语句片段和所述预定字符串。
示例性地,属于所述第一类型的所述字符串包括特定字符(例如“@”)加上第一内容的字符串,例如用于表征文件的字符串、用于表征任务列表的字符串、用于表征时间的字符串、以及用于表征群名/组名的字符串等。例如该源语句包括:语句片段A+预定字符串B+语句片段C。本步骤可将该源语句截断为语句片段A、预定字符串B和语句片段C三部分。
在步骤S450中,记录所述至少一个语句片段和所述预定字符串位置关系。例如,上一步骤将该源语句截断为语句片段A、预定字符串B和语句片段C三部分之后,记录A、B和C的位置关系:A->B->C。
在步骤S460中,对所述至少一个语句片段进行翻译后,将翻译结果和所述预定字符串根据所述位置关系进行拼接得到所述目标语句。例如上述示例中,对语句片段A进行翻译得到A’,对语句片段C进行翻译得到C’,拼接得到所述目标语句为:A’+B+C’。
在步骤S470中,根据所述语句位置和所述格式内容对所述目标语句进行排版和渲染展示。若所述源语句中带格式的语句位置表征所述源语句整体带格式,可将所述目标语句整体根据所述格式内容进行排版和渲染展示。若所述源语句中带格式的语句位置表征所述源语句的部分带格式,还可对带格式部分的语句片段进行翻译,将翻译结果与所述目标语句进行匹配,根据匹配结果确定所述目标语句中所述语句片段对应的译文的位置,对所确定的位置根据所述格式内容进行排版和渲染展示。
本实施例在上一实施例的基础上,以从带格式的源语句中识别到第一类型的预定字符串为例,示例性地公开了包含第一类型的预定字符串的源语句的翻译方案,能够进一步提高翻译质量。
作为上述各图所示方法的实现,本申请提供了一种文本处理装置的一个实施例,图5示出了本实施例提供的一种文本处理装置的结构示意图,该装置实施例与图1至图4所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。如图5所示,本实施例所述的文本处理装置包括源语句确定单元510、位置与内容获取单元520、翻译单元530和渲染单元540。
所述源语句确定单元510被配置为,用于在源文本中获取带格式的源语句。
所述位置与内容获取单元520被配置为,用于获取所述源语句中带格式的语句位置和格式内容。
所述翻译单元530被配置为,用于将所述源语句翻译成目标语句。
所述渲染单元540被配置为,用于根据所述语句位置和所述格式内容对所述目标语句进行排版和渲染展示。
于一实施例中,所述渲染单元540被配置为,还用于:若所述源语句中带格式的语句位置表征所述源语句整体带格式,则将所述目标语句整体根据所述格式内容进行排版和渲染展示。
于一实施例中,所述渲染单元540被配置为,还用于:若所述源语句中带格式的语句位置表征所述源语句的部分带格式,则对带格式部分的语句片段进行翻译,将翻译结果与所述目标语句进行匹配,根据匹配结果确定所述目标语句中所述语句片段对应的译文的位置,对所确定的位置根据所述格式内容进行排版和渲染展示。
于一实施例中,所述翻译单元530被配置为,还用于将所述源语句输入机器模型进行翻译得到所述目标语句。所述渲染单元540被配置为,还用于:将所述带格式部分的语句片段输入所述机器模型进行翻译;或根据预定词典对所述带格式部分的语句片段进行词汇翻译。
于一实施例中,所述格式内容包括字体类型、背景色、行距、字符大小、超链接、高亮显示、以及预定字符串中至少一种。
本实施例提供的文本处理装置可执行本公开方法实施例所提供的文本处理方法,具备执行方法相应的功能模块和有益效果。
图6示出了本公开实施例提供的另一种文本处理装置的结构示意图,如图6所示,本实施例所述的文本处理装置包括源语句确定单元610、位置与内容获取单元620、预定字符串识别单元630、所述翻译单元640和渲染单元650。
所述源语句确定单元610被配置为,用于在源文本中获取带格式的源语句。
所述位置与内容获取单元620被配置为,用于获取所述源语句中带格式的语句位置和格式内容。
所述预定字符串识别单元630被配置为,用于确定所述带格式的源语句中是否包含预定字符串;响应于确定所述带格式的源语句中包含所述预定字符串,确定所述预定字符串的类型。
所述翻译单元640被配置为,用于基于所述预定字符串的类型,将所述源语句翻译成目标语句。
所述渲染单元650被配置为,用于根据所述语句位置和所述格式内容对所述目标语句进行排版和渲染展示。
于一实施例中,所述渲染单元650被配置为,若所述源语句中带格式的语句位置表征所述源语句整体带格式,用于将所述目标语句整体根据所述格式内容进行排版和渲染展示。
于一实施例中,所述渲染单元650被配置为,若所述源语句中带格式的语句位置表征所述源语句的部分带格式,用于对带格式部分的语句片段进行翻译,将翻译结果与所述目标语句进行匹配,根据匹配结果确定所述目标语句中所述语句片段对应的译文的位置,对所确定的位置根据所述格式内容进行排版和渲染展示。
于一实施例中,所述翻译单元640被配置为,还用于将所述源语句输入机器模型进行翻译得到所述目标语句;所述渲染单元650被配置为,还用于将所述带格式部分的语句片段输入所述机器模型进行翻译;或用于根据预定词典对所述带格式部分的语句片段进行词汇翻译。
于一实施例中,所述格式内容包括字体类型、背景色、行距、字符大小、超链接、高亮显示、以及预定字符串中至少一种。
于一实施例中,所述翻译单元还包括第一翻译子单元641,用于若所述预定字符串属于第一类型,则将所述源语句根据所述预定字符串的位置进行截断处理得到至少一个语句片段和所述预定字符串;记录所述至少一个语句片段和所述预定字符串位置关系;对所述至少一个语句片段进行翻译后,将翻译结果和所述预定字符串根据所述位置关系进行拼接得到所述目标语句;其中,属于所述第一类型的所述预定字符串包括特定字符加上第一预定内容的字符串,所述第一预定内容的字符串包括以下至少一项:用于表征文件的字符串、用于表征任务列表的字符串、用于表征时间的字符串、以及用于表征群名/组名的字符串。
于一实施例中,所述翻译单元还包括第二翻译子单元642,用于若所述预定字符串属于第二类型,则将所述源语句根据所述预定字符串的位置进行截断处理得到至少一个语句片段和所述预定字符串;记录所述至少一个语句片段和所述预定字符串位置关系;对所述至少一个语句片段和所述预定字符串分别翻译后,将翻译结果根据所述位置关系进行拼接得到所述目标语句;其中,属于所述第二类型的所述字符串包括特定字符加上第二预定内容的字符串,所述第二预定内容的字符串包括用于表征文件标题的字符串。
于一实施例中,所述翻译单元还包括第三翻译子单元643,用于若所述预定字符串属于第三类型,则将所述源语句中所述预定字符串用预定标签替换后进行翻译;将翻译结果中所述预定标签对应的译文替换为所述预定字符串作为所述目标语句;其中,属于所述第三类型的所述字符串包括特定字符加上第三预定内容的字符串,所述第三预定内容的字符串包括以下至少一项:用于表征人名的字符串、以及用于表征用户在群组的昵称的字符串。
本实施例提供的文本处理装置可执行本公开方法实施例所提供的文本处理方法,具备执行方法相应的功能模块和有益效果。
下面参考图7,其示出了适于用来实现本公开实施例的电子设备700的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图7示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图7所示,电子设备700可以包括处理装置(例如中央处理器、图形处理器等)701,其可以根据存储在只读存储器(ROM)702中的程序或者从存储装置708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中,还存储有电子设备700操作所需的各种程序和数据。处理装置701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
通常,以下装置可以连接至I/O接口705:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置706;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置707;包括例如磁带、硬盘等的存储装置708;以及通信装置709。通信装置709可以允许电子设备700与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备700,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开实施例的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开实施例的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置709从网络上被下载和安装,或者从存储装置708被安装,或者从ROM 702被安装。在该计算机程序被处理装置701执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:在源文本中获取带格式的源语句;获取所述源语句中带格式的语句位置和格式内容;将所述源语句翻译成目标语句;根据所述语句位置和所述格式内容对所述目标语句进行排版和渲染展示。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开实施例各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定,例如,第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
根据本公开的一个或多个实施例,所述文本处理方法中,根据所述语句位置和所述格式内容对所述目标语句进行排版和渲染展示包括:若所述源语句中带格式的语句位置表征所述源语句整体带格式,则将所述目标语句整体根据所述格式内容进行排版和渲染展示。
根据本公开的一个或多个实施例,所述文本处理方法中,根据所述语句位置和所述格式内容对所述目标语句进行排版和渲染展示包括:若所述源语句中带格式的语句位置表征所述源语句的部分带格式,则对带格式部分的语句片段进行翻译,将翻译结果与所述目标语句进行匹配,根据匹配结果确定所述目标语句中所述语句片段对应的译文的位置,对所确定的位置根据所述格式内容进行排版和渲染展示。
根据本公开的一个或多个实施例,所述文本处理方法中:对所述源语句进行翻译得到目标语句包括:将所述源语句输入机器模型进行翻译得到所述目标语句;并且所述对带格式部分的语句片段进行翻译包括:将所述带格式部分的语句片段输入所述机器模型进行翻译;或根据预定词典对所述带格式部分的语句片段进行词汇翻译。
根据本公开的一个或多个实施例,所述文本处理方法中,所述格式内容包括字体类型、背景色、行距、字符大小、超链接、高亮显示、以及预定字符串中至少一种。
根据本公开的一个或多个实施例,所述文本处理方法中,若所述格式内容为超链接,则所述方法还包括:获取所述链链接指向的第二源文本,将所述第二源文本翻译成第二目标文本;将所述目标文本中所述超链接对应的译文以超链接的方式指向所述第二目标文本。
根据本公开的一个或多个实施例,所述文本处理方法还包括:确定所述带格式的源语句中是否包含预定字符串;响应于确定所述带格式的源语句中包含所述预定字符串,确定所述预定字符串的类型;并且将所述源语句翻译成目标语句包括:基于所述预定字符串的类型,将所述源语句翻译成目标语句。
根据本公开的一个或多个实施例,所述文本处理方法中,基于所述预定字符串的类型,将所述源语句翻译成目标语句包括:若所述预定字符串属于第一类型,则将所述源语句根据所述预定字符串的位置进行截断处理得到至少一个语句片段和所述预定字符串;记录所述至少一个语句片段和所述预定字符串位置关系;对所述至少一个语句片段进行翻译后,将翻译结果和所述预定字符串根据所述位置关系进行拼接得到所述目标语句;其中,属于所述第一类型的所述预定字符串包括特定字符加上第一预定内容的字符串,所述第一预定内容的字符串包括以下至少一项:用于表征文件的字符串、用于表征任务列表的字符串、用于表征时间的字符串、以及用于表征群名/组名的字符串。
根据本公开的一个或多个实施例,所述文本处理方法中,基于所述预定字符串的类型,将所述源语句翻译成目标语句包括:若所述预定字符串属于第二类型,则将所述源语句根据所述预定字符串的位置进行截断处理得到至少一个语句片段和所述预定字符串;记录所述至少一个语句片段和所述预定字符串位置关系;对所述至少一个语句片段和所述预定字符串分别翻译后,将翻译结果根据所述位置关系进行拼接得到所述目标语句;其中,属于所述第二类型的所述字符串包括特定字符加上第二预定内容的字符串,所述第二预定内容的字符串包括用于表征文件标题的字符串。
根据本公开的一个或多个实施例,所述文本处理方法中,基于所述预定字符串的类型,将所述源语句翻译成目标语句包括:若所述预定字符串属于第三类型,则将所述源语句中所述预定字符串用预定标签替换后进行翻译;将翻译结果中所述预定标签对应的译文替换为所述预定字符串作为所述目标语句;其中,属于所述第三类型的所述字符串包括特定字符加上第三预定内容的字符串,所述第三预定内容的字符串包括以下至少一项:用于表征人名的字符串、以及用于表征用户在群组的昵称的字符串。
根据本公开的一个或多个实施例,所述文本处理装置中,所述渲染单元用于:若所述源语句中带格式的语句位置表征所述源语句整体带格式,则将所述目标语句整体根据所述格式内容进行排版和渲染展示。
根据本公开的一个或多个实施例,所述文本处理装置中,所述渲染单元用于:若所述源语句中带格式的语句位置表征所述源语句的部分带格式,则对带格式部分的语句片段进行翻译,将翻译结果与所述目标语句进行匹配,根据匹配结果确定所述目标语句中所述语句片段对应的译文的位置,对所确定的位置根据所述格式内容进行排版和渲染展示。
根据本公开的一个或多个实施例,所述文本处理装置中:
所述翻译单元用于:将所述源语句输入机器模型进行翻译得到所述目标语句;
所述渲染单元用于对带格式部分的语句片段进行翻译包括:
将所述带格式部分的语句片段输入所述机器模型进行翻译;或
根据预定词典对所述带格式部分的语句片段进行词汇翻译。
根据本公开的一个或多个实施例,所述文本处理装置中,所述格式内容包括字体类型、背景色、行距、字符大小、超链接、高亮显示、以及预定字符串中至少一种。
根据本公开的一个或多个实施例,所述文本处理装置还包括预定字符串识别单元,用于确定所述带格式的源语句中是否包含预定字符串;响应于确定所述带格式的源语句中包含所述预定字符串,确定所述预定字符串的类型;
所述翻译单元用于:基于所述预定字符串的类型,将所述源语句翻译成目标语句。
根据本公开的一个或多个实施例,所述文本处理装置中,所述翻译单元还包括第一翻译子单元,用于若所述预定字符串属于第一类型,则将所述源语句根据所述预定字符串的位置进行截断处理得到至少一个语句片段和所述预定字符串;记录所述至少一个语句片段和所述预定字符串位置关系;对所述至少一个语句片段进行翻译后,将翻译结果和所述预定字符串根据所述位置关系进行拼接得到所述目标语句;其中,属于所述第一类型的所述预定字符串包括特定字符加上第一预定内容的字符串,所述第一预定内容的字符串包括以下至少一项:用于表征文件的字符串、用于表征任务列表的字符串、用于表征时间的字符串、以及用于表征群名/组名的字符串。
根据本公开的一个或多个实施例,所述文本处理装置中,所述翻译单元还包括第二翻译子单元,用于若所述预定字符串属于第二类型,则将所述源语句根据所述预定字符串的位置进行截断处理得到至少一个语句片段和所述预定字符串;记录所述至少一个语句片段和所述预定字符串位置关系;对所述至少一个语句片段和所述预定字符串分别翻译后,将翻译结果根据所述位置关系进行拼接得到所述目标语句;其中,属于所述第二类型的所述字符串包括特定字符加上第二预定内容的字符串,所述第二预定内容的字符串包括用于表征文件标题的字符串。
根据本公开的一个或多个实施例,所述文本处理装置中,所述翻译单元还包括第三翻译子单元,用于若所述预定字符串属于第三类型,则将所述源语句中所述预定字符串用预定标签替换后进行翻译;将翻译结果中所述预定标签对应的译文替换为所述预定字符串作为所述目标语句;其中,属于所述第三类型的所述字符串包括特定字符加上第三预定内容的字符串,所述第三预定内容的字符串包括以下至少一项:用于表征人名的字符串、以及用于表征用户在群组的昵称的字符串。
以上描述仅为本公开实施例的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开实施例中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (11)
1.一种文本处理方法,其特征在于,包括:
在源文本中获取带格式的源语句;
获取所述源语句中带格式的语句位置和格式内容;
将所述源语句翻译成目标语句;
根据所述语句位置和所述格式内容对所述目标语句进行排版和渲染展示;
所述方法还包括:确定所述带格式的源语句中是否包含预定字符串;响应于确定所述带格式的源语句中包含所述预定字符串,确定所述预定字符串的类型;
将所述源语句翻译成目标语句包括:基于所述预定字符串的类型,将所述源语句翻译成目标语句;
基于所述预定字符串的类型,将所述源语句翻译成目标语句,包括:
若所述预定字符串属于第一类型,则
将所述源语句根据所述预定字符串的位置进行截断处理得到至少一个语句片段和所述预定字符串;
记录所述至少一个语句片段和所述预定字符串位置关系;
对所述至少一个语句片段进行翻译后,将翻译结果和所述预定字符串根据所述位置关系进行拼接得到所述目标语句;
其中,属于所述第一类型的所述预定字符串包括特定字符加上第一预定内容的字符串。
2.根据权利要求1所述的方法,其特征在于,根据所述语句位置和所述格式内容对所述目标语句进行排版和渲染展示包括:
若所述源语句中带格式的语句位置表征所述源语句整体带格式,则将所述目标语句整体根据所述格式内容进行排版和渲染展示。
3.根据权利要求1所述的方法,其特征在于,根据所述语句位置和所述格式内容对所述目标语句进行排版和渲染展示包括:
若所述源语句中带格式的语句位置表征所述源语句的部分带格式,则
对带格式部分的语句片段进行翻译;
将翻译结果与所述目标语句进行匹配;
根据匹配结果确定所述目标语句中所述语句片段对应的译文的位置;
对所确定的位置根据所述格式内容进行排版和渲染展示。
4.根据权利要求3所述的方法,其特征在于,将所述源语句翻译成目标语句包括:将所述源语句输入机器模型进行翻译得到所述目标语句;并且
所述对带格式部分的语句片段进行翻译包括:
将所述带格式部分的语句片段输入所述机器模型进行翻译;或
根据预定词典对所述带格式部分的语句片段进行词汇翻译。
5.根据权利要求1所述的方法,其特征在于,所述格式内容包括字体类型、背景色、行距、字符大小、超链接、高亮显示、以及预定字符串中至少一种。
6.根据权利要求1所述的方法,其特征在于,其中,所述第一预定内容的字符串包括以下至少一项:用于表征文件的字符串、用于表征任务列表的字符串、用于表征时间的字符串、以及用于表征群名/组名的字符串。
7.根据权利要求1所述的方法,其特征在于,基于所述预定字符串的类型,将所述源语句翻译成目标语句,包括:
若所述预定字符串属于第二类型,则
将所述源语句根据所述预定字符串的位置进行截断处理得到至少一个语句片段和所述预定字符串;
记录所述至少一个语句片段和所述预定字符串位置关系;
对所述至少一个语句片段和所述预定字符串分别翻译后,将翻译结果根据所述位置关系进行拼接得到所述目标语句;
其中,属于所述第二类型的所述字符串包括特定字符加上第二预定内容的字符串,所述第二预定内容的字符串包括用于表征文件标题的字符串。
8.根据权利要求1所述的方法,其特征在于,基于所述预定字符串的类型,将所述源语句翻译成目标语句,包括:
若所述预定字符串属于第三类型,则
将所述源语句中所述预定字符串用预定标签替换后进行翻译;
将翻译结果中所述预定标签对应的译文替换为所述预定字符串作为所述目标语句;
其中,属于所述第三类型的所述字符串包括特定字符加上第三预定内容的字符串,所述第三预定内容的字符串包括以下至少一项:用于表征人名的字符串、以及用于表征用户在群组的昵称的字符串。
9.一种文本处理装置,其特征在于,包括:
源语句确定单元,用于在源文本中获取带格式的源语句;
位置与内容获取单元,用于获取所述源语句中带格式的语句位置和格式内容;
翻译单元,用于将所述源语句翻译成目标语句;
渲染单元,用于根据所述语句位置和所述格式内容对所述目标语句进行排版和渲染展示;
预定字符串识别单元,用于确定所述带格式的源语句中是否包含预定字符串;响应于确定所述带格式的源语句中包含所述预定字符串,确定所述预定字符串的类型;
所述翻译单元,用于基于所述预定字符串的类型,将所述源语句翻译成目标语句;
所述翻译单元包括:第一翻译子单元,用于若所述预定字符串属于第一类型,则将所述源语句根据所述预定字符串的位置进行截断处理得到至少一个语句片段和所述预定字符串;记录所述至少一个语句片段和所述预定字符串位置关系;对所述至少一个语句片段进行翻译后,将翻译结果和所述预定字符串根据所述位置关系进行拼接得到所述目标语句;其中,属于所述第一类型的所述预定字符串包括特定字符加上第一预定内容的字符串。
10.一种电子设备,其特征在于,包括:
一个或多个处理器;以及
存储器,用于存储可执行指令,所述可执行指令在被所述一个或多个处理器执行时,使得所述电子设备执行如权利要求1-8中任一项所述的方法。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010131365.3A CN111291575B (zh) | 2020-02-28 | 2020-02-28 | 文本处理方法、装置、电子设备、及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010131365.3A CN111291575B (zh) | 2020-02-28 | 2020-02-28 | 文本处理方法、装置、电子设备、及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111291575A CN111291575A (zh) | 2020-06-16 |
CN111291575B true CN111291575B (zh) | 2023-04-18 |
Family
ID=71026967
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010131365.3A Active CN111291575B (zh) | 2020-02-28 | 2020-02-28 | 文本处理方法、装置、电子设备、及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111291575B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113792558B (zh) * | 2021-11-16 | 2022-09-23 | 北京百度网讯科技有限公司 | 基于机器翻译和译后编辑的自学习翻译方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103631772A (zh) * | 2012-08-29 | 2014-03-12 | 阿里巴巴集团控股有限公司 | 机器翻译方法及装置 |
CN107861954A (zh) * | 2017-11-06 | 2018-03-30 | 北京百度网讯科技有限公司 | 基于人工智能的信息输出方法和装置 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007515019A (ja) * | 2003-12-17 | 2007-06-07 | スピーチギア,インコーポレイティド | 翻訳ツール |
US7801721B2 (en) * | 2006-10-02 | 2010-09-21 | Google Inc. | Displaying original text in a user interface with translated text |
CN104933041B (zh) * | 2015-06-25 | 2017-09-01 | 武汉传神信息技术有限公司 | 一种利于翻译工作的文件抽取和还原方法 |
JP2017199363A (ja) * | 2016-04-21 | 2017-11-02 | 国立研究開発法人情報通信研究機構 | 機械翻訳装置及び機械翻訳のためのコンピュータプログラム |
US10372830B2 (en) * | 2017-05-17 | 2019-08-06 | Adobe Inc. | Digital content translation techniques and systems |
CN107908625A (zh) * | 2017-12-04 | 2018-04-13 | 上海互盾信息科技有限公司 | 一种pdf文档内容原位置多语言翻译方法 |
CN109840331B (zh) * | 2019-01-31 | 2023-04-28 | 沈阳雅译网络技术有限公司 | 一种基于用户词典的神经机器翻译方法 |
CN109918685B (zh) * | 2019-03-18 | 2023-10-17 | 百度在线网络技术(北京)有限公司 | 计算机辅助翻译方法、装置、计算机设备及存储介质 |
CN110175337B (zh) * | 2019-05-29 | 2023-06-23 | 科大讯飞股份有限公司 | 一种文本展示方法及装置 |
-
2020
- 2020-02-28 CN CN202010131365.3A patent/CN111291575B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103631772A (zh) * | 2012-08-29 | 2014-03-12 | 阿里巴巴集团控股有限公司 | 机器翻译方法及装置 |
CN107861954A (zh) * | 2017-11-06 | 2018-03-30 | 北京百度网讯科技有限公司 | 基于人工智能的信息输出方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111291575A (zh) | 2020-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110287278B (zh) | 评论生成方法、装置、服务器及存储介质 | |
US11176141B2 (en) | Preserving emotion of user input | |
US11321667B2 (en) | System and method to extract and enrich slide presentations from multimodal content through cognitive computing | |
CN111368562B (zh) | 翻译图片中的文字的方法、装置、电子设备、及存储介质 | |
US10650094B2 (en) | Predicting style breaches within textual content | |
CN111666776B (zh) | 文档翻译方法和装置、存储介质和电子设备 | |
CN110073349B (zh) | 考虑频率和格式化信息的词序建议 | |
CN109474847B (zh) | 基于视频弹幕内容的搜索方法、装置、设备及存储介质 | |
US20170351371A1 (en) | Touch interaction based search method and apparatus | |
US20130031456A1 (en) | Generating a structured document guiding view | |
CN111753558B (zh) | 视频翻译方法和装置、存储介质和电子设备 | |
US11651147B2 (en) | Method and system for intelligently detecting and modifying unoriginal content | |
CN111178056A (zh) | 基于深度学习的文案生成方法、装置及电子设备 | |
CN110738055A (zh) | 文本的实体识别方法、设备及存储介质 | |
US20240079002A1 (en) | Minutes of meeting processing method and apparatus, device, and medium | |
CN109753644B (zh) | 一种富文本编辑方法、装置、移动终端及存储介质 | |
CN111291575B (zh) | 文本处理方法、装置、电子设备、及存储介质 | |
US20210350090A1 (en) | Text to visualization | |
CN110737770B (zh) | 文本数据敏感性识别方法、装置、电子设备及存储介质 | |
CN114995691B (zh) | 一种文档处理方法、装置、设备和介质 | |
US10261987B1 (en) | Pre-processing E-book in scanned format | |
US11437038B2 (en) | Recognition and restructuring of previously presented materials | |
CN110362688B (zh) | 试题标注方法、装置、设备及计算机可读存储介质 | |
CN111860000A (zh) | 文本翻译编辑方法、装置、电子设备及存储介质 | |
CN109683726B (zh) | 字符输入方法、装置、电子设备及存储介质 |
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 |