CN113486679A - 一种基于神经网络的语句翻译方法及装置 - Google Patents
一种基于神经网络的语句翻译方法及装置 Download PDFInfo
- Publication number
- CN113486679A CN113486679A CN202110771939.8A CN202110771939A CN113486679A CN 113486679 A CN113486679 A CN 113486679A CN 202110771939 A CN202110771939 A CN 202110771939A CN 113486679 A CN113486679 A CN 113486679A
- Authority
- CN
- China
- Prior art keywords
- sentence
- translation
- data
- statement
- original
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/40—Processing or translation of natural language
- G06F40/58—Use of machine translation, e.g. for multi-lingual retrieval, for server-side translation for client devices or for real-time translation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
- G06F16/353—Clustering; Classification into predefined classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Abstract
本发明公开了一种基于神经网络的语句翻译方法及装置。其中,该方法包括:获取原始语句数据;将所述原始语句数据进行分割,得到待翻译语句数据;将所述待翻译语句数据输入至翻译模型中,得到翻译结果;将所述翻译结果进行展示。本发明解决了现有技术中的语句翻译方法仅仅是通过固定的语句翻译规则对获得的语句进行翻译操作,无法根据同场景翻译历史数据或不同翻译影响因素对语句翻译规则进行调整,降低了语句翻译的灵活度和效率的技术问题。
Description
技术领域
本发明涉及文字翻译领域,具体而言,涉及一种基于神经网络的语句翻译方法及装置。
背景技术
随着智能化科技的不断发展,人们的生活、工作、学习之中越来越多地用到了智能化设备,使用智能化科技手段,提高了人们生活的质量,增加了人们学习和工作的效率。
目前,在语句翻译过程中,通常利用语句翻译规则对采集到的语句进行分析和处理,并根据分析结果实现翻译功能,但传统的语句翻译方法仅仅是通过固定的语句翻译规则对获得的语句进行翻译操作,无法根据同场景翻译历史数据或不同翻译影响因素对语句翻译规则进行调整,降低了语句翻译的灵活度和效率。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种基于神经网络的语句翻译方法及装置,以至少解决现有技术中的语句翻译方法仅仅是通过固定的语句翻译规则对获得的语句进行翻译操作,无法根据同场景翻译历史数据或不同翻译影响因素对语句翻译规则进行调整,降低了语句翻译的灵活度和效率的技术问题。
根据本发明实施例的一个方面,提供了一种基于神经网络的语句翻译方法,包括:获取原始语句数据;将所述原始语句数据进行分割,得到待翻译语句数据;将所述待翻译语句数据输入至翻译模型中,得到翻译结果;将所述翻译结果进行展示。
可选的,所述将所述原始语句数据进行分割,得到待翻译语句数据包括:获取预设语句分割规则;根据所述预设语句分割规则,将所述原始语句数据进行分割。
可选的,在所述获取预设语句分割规则之前,所述方法还包括:根据所述原始语句数据,获取语句场景分类;根据所述语句场景分类,生成所述预设语句分割规则。
可选的,在所述将所述待翻译语句数据输入至翻译模型中,得到翻译结果之前,所述方法还包括:训练所述翻译模型。
根据本发明实施例的另一方面,还提供了一种基于神经网络的语句翻译装置,包括:获取模块,用于获取原始语句数据;分割模块,用于将所述原始语句数据进行分割,得到待翻译语句数据;翻译模块,用于将所述待翻译语句数据输入至翻译模型中,得到翻译结果;展示模块,用于将所述翻译结果进行展示。
可选的,所述分割模块包括:获取单元,用于获取预设语句分割规则;分割单元,用于根据所述预设语句分割规则,将所述原始语句数据进行分割。
可选的,所述装置还包括:获取单元,用于根据所述原始语句数据,获取语句场景分类;生成单元,用于根据所述语句场景分类,生成所述预设语句分割规则。
可选的,所述装置还包括:训练模块,用于训练所述翻译模型。
根据本发明实施例的另一方面,还提供了一种非易失性存储介质,所述非易失性存储介质包括存储的程序,其中,所述程序运行时控制非易失性存储介质所在的设备执行一种基于神经网络的语句翻译方法。
根据本发明实施例的另一方面,还提供了一种电子装置,包含处理器和存储器;所述存储器中存储有计算机可读指令,所述处理器用于运行所述计算机可读指令,其中,所述计算机可读指令运行时执行一种基于神经网络的语句翻译方法。
在本发明实施例中,采用获取原始语句数据;将所述原始语句数据进行分割,得到待翻译语句数据;将所述待翻译语句数据输入至翻译模型中,得到翻译结果;将所述翻译结果进行展示的方式,解决了现有技术中的语句翻译方法仅仅是通过固定的语句翻译规则对获得的语句进行翻译操作,无法根据同场景翻译历史数据或不同翻译影响因素对语句翻译规则进行调整,降低了语句翻译的灵活度和效率的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种基于神经网络的语句翻译方法的流程图;
图2是根据本发明实施例的一种基于神经网络的语句翻译装置的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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,所描述的实施例仅仅是本发明一部分的实施例,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做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明实施例,提供了一种基于神经网络的语句翻译方法的方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
实施例一
图1是根据本发明实施例的一种基于神经网络的语句翻译方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,获取原始语句数据。
具体的,本发明实施例为了实现将待翻译的语句进行高效、高质量的翻译操作,首先需要通过语音采集设备或者图像采集设备对原始语句数据进行获取,其中,原始语句数据是待翻译的原始语言的语句数据,获取之后将原始语句数据进行存储,为后续翻译做准备。
需要说明的是,通过语音采集设备采集原始语句数据,可以是通过麦克风接收语音数据,并将语音数据逐句存储到存储器中,方便处理器在后续的翻译操作中进行调用,另外,通过图像采集设备采集原始语句可以是通过便携式摄像设备对需要进行翻译的语句数据进行拍摄,并获取含有该待翻译原始语句的图像数据,并将该图像数据传输至存储器模块,便于处理器调用相关的图像数据进行语句翻译操作。此外,在原始语句采集的过程中,还可以通过用户操作输入设备进行语句输入来获取原始语句数据,即对用户输入的语句进行实时翻译,然而具体采用哪种原始语句采集方式,本发明实施例对此不进行具体的限定。
步骤S104,将所述原始语句数据进行分割,得到待翻译语句数据。
具体的,由于原始语句数据往往信息量较大,语句长度较长,因此在处理器对原始语句数据进行处理的时候,较长的语句翻译和处理的速度较慢,效率低下,因此在本发明实施例获取到了原始语句数据之后,需要将原始语句数据进行分割,以便在进行翻译的时候可以提高翻译效率,按照分割的结果进行逐段的翻译操作。
可选的,所述将所述原始语句数据进行分割,得到待翻译语句数据包括:获取预设语句分割规则;根据所述预设语句分割规则,将所述原始语句数据进行分割。
具体的,为了将原始语句数据转化为待翻译的语句,需要根据预设的语句分割规则,将原始语句数据进行分割,并将分割后的语句作为待翻译语句数据进行输出,原始语句数据在分割之后会减少语句的复杂度和长度,增加翻译模型的计算效率和计算精准度,例如,可以获取预设语句分割规则;根据所述预设语句分割规则,将所述原始语句数据进行分割。
可选的,在所述获取预设语句分割规则之前,所述方法还包括:根据所述原始语句数据,获取语句场景分类;根据所述语句场景分类,生成所述预设语句分割规则。
具体的,为了获取与原始语句数据相适应的预设语句分割规则,在所述获取预设语句分割规则之前,所述方法还包括:根据所述原始语句数据,获取语句场景分类;根据所述语句场景分类,生成所述预设语句分割规则。
步骤S106,将所述待翻译语句数据输入至翻译模型中,得到翻译结果。
可选的,在所述将所述待翻译语句数据输入至翻译模型中,得到翻译结果之前,所述方法还包括:训练所述翻译模型。
具体的,本发明实施例需要根据翻译历史数据对翻译模型进行训练,并将训练完毕的翻译模型用于输出翻译结果之用,该翻译模型可以是通过DNN深度神经网络构建而成,其输入端需要输入待翻译语句数据。
步骤S108,将所述翻译结果进行展示。
具体的,在本发明实施例获取到了翻译结果之后,需要对翻译结果进行输出和展示,通过相关的翻译展示设备对翻译结果进行展示,也可以将翻译结果和原始语句数据一同进行对比展示,以增加用户查看的体验。
通过上述实施例,解决了现有技术中的语句翻译方法仅仅是通过固定的语句翻译规则对获得的语句进行翻译操作,无法根据同场景翻译历史数据或不同翻译影响因素对语句翻译规则进行调整,降低了语句翻译的灵活度和效率的技术问题。
实施例二
图2是根据本发明实施例的一种基于神经网络的语句翻译装置的结构框图,如图2所示,该装置包括:
获取模块20,用于获取原始语句数据。
具体的,本发明实施例为了实现将待翻译的语句进行高效、高质量的翻译操作,首先需要通过语音采集设备或者图像采集设备对原始语句数据进行获取,其中,原始语句数据是待翻译的原始语言的语句数据,获取之后将原始语句数据进行存储,为后续翻译做准备。
需要说明的是,通过语音采集设备采集原始语句数据,可以是通过麦克风接收语音数据,并将语音数据逐句存储到存储器中,方便处理器在后续的翻译操作中进行调用,另外,通过图像采集设备采集原始语句可以是通过便携式摄像设备对需要进行翻译的语句数据进行拍摄,并获取含有该待翻译原始语句的图像数据,并将该图像数据传输至存储器模块,便于处理器调用相关的图像数据进行语句翻译操作。此外,在原始语句采集的过程中,还可以通过用户操作输入设备进行语句输入来获取原始语句数据,即对用户输入的语句进行实时翻译,然而具体采用哪种原始语句采集方式,本发明实施例对此不进行具体的限定。
分割模块22,用于将所述原始语句数据进行分割,得到待翻译语句数据。
具体的,由于原始语句数据往往信息量较大,语句长度较长,因此在处理器对原始语句数据进行处理的时候,较长的语句翻译和处理的速度较慢,效率低下,因此在本发明实施例获取到了原始语句数据之后,需要将原始语句数据进行分割,以便在进行翻译的时候可以提高翻译效率,按照分割的结果进行逐段的翻译操作。
可选的,所述分割模块包括:获取单元,用于获取预设语句分割规则;分割单元,用于根据所述预设语句分割规则,将所述原始语句数据进行分割。
具体的,为了将原始语句数据转化为待翻译的语句,需要根据预设的语句分割规则,将原始语句数据进行分割,并将分割后的语句作为待翻译语句数据进行输出,原始语句数据在分割之后会减少语句的复杂度和长度,增加翻译模型的计算效率和计算精准度,例如,可以获取预设语句分割规则;根据所述预设语句分割规则,将所述原始语句数据进行分割。
可选的,所述装置还包括:获取单元,用于根据所述原始语句数据,获取语句场景分类;生成单元,用于根据所述语句场景分类,生成所述预设语句分割规则。
具体的,为了获取与原始语句数据相适应的预设语句分割规则,在所述获取预设语句分割规则之前,所述方法还包括:根据所述原始语句数据,获取语句场景分类;根据所述语句场景分类,生成所述预设语句分割规则。
翻译模块24,用于将所述待翻译语句数据输入至翻译模型中,得到翻译结果。
可选的,所述装置还包括:训练模块,用于训练所述翻译模型。
具体的,本发明实施例需要根据翻译历史数据对翻译模型进行训练,并将训练完毕的翻译模型用于输出翻译结果之用,该翻译模型可以是通过DNN深度神经网络构建而成,其输入端需要输入待翻译语句数据。
展示模块26,用于将所述翻译结果进行展示。
具体的,在本发明实施例获取到了翻译结果之后,需要对翻译结果进行输出和展示,通过相关的翻译展示设备对翻译结果进行展示,也可以将翻译结果和原始语句数据一同进行对比展示,以增加用户查看的体验。
根据本发明实施例的另一方面,还提供了一种非易失性存储介质,所述非易失性存储介质包括存储的程序,其中,所述程序运行时控制非易失性存储介质所在的设备执行一种基于神经网络的语句翻译方法。
具体的,上述方法包括:获取原始语句数据;将所述原始语句数据进行分割,得到待翻译语句数据;将所述待翻译语句数据输入至翻译模型中,得到翻译结果;将所述翻译结果进行展示。
根据本发明实施例的另一方面,还提供了一种电子装置,包含处理器和存储器;所述存储器中存储有计算机可读指令,所述处理器用于运行所述计算机可读指令,其中,所述计算机可读指令运行时执行一种基于神经网络的语句翻译方法。
具体的,上述方法包括:获取原始语句数据;将所述原始语句数据进行分割,得到待翻译语句数据;将所述待翻译语句数据输入至翻译模型中,得到翻译结果;将所述翻译结果进行展示。
通过上述实施例,解决了现有技术中的语句翻译方法仅仅是通过固定的语句翻译规则对获得的语句进行翻译操作,无法根据同场景翻译历史数据或不同翻译影响因素对语句翻译规则进行调整,降低了语句翻译的灵活度和效率的技术问题。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
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单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以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全部或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(可为个人计算机、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、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种基于神经网络的语句翻译方法,其特征在于,包括:
获取原始语句数据;
将所述原始语句数据进行分割,得到待翻译语句数据;
将所述待翻译语句数据输入至翻译模型中,得到翻译结果;
将所述翻译结果进行展示。
2.根据权利要求1所述的方法,其特征在于,所述将所述原始语句数据进行分割,得到待翻译语句数据包括:
获取预设语句分割规则;
根据所述预设语句分割规则,将所述原始语句数据进行分割。
3.根据权利要求2所述的方法,其特征在于,在所述获取预设语句分割规则之前,所述方法还包括:
根据所述原始语句数据,获取语句场景分类;
根据所述语句场景分类,生成所述预设语句分割规则。
4.根据权利要求1所述的方法,其特征在于,在所述将所述待翻译语句数据输入至翻译模型中,得到翻译结果之前,所述方法还包括:
训练所述翻译模型。
5.一种基于神经网络的语句翻译装置,其特征在于,包括:
获取模块,用于获取原始语句数据;
分割模块,用于将所述原始语句数据进行分割,得到待翻译语句数据;
翻译模块,用于将所述待翻译语句数据输入至翻译模型中,得到翻译结果;
展示模块,用于将所述翻译结果进行展示。
6.根据权利要求5所述的装置,其特征在于,所述分割模块包括:
获取单元,用于获取预设语句分割规则;
分割单元,用于根据所述预设语句分割规则,将所述原始语句数据进行分割。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括:
获取单元,用于根据所述原始语句数据,获取语句场景分类;
生成单元,用于根据所述语句场景分类,生成所述预设语句分割规则。
8.根据权利要求5所述的装置,其特征在于,所述装置还包括:
训练模块,用于训练所述翻译模型。
9.一种非易失性存储介质,其特征在于,所述非易失性存储介质包括存储的程序,其中,所述程序运行时控制非易失性存储介质所在的设备执行权利要求1至4中任意一项所述的方法。
10.一种电子装置,其特征在于,包含处理器和存储器;所述存储器中存储有计算机可读指令,所述处理器用于运行所述计算机可读指令,其中,所述计算机可读指令运行时执行权利要求1至4中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110771939.8A CN113486679A (zh) | 2021-07-08 | 2021-07-08 | 一种基于神经网络的语句翻译方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110771939.8A CN113486679A (zh) | 2021-07-08 | 2021-07-08 | 一种基于神经网络的语句翻译方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113486679A true CN113486679A (zh) | 2021-10-08 |
Family
ID=77937960
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110771939.8A Pending CN113486679A (zh) | 2021-07-08 | 2021-07-08 | 一种基于神经网络的语句翻译方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113486679A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107632981A (zh) * | 2017-09-06 | 2018-01-26 | 沈阳雅译网络技术有限公司 | 一种引入源语组块信息编码的神经机器翻译方法 |
CN108170670A (zh) * | 2017-12-08 | 2018-06-15 | 东软集团股份有限公司 | 待标注语料的分配方法、装置、可读存储介质及电子设备 |
CN108763227A (zh) * | 2018-05-21 | 2018-11-06 | 电子科技大学 | 一种基于分块机制的机器翻译方法 |
CN110334360A (zh) * | 2019-07-08 | 2019-10-15 | 腾讯科技(深圳)有限公司 | 机器翻译方法及装置、电子设备及存储介质 |
CN111143074A (zh) * | 2019-12-30 | 2020-05-12 | 文思海辉智科科技有限公司 | 一种翻译文件的分配方法和装置 |
CN111832322A (zh) * | 2020-06-30 | 2020-10-27 | 北京小米松果电子有限公司 | 语句翻译方法、装置、电子设备和存储介质 |
CN112085090A (zh) * | 2020-09-07 | 2020-12-15 | 百度在线网络技术(北京)有限公司 | 翻译方法、装置以及电子设备 |
CN113032584A (zh) * | 2021-05-27 | 2021-06-25 | 北京明略软件系统有限公司 | 一种实体关联方法、装置、电子设备及存储介质 |
-
2021
- 2021-07-08 CN CN202110771939.8A patent/CN113486679A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107632981A (zh) * | 2017-09-06 | 2018-01-26 | 沈阳雅译网络技术有限公司 | 一种引入源语组块信息编码的神经机器翻译方法 |
CN108170670A (zh) * | 2017-12-08 | 2018-06-15 | 东软集团股份有限公司 | 待标注语料的分配方法、装置、可读存储介质及电子设备 |
CN108763227A (zh) * | 2018-05-21 | 2018-11-06 | 电子科技大学 | 一种基于分块机制的机器翻译方法 |
CN110334360A (zh) * | 2019-07-08 | 2019-10-15 | 腾讯科技(深圳)有限公司 | 机器翻译方法及装置、电子设备及存储介质 |
CN111143074A (zh) * | 2019-12-30 | 2020-05-12 | 文思海辉智科科技有限公司 | 一种翻译文件的分配方法和装置 |
CN111832322A (zh) * | 2020-06-30 | 2020-10-27 | 北京小米松果电子有限公司 | 语句翻译方法、装置、电子设备和存储介质 |
CN112085090A (zh) * | 2020-09-07 | 2020-12-15 | 百度在线网络技术(北京)有限公司 | 翻译方法、装置以及电子设备 |
CN113032584A (zh) * | 2021-05-27 | 2021-06-25 | 北京明略软件系统有限公司 | 一种实体关联方法、装置、电子设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
成刚: "机器学习的算法和模型", 《一本书读懂智能家居核心技术》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111190939A (zh) | 一种用户画像构建方法及装置 | |
CN109344395B (zh) | 一种数据处理方法、装置、服务器及存储介质 | |
CN111090736B (zh) | 问答模型的训练方法、问答方法、装置及计算机存储介质 | |
CN109192225B (zh) | 语音情感识别和标注的方法及装置 | |
CN106682387A (zh) | 用于输出信息的方法和装置 | |
CN110019758B (zh) | 一种核心要素提取方法、装置及电子设备 | |
CN111310440A (zh) | 文本的纠错方法、装置和系统 | |
CN113283238B (zh) | 文本数据处理的方法和装置、电子设备和存储介质 | |
CN110569354A (zh) | 弹幕情感分析方法及装置 | |
CN111198946A (zh) | 一种网络新闻热点挖掘方法及装置 | |
CN111698552A (zh) | 一种视频资源的生成方法和装置 | |
CN108932069A (zh) | 输入法候选词条确定方法、装置、设备及可读存储介质 | |
CN112765981A (zh) | 一种文本信息的生成方法和装置 | |
CN111209394A (zh) | 文本分类处理方法和装置 | |
CN111326142A (zh) | 基于语音转文本的文本信息提取方法、系统和电子设备 | |
CN113486679A (zh) | 一种基于神经网络的语句翻译方法及装置 | |
CN111324704A (zh) | 话术知识库构建的方法、装置和客服机器人 | |
CN113313653A (zh) | 一种基于生成式对抗网络的图像去噪声方法及装置 | |
CN108228573A (zh) | 文本情感分析方法、装置及电子设备 | |
CN115544204A (zh) | 一种不良语料过滤方法以及系统 | |
CN111858863B (zh) | 一种答复推荐方法、答复推荐装置及电子设备 | |
CN113434663A (zh) | 基于边缘计算的会议纪要生成方法及相关设备 | |
CN113299300A (zh) | 一种语音增强方法、装置及存储介质 | |
CN111738863A (zh) | 用户数据筛选方法、装置及系统 | |
CN111161737A (zh) | 数据处理方法、装置、电子设备和存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211008 |