CN111401085A - 基于混合策略的移动设备机器翻译系统 - Google Patents
基于混合策略的移动设备机器翻译系统 Download PDFInfo
- Publication number
- CN111401085A CN111401085A CN202010331077.2A CN202010331077A CN111401085A CN 111401085 A CN111401085 A CN 111401085A CN 202010331077 A CN202010331077 A CN 202010331077A CN 111401085 A CN111401085 A CN 111401085A
- Authority
- CN
- China
- Prior art keywords
- machine translation
- translation
- module
- engine
- machine
- 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.)
- Pending
Links
- 238000013519 translation Methods 0.000 title claims abstract description 306
- 230000001537 neural effect Effects 0.000 claims abstract description 42
- 230000002452 interceptive effect Effects 0.000 claims abstract description 16
- 238000013528 artificial neural network Methods 0.000 claims abstract description 14
- 238000000034 method Methods 0.000 claims abstract description 13
- 230000008569 process Effects 0.000 claims abstract description 11
- 230000004048 modification Effects 0.000 claims description 11
- 238000012986 modification Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 230000006855 networking Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 238000012217 deletion Methods 0.000 claims description 3
- 230000037430 deletion Effects 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 230000007547 defect Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Landscapes
- Machine Translation (AREA)
Abstract
本发明公开了基于混合策略的移动设备机器翻译系统，包括翻译信息获取模块、翻译关键词分组模块、机器翻译引擎、神经机器翻译引擎、交互式机器翻译模块、词义消歧模块和自更新学习模块，本发明通过在移动设备中融入机器翻译系统使移动设备在获取翻译信息时更加快速便捷，同时通过交互式机器翻译模块将基于规则、统计和神经网络的机器翻译系统翻译的结果译文进行融合，使得源语句的翻译结果更加精确，且基于规则、统计和神经网络的机器翻译系统均内置于移动设备内，在实际翻译操作过程中无需借助云端进行翻译，同时在移动设备内使得整个翻译过程中无需网络连接，解决了传统翻译系统需要联网借助云端资源进行翻译的弊端。
Description
技术领域
本发明涉及基于移动设备的机器翻译系统技术领域，具体为基于混合策略的移动设备机器翻译系统。
背景技术
机器翻译的研究在早期的工作主要以基于规则的方法为主，进展相对来说比较缓慢，随着基于词的翻译模型出现，开启了统计机器翻译时代，最后，随着短语和句法模型相继被提出，翻译质量得到了显著提升，使得神经网络机器翻译方法开始兴起，而移动设备是一种口袋大小的计算设备，通常有一个显示萤幕，触控输入或是小型的键盘，通过它可以随时随地访问获得各种信息，诸如手提电脑和智能手机，因此需要通过在移动设备上融入机器翻译系统来方便用户能够更加便捷的获取各种信息；
但是现有的基于规则、统计和神经网络的机器翻译系统都需要大量的计算资源，只能部署在云端，移动设备通过调用云端的翻译接口来实现机器翻译，但这样会存在联网的限制及隐私泄漏的弊端，进而为移动设备的推广使用造成阻碍，同时限制了移动设备的使用对象。
发明内容
本发明提供基于混合策略的移动设备机器翻译系统，可以有效解决上述背景技术中提出现有的基于规则、统计和神经网络的机器翻译系统都需要大量的计算资源，只能部署在云端，移动设备通过调用云端的翻译接口来实现机器翻译，但这样会存在联网的限制及隐私泄漏的弊端，进而为移动设备的推广使用造成阻碍，同时限制了移动设备的使用对象的问题。
为实现上述目的，本发明提供如下技术方案：基于混合策略的移动设备机器翻译系统，包括翻译信息获取模块、翻译关键词分组模块、机器翻译引擎、神经机器翻译引擎、交互式机器翻译模块、词义消歧模块和自更新学习模块，所述机器翻译引擎包括基于规则机器翻译模块和基于统计机器翻译模块，所述神经机器翻译引擎包括神经机器翻译模块。
基于上述技术方案，所述翻译信息获取模块包括手动输入模块和语音输入模块，所述手动输入模块通过拼音、五笔和手写的方式将待翻译的源语句输入到翻译信息获取模块内，所述语音输入模块通过语音输入的方式将源语句输入到翻译信息获取模块内，并通过翻译信息获取模块内的识别子模块来对语音输入后出现的语音错误、识别无标点、识别口语化和识别语气词进行识别纠错；
所述翻译关键词分组模块包括关键词提取子模块和关键词分类子模块，所述关键词提取子模块用以提取翻译信息获取模块中获取的源语句中的翻译关键词，所述关键词分类子模块用以根据翻译关键词的语义来对翻译关键词进行分类，并通过处理器来选择关键词分组类别中与源语句语义最接近的组别。
基于上述技术方案，所述基于规则机器翻译模块包括语言知识库，所述基于统计机器翻译模块包括双语语料库，所述语言知识库包括语法、句法、语义及与语言知识有关的世界知识，主要是借助计算机程序将文字或语言从一种自然语言转换成另一种自然语言；
所述双语语料库通过机器估计翻译模型参数执行翻译，以统计规律为主，主要在已经收集的双语语料库中找出与待翻译部分最相似的翻译实例，再对实例的译文通过替换，删除或增加等一系列变形操作，实现翻译，所述基于规则机器翻译模块的机器翻译系统为SYSTRAN，所述基于统计机器翻译模块的机器翻译系统为GOOGLE。
基于上述技术方案，所述基于规则机器翻译模块主要包括以下步骤：
S1、将待翻译的源语句输入到语言知识库中；
S2、通过机译系统来对源语句进行识别分析；
S3、利用机译系统将识别分析后的源语句转换成目的语言；
S4、将转换生成的目的语言进行输出，以完成翻译。
基于上述技术方案，所述基于统计机器翻译模块主要包括以下步骤：
A、将待翻译的源语句输入到双语语料库中；
B、通过机译系统来对源语句的相似实例进行检索；
C、利用机译系统来对检索的相似实例进行替换、删除和增加处理；
D、将组合调整后翻译语言进行输出，以完成翻译。
基于上述技术方案，所述神经机器翻译引擎包括序列到序列模型，所述序列到序列模型通过机器翻译系统将源语言所表达的语义自动转换为目标语言的相同语义，完全采用神经网络完成源语言到目标语言的翻译过程。
基于上述技术方案，所述交互式机器翻译模块用以将机器翻译引擎和神经机器翻译引擎所翻译出的结果进行融合，主要指交互式机器翻译模块根据用户已翻译的部分译文动态生成后续译文候选供用户参考，通过翻译人员与机器翻译引擎之间的交互作用，从而实现对翻译结果进行准确和高效处理。
基于上述技术方案，所述机器翻译引擎和神经机器翻译引擎均内置在移动设备中，所述机器翻译引擎中基于规则的机器翻译模块和基于统计的机器翻译模块均为轻量级的，所述神经机器翻译引擎通过模型压缩后在内置于移动设备内，所述机器翻译引擎和神经机器翻译引擎均无需网络连接，另外，在机器翻译引擎和神经机器翻译引擎翻译后，用户的翻译习惯和修改记录信息，均在设备端记录，待联网后，仅提交用户的修改记录到云端，而非将完整的翻译内容进行上传。
基于上述技术方案，所述词义消歧模块在交互式机器翻译模块将机器翻译引擎和神经机器翻译引擎的翻译结果融合后，通过词义消歧模块内部的消歧识别子模块和消歧处理子模块来对融合后的翻译结果进行识别，并判断翻译结果的多种语义，最后通过结合源语句来将存在歧义的语义消除，使处理后翻译结果的语义与源语句相同。
基于上述技术方案，所述自更新学习模块，在云端进行机器翻译引擎和神经机器翻译引擎更新后，在云端内将更新后的机器翻译引擎和神经机器翻译引擎进行压缩处理，并将经过压缩后的机器翻译引擎和神经机器翻译引擎模型传回移动设备内进行更新，实现翻译系统的自学习。
与现有技术相比，本发明的有益效果：本发明通过在移动设备中融入基于规则、统计和神经网络的机器翻译系统使得移动设备在获取翻译信息时更加快速便捷，同时通过交互式机器翻译模块将基于规则、统计和神经网络的机器翻译系统翻译的结果译文进行融合，使得源语句的翻译结果更加精确，且基于规则、统计和神经网络的机器翻译系统均内置于移动设备内，在实际翻译操作过程中无需借助云端进行翻译，同时在移动设备内使得整个翻译过程中无需网络连接，进而解决了传统翻译系统需要联网借助云端资源进行翻译的弊端，另外，在移动设备使用中，用户的翻译习惯、修改记录等反馈信息，将在移动设备端进行记录，在移动设备联网时，仅提交用户的修改记录，无需将融合的翻译内容上传到云端，以此使得移动设备在翻译后，防止翻译的结果隐私信息产生泄露，再有，在移动设备翻译之前，通过翻译关键词分组模块来对翻译的源语句进行关键词提取和分类处理，使得翻译过程中能够快速的将源语句进行翻译，同时在移动设备翻译之后，通过词义消歧模块来对融合的翻译结果进行词义消歧处理，使得翻译结果能够快速的匹配源语句，进而提高翻译结果的精确性，最后，通过自更新学习模块能够在云端进行机器翻译引擎和神经机器翻译引擎更新后，将经过压缩的模型传回移动设备进行更新，从而使移动设备内的翻译系统能够快速的进行自学习，以不断的提高移动设备翻译的响应速度。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。
在附图中：
图1是本发明系统的结构框图；
图2是本发明基于规则机器翻译模块的步骤流程图；
图3是本发明基于统计机器翻译模块的步骤流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
实施例：如图1-3所示，本发明提供一种技术方案，基于混合策略的移动设备机器翻译系统，包括翻译信息获取模块、翻译关键词分组模块、机器翻译引擎、神经机器翻译引擎、交互式机器翻译模块、词义消歧模块和自更新学习模块，机器翻译引擎包括基于规则机器翻译模块和基于统计机器翻译模块，神经机器翻译引擎包括神经机器翻译模块。
基于上述技术方案，翻译信息获取模块包括手动输入模块和语音输入模块，手动输入模块通过拼音、五笔和手写的方式将待翻译的源语句输入到翻译信息获取模块内，语音输入模块通过语音输入的方式将源语句输入到翻译信息获取模块内，并通过翻译信息获取模块内的识别子模块来对语音输入后出现的语音错误、识别无标点、识别口语化和识别语气词进行识别纠错；
翻译关键词分组模块包括关键词提取子模块和关键词分类子模块，关键词提取子模块用以提取翻译信息获取模块中获取的源语句中的翻译关键词，关键词分类子模块用以根据翻译关键词的语义来对翻译关键词进行分类，并通过处理器来选择关键词分组类别中与源语句语义最接近的组别。
基于上述技术方案，基于规则机器翻译模块包括语言知识库，基于统计机器翻译模块包括双语语料库，语言知识库包括语法、句法、语义及与语言知识有关的世界知识，主要是借助计算机程序将文字或语言从一种自然语言转换成另一种自然语言；
双语语料库通过机器估计翻译模型参数执行翻译，以统计规律为主，主要在已经收集的双语语料库中找出与待翻译部分最相似的翻译实例，再对实例的译文通过替换，删除或增加等一系列变形操作，实现翻译，基于规则机器翻译模块的机器翻译系统为SYSTRAN，基于统计机器翻译模块的机器翻译系统为GOOGLE。
基于上述技术方案，基于规则机器翻译模块主要包括以下步骤：
S1、将待翻译的源语句输入到语言知识库中；
S2、通过机译系统来对源语句进行识别分析；
S3、利用机译系统将识别分析后的源语句转换成目的语言；
S4、将转换生成的目的语言进行输出，以完成翻译。
基于上述技术方案，基于统计机器翻译模块主要包括以下步骤：
A、将待翻译的源语句输入到双语语料库中；
B、通过机译系统来对源语句的相似实例进行检索；
C、利用机译系统来对检索的相似实例进行替换、删除和增加处理；
D、将组合调整后翻译语言进行输出，以完成翻译。
基于上述技术方案，神经机器翻译引擎包括序列到序列模型，序列到序列模型通过机器翻译系统将源语言所表达的语义自动转换为目标语言的相同语义，完全采用神经网络完成源语言到目标语言的翻译过程。
基于上述技术方案，交互式机器翻译模块用以将机器翻译引擎和神经机器翻译引擎所翻译出的结果进行融合，主要指交互式机器翻译模块根据用户已翻译的部分译文动态生成后续译文候选供用户参考，通过翻译人员与机器翻译引擎之间的交互作用，从而实现对翻译结果进行准确和高效处理。
基于上述技术方案，机器翻译引擎和神经机器翻译引擎均内置在移动设备中，机器翻译引擎中基于规则的机器翻译模块和基于统计的机器翻译模块均为轻量级的，神经机器翻译引擎通过模型压缩后在内置于移动设备内，机器翻译引擎和神经机器翻译引擎均无需网络连接，另外，在机器翻译引擎和神经机器翻译引擎翻译后，用户的翻译习惯和修改记录信息，均在设备端记录，待联网后，仅提交用户的修改记录到云端，而非将完整的翻译内容进行上传。
基于上述技术方案，词义消歧模块在交互式机器翻译模块将机器翻译引擎和神经机器翻译引擎的翻译结果融合后，通过词义消歧模块内部的消歧识别子模块和消歧处理子模块来对融合后的翻译结果进行识别，并判断翻译结果的多种语义，最后通过结合源语句来将存在歧义的语义消除，使处理后翻译结果的语义与源语句相同。
基于上述技术方案，自更新学习模块，在云端进行机器翻译引擎和神经机器翻译引擎更新后，在云端内将更新后的机器翻译引擎和神经机器翻译引擎进行压缩处理，并将经过压缩后的机器翻译引擎和神经机器翻译引擎模型传回移动设备内进行更新，实现翻译系统的自学习。
基于上述技术方案，本发明的有益效果在于：本发明通过在移动设备中融入基于规则、统计和神经网络的机器翻译系统使得移动设备在获取翻译信息时更加快速便捷，同时通过交互式机器翻译模块将基于规则、统计和神经网络的机器翻译系统翻译的结果译文进行融合，使得源语句的翻译结果更加精确，且基于规则、统计和神经网络的机器翻译系统均内置于移动设备内，在实际翻译操作过程中无需借助云端进行翻译，同时在移动设备内使得整个翻译过程中无需网络连接，进而解决了传统翻译系统需要联网借助云端资源进行翻译的弊端；
在移动设备使用中，用户的翻译习惯、修改记录等反馈信息，将在移动设备端进行记录，在移动设备联网时，仅提交用户的修改记录，无需将融合的翻译内容上传到云端，以此使得移动设备在翻译后，防止翻译的结果隐私信息产生泄露；
在移动设备翻译之前，通过翻译关键词分组模块来对翻译的源语句进行关键词提取和分类处理，使得翻译过程中能够快速的将源语句进行翻译，同时在移动设备翻译之后，通过词义消歧模块来对融合的翻译结果进行词义消歧处理，使得翻译结果能够快速的匹配源语句，进而提高翻译结果的精确性；
通过自更新学习模块能够在云端进行机器翻译引擎和神经机器翻译引擎更新后，将经过压缩的模型传回移动设备进行更新，从而使移动设备内的翻译系统能够快速的进行自学习，以不断的提高移动设备翻译的响应速度。
最后应说明的是：以上所述仅为本发明的优选实例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，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。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.基于混合策略的移动设备机器翻译系统，其特征在于：包括翻译信息获取模块、翻译关键词分组模块、机器翻译引擎、神经机器翻译引擎、交互式机器翻译模块、词义消歧模块和自更新学习模块，所述机器翻译引擎包括基于规则机器翻译模块和基于统计机器翻译模块，所述神经机器翻译引擎包括神经机器翻译模块。
2.根据权利要求1所述的基于混合策略的移动设备机器翻译系统，其特征在于：所述翻译信息获取模块包括手动输入模块和语音输入模块，所述手动输入模块通过拼音、五笔和手写的方式将待翻译的源语句输入到翻译信息获取模块内，所述语音输入模块通过语音输入的方式将源语句输入到翻译信息获取模块内，并通过翻译信息获取模块内的识别子模块来对语音输入后出现的语音错误、识别无标点、识别口语化和识别语气词进行识别纠错；
所述翻译关键词分组模块包括关键词提取子模块和关键词分类子模块，所述关键词提取子模块用以提取翻译信息获取模块中获取的源语句中的翻译关键词，所述关键词分类子模块用以根据翻译关键词的语义来对翻译关键词进行分类，并通过处理器来选择关键词分组类别中与源语句语义最接近的组别。
3.根据权利要求1所述的基于混合策略的移动设备机器翻译系统，其特征在于：所述基于规则机器翻译模块包括语言知识库，所述基于统计机器翻译模块包括双语语料库，所述语言知识库包括语法、句法、语义及与语言知识有关的世界知识，主要是借助计算机程序将文字或语言从一种自然语言转换成另一种自然语言；
所述双语语料库通过机器估计翻译模型参数执行翻译，以统计规律为主，主要在已经收集的双语语料库中找出与待翻译部分最相似的翻译实例，再对实例的译文通过替换，删除或增加等一系列变形操作，实现翻译，所述基于规则机器翻译模块的机器翻译系统为SYSTRAN，所述基于统计机器翻译模块的机器翻译系统为GOOGLE。
4.根据权利要求3所述的基于混合策略的移动设备机器翻译系统，其特征在于：所述基于规则机器翻译模块主要包括以下步骤：
S1、将待翻译的源语句输入到语言知识库中；
S2、通过机译系统来对源语句进行识别分析；
S3、利用机译系统将识别分析后的源语句转换成目的语言；
S4、将转换生成的目的语言进行输出，以完成翻译。
5.根据权利要求3所述的基于混合策略的移动设备机器翻译系统，其特征在于：所述基于统计机器翻译模块主要包括以下步骤：
A、将待翻译的源语句输入到双语语料库中；
B、通过机译系统来对源语句的相似实例进行检索；
C、利用机译系统来对检索的相似实例进行替换、删除和增加处理；
D、将组合调整后翻译语言进行输出，以完成翻译。
6.根据权利要求1所述的基于混合策略的移动设备机器翻译系统，其特征在于：所述神经机器翻译引擎包括序列到序列模型，所述序列到序列模型通过机器翻译系统将源语言所表达的语义自动转换为目标语言的相同语义，完全采用神经网络完成源语言到目标语言的翻译过程。
7.根据权利要求1所述的基于混合策略的移动设备机器翻译系统，其特征在于：所述交互式机器翻译模块用以将机器翻译引擎和神经机器翻译引擎所翻译出的结果进行融合，主要指交互式机器翻译模块根据用户已翻译的部分译文动态生成后续译文候选供用户参考，通过翻译人员与机器翻译引擎之间的交互作用，从而实现对翻译结果进行准确和高效处理。
8.根据权利要求1所述的基于混合策略的移动设备机器翻译系统，其特征在于：所述机器翻译引擎和神经机器翻译引擎均内置在移动设备中，所述机器翻译引擎中基于规则的机器翻译模块和基于统计的机器翻译模块均为轻量级的，所述神经机器翻译引擎通过模型压缩后在内置于移动设备内，所述机器翻译引擎和神经机器翻译引擎均无需网络连接，另外，在机器翻译引擎和神经机器翻译引擎翻译后，用户的翻译习惯和修改记录信息，均在设备端记录，待联网后，仅提交用户的修改记录到云端，而非将完整的翻译内容进行上传。
9.根据权利要求7所述的基于混合策略的移动设备机器翻译系统，其特征在于：所述词义消歧模块在交互式机器翻译模块将机器翻译引擎和神经机器翻译引擎的翻译结果融合后，通过词义消歧模块内部的消歧识别子模块和消歧处理子模块来对融合后的翻译结果进行识别，并判断翻译结果的多种语义，最后通过结合源语句来将存在歧义的语义消除，使处理后翻译结果的语义与源语句相同。
10.根据权利要求1所述的基于混合策略的移动设备机器翻译系统，其特征在于：所述自更新学习模块，在云端进行机器翻译引擎和神经机器翻译引擎更新后，在云端内将更新后的机器翻译引擎和神经机器翻译引擎进行压缩处理，并将经过压缩后的机器翻译引擎和神经机器翻译引擎模型传回移动设备内进行更新，实现翻译系统的自学习。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010331077.2A CN111401085A (zh) | 2020-04-24 | 2020-04-24 | 基于混合策略的移动设备机器翻译系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010331077.2A CN111401085A (zh) | 2020-04-24 | 2020-04-24 | 基于混合策略的移动设备机器翻译系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111401085A true CN111401085A (zh) | 2020-07-10 |
Family
ID=71437134
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010331077.2A Pending CN111401085A (zh) | 2020-04-24 | 2020-04-24 | 基于混合策略的移动设备机器翻译系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111401085A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114139560A (zh) * | 2021-12-03 | 2022-03-04 | 山东诗语翻译有限公司 | 基于人工智能翻译系统 |
| CN116842968A (zh) * | 2023-07-17 | 2023-10-03 | 四川语言桥信息技术有限公司 | 一种模块化神经网络机器翻译模型及人在闭环交互式人工智能辅助翻译系统、方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101686234A (zh) * | 2008-09-24 | 2010-03-31 | 北京市西区邮电局 | 实现多语种信息交流的系统 |
| KR20110112192A (ko) * | 2010-04-06 | 2011-10-12 | 삼성전자주식회사 | 구문 분석 및 계층적 어구 모델 기반 기계 번역 시스템 및 방법 |
| US8326598B1 (en) * | 2007-03-26 | 2012-12-04 | Google Inc. | Consensus translations from multiple machine translation systems |
| US20170060854A1 (en) * | 2015-08-25 | 2017-03-02 | Alibaba Group Holding Limited | Statistics-based machine translation method, apparatus and electronic device |
| CN108845994A (zh) * | 2018-06-07 | 2018-11-20 | 南京大学 | 利用外部信息的神经机器翻译系统及翻译系统的训练方法 |
| CN110472257A (zh) * | 2019-08-20 | 2019-11-19 | 南京题麦壳斯信息科技有限公司 | 一种基于句对的机器翻译引擎测评优选方法及系统 |
| CN110688862A (zh) * | 2019-08-29 | 2020-01-14 | 内蒙古工业大学 | 一种基于迁移学习的蒙汉互译方法 |
-
2020
- 2020-04-24 CN CN202010331077.2A patent/CN111401085A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8326598B1 (en) * | 2007-03-26 | 2012-12-04 | Google Inc. | Consensus translations from multiple machine translation systems |
| CN101686234A (zh) * | 2008-09-24 | 2010-03-31 | 北京市西区邮电局 | 实现多语种信息交流的系统 |
| KR20110112192A (ko) * | 2010-04-06 | 2011-10-12 | 삼성전자주식회사 | 구문 분석 및 계층적 어구 모델 기반 기계 번역 시스템 및 방법 |
| US20170060854A1 (en) * | 2015-08-25 | 2017-03-02 | Alibaba Group Holding Limited | Statistics-based machine translation method, apparatus and electronic device |
| CN108845994A (zh) * | 2018-06-07 | 2018-11-20 | 南京大学 | 利用外部信息的神经机器翻译系统及翻译系统的训练方法 |
| CN110472257A (zh) * | 2019-08-20 | 2019-11-19 | 南京题麦壳斯信息科技有限公司 | 一种基于句对的机器翻译引擎测评优选方法及系统 |
| CN110688862A (zh) * | 2019-08-29 | 2020-01-14 | 内蒙古工业大学 | 一种基于迁移学习的蒙汉互译方法 |
Non-Patent Citations (2)
| Title |
|---|
| ZHEN YANG: "Generative adversarial training for neural machine translation", NEUROCOMPUTING, vol. 321, pages 146 - 155 * |
| 计丽丽: "基于混合策略的机器翻译研究", 中国优秀硕士学位论文全文数据库（电子期刊）》, no. 12, pages 138 - 399 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114139560A (zh) * | 2021-12-03 | 2022-03-04 | 山东诗语翻译有限公司 | 基于人工智能翻译系统 |
| CN116842968A (zh) * | 2023-07-17 | 2023-10-03 | 四川语言桥信息技术有限公司 | 一种模块化神经网络机器翻译模型及人在闭环交互式人工智能辅助翻译系统、方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2020220539A1 (zh) | 数据增量方法、装置、计算机设备及存储介质 | |
| US11521603B2 (en) | Automatically generating conference minutes | |
| CN109840331B (zh) | 一种基于用户词典的神经机器翻译方法 | |
| WO2016010245A1 (en) | Method and system for robust tagging of named entities in the presence of source or translation errors | |
| KR102491172B1 (ko) | 자연어 질의응답 시스템 및 그 학습 방법 | |
| CN112528001B (zh) | 一种信息查询方法、装置及电子设备 | |
| CN111858935A (zh) | 一种航班点评的细粒度情感分类系统 | |
| CN109271492A (zh) | 一种语料正则表达式的自动生成方法及系统 | |
| CN112380848B (zh) | 文本生成方法、装置、设备及存储介质 | |
| CN110674378A (zh) | 基于余弦相似度和最小编辑距离的中文语义识别方法 | |
| CN100454294C (zh) | 用于将日文翻译成中文的设备 | |
| CN111401085A (zh) | 基于混合策略的移动设备机器翻译系统 | |
| CN111831624A (zh) | 数据表创建方法、装置、计算机设备及存储介质 | |
| CN115438142B (zh) | 一种对话式交互数据分析报告系统 | |
| CN103020311B (zh) | 一种用户检索词的处理方法及系统 | |
| CN107424612A (zh) | 处理方法、装置和机器可读介质 | |
| CN109240580A (zh) | 一种基于语义分析的图片输入方法、系统、装置和存储器 | |
| He | Self-calibration system for pragmatic failure in English-Chinese translation based on big data | |
| CN110362694A (zh) | 基于人工智能的文献数据检索方法、设备及可读存储介质 | |
| CN115796194A (zh) | 一种基于机器学习的英语翻译系统 | |
| KR101755437B1 (ko) | 어휘의미패턴을 이용한 한국어의 기계번역방법 | |
| CN114021589A (zh) | 样本的生成方法、装置、计算机设备和存储介质 | |
| CN112764535A (zh) | 一种实现多语种信息交流的系统 | |
| CN107622058A (zh) | 制作外文地名库的方法、装置、电子导航芯片及服务器 | |
| CN115965017B (zh) | 一种基于开发平台的多语言录入和解析系统及方法 |
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 |