CN114781408B - 同传翻译模型的训练方法、装置及电子设备 - Google Patents
同传翻译模型的训练方法、装置及电子设备 Download PDFInfo
- Publication number
- CN114781408B CN114781408B CN202210436581.8A CN202210436581A CN114781408B CN 114781408 B CN114781408 B CN 114781408B CN 202210436581 A CN202210436581 A CN 202210436581A CN 114781408 B CN114781408 B CN 114781408B
- Authority
- CN
- China
- Prior art keywords
- translation
- sentence
- sample
- segment
- translatable
- 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
- 238000013519 translation Methods 0.000 title claims abstract description 440
- 238000012549 training Methods 0.000 title claims abstract description 154
- 238000000034 method Methods 0.000 title claims abstract description 64
- 239000012634 fragment Substances 0.000 claims abstract description 173
- 238000012545 processing Methods 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 18
- 230000011218 segmentation Effects 0.000 claims description 18
- 230000008859 change Effects 0.000 claims description 5
- 230000001360 synchronised effect Effects 0.000 claims description 5
- 238000012546 transfer Methods 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000013135 deep learning Methods 0.000 abstract description 2
- 238000003058 natural language processing Methods 0.000 abstract description 2
- 230000014616 translation Effects 0.000 description 339
- 238000010586 diagram Methods 0.000 description 15
- 238000004590 computer program Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/211—Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Machine Translation (AREA)
Abstract
本公开提供了一种同传翻译模型的训练方法、装置及电子设备，涉及人工智能技术领域，尤其涉及自然语言处理、深度学习、语音技术领域。具体实现方案为：确定第一训练数据；根据样本语句片段以及对应的片段翻译结果，对翻译网络进行训练，得到训练好的翻译网络；根据训练好的翻译网络以及至少一个样本语句，确定第二训练数据，并根据第二训练数据对可翻译单元判别器进行训练；根据训练好的翻译网络以及训练好的可翻译单元判别器，确定训练好的同传翻译模型，从而确保同传翻译模型中可翻译单元判别器进行判别时，确定得到的可翻译语句片段的长度较短，从而能够及时对可翻译语句片段进行翻译，从而降低翻译时延，提高翻译的准确度。
Description
技术领域
本公开涉及人工智能技术领域，尤其涉及自然语言处理、深度学习、语音技术领域，尤其涉及一种同传翻译模型的训练方法、装置及电子设备。
背景技术
目前，相关技术中，基于可翻译单元的同传模型(MU同传模型)中包括：可翻译单元判别器和翻译网络。可翻译单元判别器，对实时的语音识别结果进行判别来获取到可翻译单元；翻译网络对可翻译单元进行翻译，得到翻译结果。
上述方案中，翻译网络由完整语句以及对应的语句翻译结果训练得到；翻译网络在确定可翻译单元判别器的训练数据时，得到的可翻译样本语句片段较长，单个样本语句中确定得到的可翻译样本语句片段较少，导致可翻译单元判别器的准确度差，翻译时延较长。
发明内容
本公开提供了一种同传翻译模型的训练方法、装置及电子设备。
根据本公开的一方面，提供了一种同传翻译模型的训练方法，包括：确定第一训练数据，其中，所述第一训练数据包括：至少一个样本语句片段，以及所述样本语句片段对应的片段翻译结果；根据所述样本语句片段以及对应的片段翻译结果，对翻译网络进行训练，得到训练好的翻译网络；根据所述训练好的翻译网络以及至少一个样本语句，确定第二训练数据，并根据所述第二训练数据对可翻译单元判别器进行训练，其中，所述第二训练数据包括：至少一个所述样本语句，以及每个所述样本语句中的可翻译语句片段；根据所述训练好的翻译网络以及所述训练好的可翻译单元判别器，确定训练好的同传翻译模型。
根据本公开的另一方面，提供了一种同传翻译方法，包括：获取同传翻译过程中采集到的语音片段，以及所述语音片段对应的片段识别结果；将所述片段识别结果输入同传翻译模型中的可翻译单元判别器，获取所述片段识别结果中的可翻译语句片段；将所述可翻译语句片段输入所述同传翻译模型中的翻译网络，获取所述可翻译语句片段对应的片段翻译结果；其中，所述翻译网络根据样本语句片段以及对应的片段翻译结果训练得到，所述可翻译单元判别器根据所述翻译网络确定得到的样本语句以及所述样本语句中的可翻译语句片段训练得到；根据所述片段翻译结果以及所述片段翻译结果之前的历史片段翻译结果，确定同传翻译结果。
根据本公开的另一方面，提供了一种同传翻译模型的训练装置，包括：第一确定模块，用于确定第一训练数据，其中，所述第一训练数据包括：至少一个样本语句片段，以及所述样本语句片段对应的片段翻译结果；训练模块，用于根据所述样本语句片段以及对应的片段翻译结果，对翻译网络进行训练，得到训练好的翻译网络；处理模块，用于根据所述训练好的翻译网络以及至少一个样本语句，确定第二训练数据，并根据所述第二训练数据对可翻译单元判别器进行训练，其中，所述第二训练数据包括：至少一个所述样本语句，以及每个所述样本语句中的可翻译语句片段；第二确定模块，用于根据所述训练好的翻译网络以及所述训练好的可翻译单元判别器，确定训练好的同传翻译模型。
根据本公开的另一方面，提供了一种同传翻译装置，包括：第一获取模块，用于获取同传翻译过程中采集到的语音片段，以及所述语音片段对应的片段识别结果；第二获取模块，用于将所述片段识别结果输入同传翻译模型中的可翻译单元判别器，获取所述片段识别结果中的可翻译语句片段；第三获取模块，用于将所述可翻译语句片段输入所述同传翻译模型中的翻译网络，获取所述可翻译语句片段对应的片段翻译结果；其中，所述翻译网络根据样本语句片段以及对应的片段翻译结果训练得到，所述可翻译单元判别器根据所述翻译网络确定得到的样本语句以及所述样本语句中的可翻译语句片段训练得到；确定模块，用于根据所述片段翻译结果以及所述片段翻译结果之前的历史片段翻译结果，确定同传翻译结果。
根据本公开的又一方面，提供了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开上述提出的同传翻译模型的训练方法或同传翻译方法。
根据本公开的再一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本公开上述提出的同传翻译模型的训练方法或同传翻译方法。
根据本公开的再一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现本公开上述提出的同传翻译模型的训练方法的步骤或同传翻译方法的步骤。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是根据本公开第一实施例的示意图；
图2是根据本公开第二实施例的示意图；
图3是可翻译语句片段的生成过程示意图；
图4是确定翻译结果的示意图；
图5是根据本公开第三实施例的示意图；
图6是根据本公开第四实施例的示意图；
图7是根据本公开第五实施例的示意图；
图8是用来实现本公开的实施例的示例电子设备的示意性框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
目前，相关技术中，基于可翻译单元的同传模型(MU同传模型)中包括：可翻译单元判别器和翻译网络。可翻译单元判别器，对实时的语音识别结果进行判别来获取到可翻译单元；翻译网络对可翻译单元进行翻译，得到翻译结果。
上述方案中，翻译网络由完整语句以及对应的语句翻译结果训练得到；翻译网络在确定可翻译单元判别器的训练数据时，得到的可翻译样本语句片段较长，单个样本语句中确定得到的可翻译样本语句片段较少，导致可翻译单元判别器的准确度差，翻译时延较长。
针对上述问题，本公开提出一种同传翻译模型的训练方法、装置及电子设备。
图1是根据本公开第一实施例的示意图，需要说明的是，本公开实施例的同传翻译模型的训练方法可应用于同传翻译模型的训练装置，该装置可被配置于电子设备中，以使该电子设备可以执行同传翻译模型的训练功能。
其中，电子设备可以为任一具有计算能力的设备，例如可以为个人电脑(PersonalComputer，简称PC)、移动终端、服务器等，移动终端例如可以为车载设备、手机、平板电脑、个人数字助理、穿戴式设备等具有各种操作系统、触摸屏和/或显示屏的硬件设备。
如图1所示，该同传翻译模型的训练方法可以包括如下步骤：
步骤101，确定第一训练数据，其中，第一训练数据包括：至少一个样本语句片段，以及样本语句片段对应的片段翻译结果。
在本公开实施例中，通过确定样本语句片段及以样本语句片段为前缀的至少一个候选语句，确定至少一个候选语句对应的语句翻译结果，进而确定样本语句片段对应的片段翻译结果，根据样本语句片段及对应的片段翻译结果，确定第一训练数据。
其中，样本语句片段可以为，“我相信他的”。
步骤102，根据样本语句片段以及对应的片段翻译结果，对翻译网络进行训练，得到训练好的翻译网络。
在本公开实施例中，将样本语句片段输入到翻译网络，获取翻译网络输出的预测翻译结果；根据预测翻译结果以及样本语句片段对应的片段翻译结果，构建损失函数；根据损失函数的数值对翻译网络的系数进行调整，实现训练，得到训练好的翻译模型。
步骤103，根据训练好的翻译网络以及至少一个样本语句，确定第二训练数据，并根据第二训练数据对可翻译单元判别器进行训练，其中，第二训练数据包括：至少一个样本语句，以及每个样本语句中的可翻译语句片段。
在本公开实施例中，同传翻译模型的训练装置确定第二训练数据的过程例如可以为，确定至少一个样本语句对应的语句翻译结果；针对样本语句中的每个字符，将字符以及之前字符组成的语句片段输入训练好的翻译网络，获取片段翻译结果；根据片段翻译结果、语句翻译结果、样本语句片段以及样本语句，确定字符之后的位置是否为切分点；根据样本语句中的切分点，对样本语句进行切分处理，得到样本语句中的可翻译语句片段；根据至少一个样本语句中的可翻译语句片段，确定第二训练数据。
其中，可翻译语句片段指的是翻译结果不随上下文变化的最小片段。
在本公开实施例中，获取片段翻译结果，根据片段翻译结果、语句翻译结果、样本语句片段以及样本语句，确定样本语句的切分点，以便对样本进行切分处理，得到可翻译语句片段，根据样本语句和可翻译语句片段，确定第二训练数据，以便对可翻译单元判别器进行训练，提高翻译的准确度，提高翻译的效率。
在本公开实施例中，同传翻译模型的训练装置确定至少一个样本语句对应的语句翻译结果的过程例如可以为，将样本语句输入训练好的翻译网络，获取翻译网络输出的语句翻译结果；或者，将样本语句输入通用翻译网络，获取通用翻译网络输出的语句翻译结果。
在本公开实施例中，通过将样本语句输入翻译网络，获取准确度更高的语句翻译结果，避免错误翻译、多翻译的情况出现，提稿翻译效率。
在本公开实施例中，同传翻译模型的训练装置根据片段翻译结果、语句翻译结果、样本语句片段以及样本语句，确定字符之后的位置是否为切分点的过程例如可以为，在片段翻译结果存在于语句翻译结果中，且片段翻译结果在语句翻译结果中的第一存在位置与样本语句片段在样本语句中的第二存在位置一致时，将字符之后的位置作为一个切分点；在片段翻译结果未存在于语句翻译结果中，或者，第一存在位置与第二存在位置不一致时，停止将字符之后的位置作为一个切分点。
在本公开实施例中，在片段翻译结果存在于语句翻译结果中，且第一存在位置与第二存在位置一致时，可以将字符之后的位置作为一个切分点，对样本语句进行切分处理，得到样本语句的可翻译片段，进一步确定第二训练数据，实现对可翻译单元判别器的训练，提高翻译的准确度，提高翻译的效率。
在本公开实施例中，在片段翻译结果未存在于语句翻译结果中时，停止将字符之后的位置作为一个切分点，即不会对样本语句进行切分处理。第一存在位置与第二存在位置不一致时，停止将字符之后的位置作为一个切分点，即不会对样本语句进行切分处理。
在本公开实施例中，同传翻译模型的训练装置根据第二训练数据对可翻译单元判别器进行训练的过程例如可以为，根据至少一个样本语句以及每个样本语句中的可翻译语句片段，确定至少一个正样本对以及至少一个负样本对；其中，正样本对中靠前的语句片段为可翻译语句片段，负样本对中靠前的语句片段为非可翻译语句片段；根据正样本对和负样本对对可翻译单元判别器进行训练，得到训练好的可翻译单元判别器。
在本公开实施例中，正样本对的确定方式可以为，将样本语句中的一个可翻译语句片段，以及之后的一个语句片段，组成正样本对。负样本对的确定方式可以为，将样本语句中的一个非可翻译语句片段，以及之后的一个语句片段，组成负样本对。
在本公开实施例中，通过正样本对和负样本对，对可翻译单元判别器进行训练，提高翻译的准确度，提高翻译的效率。
步骤104，根据训练好的翻译网络以及训练好的可翻译单元判别器，确定训练好的同传翻译模型。
在本公开实施例中，同传翻译模型包括翻译网络和可翻译单元判别器，先根据样本语句片段及样本语句片段对应的片段翻译结果，对翻译网络进行训练，得到训练好的翻译网络，根据样本语句及样本语句中的可翻译语句片段，对可翻译单元判别器进行训练，得到训练好的可翻译单元判别器。
本公开实施例的同传翻译模型的训练方法，通过确定第一训练数据，其中，第一训练数据包括：至少一个样本语句片段，以及样本语句片段对应的片段翻译结果；根据样本语句片段以及对应的片段翻译结果，对翻译网络进行训练，得到训练好的翻译网络；根据训练好的翻译网络以及至少一个样本语句，确定第二训练数据，并根据第二训练数据对可翻译单元判别器进行训练，其中，第二训练数据包括：至少一个样本语句，以及每个样本语句中的可翻译语句片段；根据训练好的翻译网络以及训练好的可翻译单元判别器，确定训练好的同传翻译模型，从而确保同传翻译模型中可翻译单元判别器进行判别时，确定得到的可翻译语句片段的长度较短，从而能够及时对可翻译语句片段进行翻译，从而降低翻译时延，提高翻译的准确度。
为了准确确定第一训练数据，对翻译网络进行训练，得到训练好的翻译网络，如图2所示，图2是根据本公开第二实施例的示意图，在本公开实施例中，确定样本语句片段、以样本语句片段为前缀的至少一个候选语句、语句翻译结果，根据语句翻译结果，确定片断翻译结果，进而确定第一训练数据。图2所示实施例可以包括以下步骤：
步骤201，确定至少一个样本语句片段。
其中，样本语句片段可以为，“我相信他的”。
步骤202，针对每个样本语句片段，确定以样本语句片段为前缀的至一个候选语句，以及候选语句对应的语句翻译结果。
在本公开实施例中，同传翻译模型的训练装置步骤202的过程例如可以为，将样本语句片段输入深度语言模型，获取深度语言模型输出的以样本语句片段为前缀的至少一个候选语句；将至少一个候选语句输入翻译网络，获取至少一个候选语句对应的语句翻译结果。
其中，深度语言模型可以为生成式的预训练模型(Generative Pre-Training，GPT)。其中，翻译网络可以为训练好的翻译网络，根据样本语句片段以及对应的片段翻译结果，进行训练得到的。翻译网络也可以为通用翻译网络，即不经过第一训练数据训练前的翻译网络，采用完整样本语句及完整样本语句对应的翻译结果，进行训练得到的。
在本公开实施例中，以样本语句片段为，“我相信他的”为例，将“我相信他的”输入深度语言模型，获取输出的以样本语句片段为前缀的至少一个候选语句，即，“我相信他的理性可以改变一切”、“我相信他的理性可以帮助他”、“我相信他的理性可以为她提供更多的信息”、“我相信他的理性可能不是很强”，获取的语句翻译结果为“I believe hisreason can change everything！”、“I believe his reason can help him.”、“Ibelieve his rationality can provide her with more infomation.”、“I believe hisrationality may not be very strong.”。
在本公开实施例中，根据深度语言模型，获取多个以样本语句片段为前缀的候选语句，根据翻译模型，获取多个候选语句对应的语句翻译结果，深度语言模型有很强的文本理解和分析能力，能进行迁移学习，获取的候选语句对应的语句翻译结果的准确度更高。
步骤203，根据至少一个候选语句对应的语句翻译结果，确定样本语句片段对应的片段翻译结果。
在本公开实施例中，同传翻译模型的训练装置执行步骤203的过程例如可以为，获取至少一个语句翻译结果中的至少一个候选前缀公共字符串以及候选前缀公共字符串的字符串长度以及出现比例；根据字符串长度以及出现比例，从至少一个候选前缀公共字符串中选择目标前缀公共字符串；将目标前缀公共字符串，作为样本语句片段对应的片段翻译结果。
在本公开实施例中，同传翻译模型的训练装置选择目标前缀公共字符串的方式例如可以为，获取对应的出现比例大于或者等于预设比例阈值的至少一个第一候选前缀公共字符串；从至少一个第一候选前缀公共字符串中选择对应的字符串长度最大的候选前缀公共字符串，作为目标前缀公共字符串。
其中，出现比例为在至少一个候选语句对应的语句翻译结果中的出现次数，与候选语句的总数量的比值。比如，针对某个候选前缀公共字符串，假设总共有5个语句翻译结果，其中，3个语句翻译结果的前缀中包含该候选前缀公共字符串，则出现比例为0.6。
在本公开实施例中，第一候选前缀公共字符串可以为，“I”、“I believe”、“Ibelieve his”，选择字符串长度最大的候选前缀公共字符串“I believe his”，将“Ibelieve his”作为目标前缀公共字符串。
在本公开实施例中，通过获取候选前缀公共字符串以及候选前缀公共字符串的字符串长度以及出现比例，将出现比例大于或者等于预设比例阈值中字符串长度最大的候选前缀公共字符串，作为目标前缀公共字符串，提高翻译的准确度的同时，降低翻译时延。
步骤204，根据至少一个样本语句片段，以及样本语句片段对应的片段翻译结果，确定第一训练数据。
其中，第一训练数据包括：至少一个样本语句片段，以及样本语句片段对应的片段翻译结果。
步骤205，根据样本语句片段以及对应的片段翻译结果，对翻译网络进行训练，得到训练好的翻译网络。
步骤206，根据训练好的翻译网络以及至少一个样本语句，确定第二训练数据，并根据第二训练数据对可翻译单元判别器进行训练，其中，第二训练数据包括：至少一个样本语句，以及每个样本语句中的可翻译语句片段。
步骤207，根据训练好的翻译网络以及训练好的可翻译单元判别器，确定训练好的同传翻译模型。
需要说明的是，步骤205、步骤206、步骤207的详细内容，可以参考图1所示实施例中的步骤102、步骤103和步骤104，此处不再进行详细说明。
本公开实施例的同传模型的训练方法，通过确定至少一个样本语句片段；针对每个样本语句片段，确定以样本语句片段为前缀的至少一个候选语句，以及候选语句对应的语句翻译结果；根据至少一个候选语句对应的语句翻译结果，确定样本语句片段对应的片段翻译结果；根据至少一个样本语句片段，以及样本语句片段对应的片段翻译结果，确定第一训练数据；根据样本语句片段以及对应的片段翻译结果，对翻译网络进行训练，得到训练好的翻译网络；根据训练好的翻译网络以及至少一个样本语句，确定第二训练数据，并根据第二训练数据对可翻译单元判别器进行训练，其中，第二训练数据包括：至少一个样本语句，以及每个样本语句中的可翻译语句片段；根据训练好的翻译网络以及训练好的可翻译单元判别器，确定训练好的同传翻译模型，从而确保同传翻译模型中可翻译单元判别器进行判别时，确定得到的可翻译语句片段的长度较短，从而能够及时对可翻译语句片段进行翻译，从而降低翻译时延，提高翻译的准确度。
为了更好的说明上述实施例，举例说明，图3为可翻译语句片段的生成过程示意图，图4为确定翻译结果的示意图，如图3所示，在图3中，Source＝<达尔文对自己的学说有自知之明>，在通用翻译模型下它的翻译结果为：Target＝<Darwin was self aware ofhis theories>，该句子被分成两个可翻译片段，即“达尔文”和“对自己的学说有自知之明”，此时，翻译时延较高，翻译前缀时会存在错误翻译的情况，比如，Mnmt(x≤2)、Mnmt(x≤3)，或者，存在多翻译的情况，比如，Mnmt(x≤6)，多翻译出来interested。因此，根据样本语句片段以及对应的片段翻译结果，训练翻译网络(训练prefix-to-prefix的翻译模型)，根据样本语句和其中的可翻译语句片段，训练可翻译单元判别器，进而确定训练好的同传翻译模型。
如图4所示，在图4中，确定至少一个样本语句片段“我相信他的”(前缀X)，将样本语句片段输入生成式的预训练模型(GPT)，获取多个以样本语句片段为前缀的候选语句(N1个包含X的句子)，通过翻译模型，获取候选语句对应的语句翻译结果，确定至少一个候选前缀公共字符串以及候选前缀公共字符串的字符串长度以及出现比例，获取对应的出现比例大于或者等于预设比例阈值的至少一个第一候选前缀公共字符串；从中选择对应的字符串长度最大的候选前缀公共字符串，作为目标前缀公共字符串(最大公共子串y)，此时，样本语句片段的翻译结果为目标前缀公共字符串(前缀x对应的翻译结果就是最大公共子串y)。
图5是根据本公开第三实施例的示意图，如图5所示，该同传翻译的方法包括：
步骤501，获取同传翻译过程中采集到的语音片段，以及语音片段对应的片段识别结果。
在本公开实施例中，对语音片段进行语音识别得到的片段识别结果可以为“达尔文对自己的学说有自知之明”，其中，片段识别结果由至少一个词语组成。
步骤502，将片段识别结果输入同传翻译模型中的可翻译单元判别器，获取片段识别结果中的可翻译语句片段。
在本公开实施例中，可翻译单元判别器获取片段识别结果中的可翻译语句片段的过程可以为，将“达尔文对自己的学说有自知之明”输入同传翻译模型中的可翻译单元判别器，获取输出的片段识别结果中的可翻译语句片段，即“达尔文”、“对自己”和“的学说有自知之明”。
步骤503，将可翻译语句片段输入同传翻译模型中的翻译网络，获取可翻译语句片段对应的片段翻译结果。
在本公开实施例中，将“达尔文”、“对自己”和“的学说有自知之明”三个可翻译语句片段输入同传翻译模型中的翻译网络，获取可翻译语句片段对应的片段翻译结果。
其中，翻译网络根据样本语句片段以及对应的片段翻译结果训练得到，可翻译单元判别器根据翻译网络确定得到的样本语句以及样本语句中的可翻译语句片段训练得到。
在本公开实施例中，翻译网络的训练数据包括样本语句片段以及对应的片段翻译结果，根据样本语句片段、深度语言模型，获取以样本语句片段为前缀的至少一个候选语句，将候选语句输入翻译网络得到候选语句对应的语句翻译结果，根据翻译结果确定目标前缀公共字符串，将目标前缀公共字符串作为片段翻译结果。
步骤504，根据片段翻译结果以及片段翻译结果之前的历史片段翻译结果，确定同传翻译结果。
本公开实施例中，将片段翻译结果以及片段翻译结果之前的历史片段翻译结果进行拼接，得到拼接结果，将拼接结果作为同传翻译结果。
本公开实施例中的同传翻译方法，通过获取同传翻译过程中采集到的语音片段，以及语音片段对应的片段识别结果；将片段识别结果输入同传翻译模型中的可翻译单元判别器，获取片段识别结果中的可翻译语句片段；将可翻译语句片段输入同传翻译模型中的翻译网络，获取可翻译语句片段对应的片段翻译结果；其中，翻译网络根据样本语句片段以及对应的片段翻译结果训练得到，可翻译单元判别器根据翻译网络确定得到的样本语句以及样本语句中的可翻译语句片段训练得到；根据片段翻译结果以及片段翻译结果之前的历史片段翻译结果，确定同传翻译结果，从而确保同传翻译模型中可翻译单元判别器进行判别时，确定得到的可翻译语句片段的长度较短，从而能够及时对可翻译语句片段进行翻译，从而降低翻译时延，提高翻译的准确度。
为了实现上述实施例，本公开还提出一种同传翻译模型的训练装置。
如图6所示，图6是根据本公开第四实施例的示意图。该同传翻译模型的训练装置600包括：第一确定模块610、训练模块620、处理模块630和第二确定模块640；
第一确定模块610，用于确定第一训练数据，其中，所述第一训练数据包括：至少一个样本语句片段，以及所述样本语句片段对应的片段翻译结果；训练模块620，用于根据所述样本语句片段以及对应的片段翻译结果，对翻译网络进行训练，得到训练好的翻译网络；处理模块630，用于根据所述训练好的翻译网络以及至少一个样本语句，确定第二训练数据，并根据所述第二训练数据对可翻译单元判别器进行训练，其中，所述第二训练数据包括：至少一个所述样本语句，以及每个所述样本语句中的可翻译语句片段；第二确定模块640，用于根据所述训练好的翻译网络以及所述训练好的可翻译单元判别器，确定训练好的同传翻译模型。
作为本公开实施例的一种可能实现方式，所述第一确定模块610包括：第一确定单元、第二确定单元、第三确定单元和第四确定单元；所述第一确定单元，用于确定至少一个所述样本语句片段；所述第二确定单元，用于针对每个所述样本语句片段，确定以所述样本语句片段为前缀的至少一个候选语句，以及所述候选语句对应的语句翻译结果；所述第三确定单元，用于根据至少一个所述候选语句对应的语句翻译结果，确定所述样本语句片段对应的片段翻译结果；所述第四确定单元，用于根据至少一个所述样本语句片段，以及所述样本语句片段对应的片段翻译结果，确定所述第一训练数据。
作为本公开实施例的一种可能实现方式，所述第二确定单元具体用于，将所述样本语句片段输入深度语言模型，获取所述深度语言模型输出的以所述样本语句片段为前缀的至少一个所述候选语句；将至少一个所述候选语句输入所述翻译网络，获取至少一个所述候选语句对应的语句翻译结果。
作为本公开实施例的一种可能实现方式，所述第三确定单元具体用于，获取至少一个所述语句翻译结果中的至少一个候选前缀公共字符串以及所述候选前缀公共字符串的字符串长度以及出现比例；根据所述字符串长度以及所述出现比例，从所述至少一个候选前缀公共字符串中选择目标前缀公共字符串；将所述目标前缀公共字符串，作为所述样本语句片段对应的片段翻译结果。
作为本公开实施例的一种可能实现方式，所述第三确定单元具体用于，获取对应的出现比例大于或者等于预设比例阈值的至少一个第一候选前缀公共字符串；从所述至少一个第一候选前缀公共字符串中选择对应的字符串长度最大的候选前缀公共字符串，作为所述目标前缀公共字符串。
作为本公开实施例的一种可能实现方式，所述处理模块630包括：第五确定单元、获取单元、第六确定单元、处理单元和第七确定单元；所述第五确定单元，用于确定至少一个所述样本语句对应的语句翻译结果；所述获取单元，用于针对所述样本语句中的每个字符，将所述字符以及之前字符组成的语句片段输入所述训练好的翻译网络，获取片段翻译结果；所述第六确定单元，用于根据所述片段翻译结果、所述语句翻译结果、所述样本语句片段以及所述样本语句，确定所述字符之后的位置是否为切分点；所述处理单元，用于根据所述样本语句中的切分点，对所述样本语句进行切分处理，得到所述样本语句中的可翻译语句片段；所述第七确定单元，用于根据至少一个所述样本语句中的可翻译语句片段，确定所述第二训练数据。
作为本公开实施例的一种可能实现方式，所述第六确定单元具体用于，在所述片段翻译结果存在于所述语句翻译结果中，且所述片段翻译结果在所述语句翻译结果中的第一存在位置与所述样本语句片段在所述样本语句中的第二存在位置一致时，将所述字符之后的位置作为一个切分点；在所述片段翻译结果未存在于所述语句翻译结果中，或者，所述第一存在位置与所述第二存在位置不一致时，停止将所述字符之后的位置作为一个切分点。
作为本公开实施例的一种可能实现方式，所述第五确定单元具体用于，将所述样本语句输入所述训练好的翻译网络，获取所述翻译网络输出的所述语句翻译结果；或者，将所述样本语句输入通用翻译网络，获取所述通用翻译网络输出的所述语句翻译结果。
作为本公开实施例的一种可能实现方式，所述处理模块630具体用于，根据至少一个所述样本语句以及每个所述样本语句中的可翻译语句片段，确定至少一个正样本对以及至少一个负样本对；其中，所述正样本对中靠前的语句片段为可翻译语句片段，所述负样本对中靠前的语句片段为非可翻译语句片段；根据所述正样本对和所述负样本对对所述可翻译单元判别器进行训练，得到训练好的可翻译单元判别器。
本公开实施例中的同传模型的训练装置，通过确定至少一个样本语句片段；针对每个样本语句片段，确定以样本语句片段为前缀的至少一个候选语句，以及候选语句对应的语句翻译结果；根据至少一个候选语句对应的语句翻译结果，确定样本语句片段对应的片段翻译结果；根据至少一个样本语句片段，以及样本语句片段对应的片段翻译结果，确定第一训练数据；根据样本语句片段以及对应的片段翻译结果，对翻译网络进行训练，得到训练好的翻译网络；根据训练好的翻译网络以及至少一个样本语句，确定第二训练数据，并根据第二训练数据对可翻译单元判别器进行训练，其中，第二训练数据包括：至少一个样本语句，以及每个样本语句中的可翻译语句片段；根据训练好的翻译网络以及训练好的可翻译单元判别器，确定训练好的同传翻译模型，从而确保同传翻译模型中可翻译单元判别器进行判别时，确定得到的可翻译语句片段的长度较短，从而能够及时对可翻译语句片段进行翻译，从而降低翻译时延，提高翻译的准确度。
为了实现上述实施例，本公开提出一种同传翻译装置。
如图7所示，图7是根据本公开第五实施例的示意图。该文本纠错模型的训练装置700包括：第一获取模块710、第二获取模块720、第三获取模块730和确定模块740；
第一获取模块710，用于获取同传翻译过程中采集到的语音片段，以及所述语音片段对应的片段识别结果；第二获取模块720，用于将所述片段识别结果输入同传翻译模型中的可翻译单元判别器，获取所述片段识别结果中的可翻译语句片段；第三获取模块730，用于将所述可翻译语句片段输入所述同传翻译模型中的翻译网络，获取所述可翻译语句片段对应的片段翻译结果；其中，所述翻译网络根据样本语句片段以及对应的片段翻译结果训练得到，所述可翻译单元判别器根据所述翻译网络确定得到的样本语句以及所述样本语句中的可翻译语句片段训练得到；确定模块740，用于根据所述片段翻译结果以及所述片段翻译结果之前的历史片段翻译结果，确定同传翻译结果。
本公开的同传翻译装置，通过获取同传翻译过程中采集到的语音片段，以及语音片段对应的片段识别结果；将片段识别结果输入同传翻译模型中的可翻译单元判别器，获取片段识别结果中的可翻译语句片段；将可翻译语句片段输入同传翻译模型中的翻译网络，获取可翻译语句片段对应的片段翻译结果；其中，翻译网络根据样本语句片段以及对应的片段翻译结果训练得到，可翻译单元判别器根据翻译网络确定得到的样本语句以及样本语句中的可翻译语句片段训练得到；根据片段翻译结果以及片段翻译结果之前的历史片段翻译结果，确定同传翻译结果，从而确保同传翻译模型中可翻译单元判别器进行判别时，确定得到的可翻译语句片段的长度较短，从而能够及时对可翻译语句片段进行翻译，从而降低翻译时延，提高翻译的准确度。
本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均在征得用户同意的前提下进行，并且均符合相关法律法规的规定，且不违背公序良俗。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图8所示，设备800包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执行各种适当的动作和处理。在RAM 803中，还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理，例如同传翻译模型的训练方法或者同传翻译方法。例如，在一些实施例中，同传翻译模型的训练方法或者同传翻译方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时，可以执行上文描述的同传翻译模型的训练方法的一个或多个步骤，或者，同传翻译方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行同传翻译模型的训练方法，或者，执行同传翻译方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (16)
1.一种同传翻译模型的训练方法，包括：
确定第一训练数据，其中，所述第一训练数据包括：至少一个样本语句片段，以及所述样本语句片段对应的片段翻译结果；
根据所述样本语句片段以及对应的片段翻译结果，对翻译网络进行训练，得到训练好的翻译网络；
根据所述训练好的翻译网络以及至少一个样本语句，确定第二训练数据，并根据所述第二训练数据对可翻译单元判别器进行训练，其中，所述第二训练数据包括：至少一个所述样本语句，以及每个所述样本语句中的可翻译语句片段；
根据所述训练好的翻译网络以及所述训练好的可翻译单元判别器，确定训练好的同传翻译模型；
其中，所述根据所述训练好的翻译网络以及至少一个样本语句，确定第二训练数据，包括：
确定至少一个所述样本语句对应的语句翻译结果；
针对所述样本语句中的每个字符，将所述字符以及之前字符组成的语句片段输入所述训练好的翻译网络，获取片段翻译结果；
根据所述片段翻译结果、所述语句翻译结果、所述样本语句片段以及所述样本语句，确定所述字符之后的位置是否为切分点，其中，在所述片段翻译结果存在于所述语句翻译结果中，且所述片段翻译结果在所述语句翻译结果中的第一存在位置与所述样本语句片段在所述样本语句中的第二存在位置一致时，将所述字符之后的位置作为一个切分点；
根据所述样本语句中的切分点，对所述样本语句进行切分处理，得到所述样本语句中的可翻译语句片段，所述可翻译语句片段包括翻译结果不随上下文变化的最小片段；
根据至少一个所述样本语句中的可翻译语句片段，确定所述第二训练数据；
其中，所述确定第一训练数据，包括：
确定至少一个所述样本语句片段；
针对每个所述样本语句片段，确定以所述样本语句片段为前缀的至少一个候选语句，以及所述候选语句对应的语句翻译结果；
获取至少一个所述语句翻译结果中的至少一个候选前缀公共字符串以及所述候选前缀公共字符串的字符串长度以及出现比例；
根据所述字符串长度以及所述出现比例，从所述至少一个候选前缀公共字符串中选择目标前缀公共字符串；
将所述目标前缀公共字符串，作为所述样本语句片段对应的片段翻译结果；
根据至少一个所述样本语句片段，以及所述样本语句片段对应的片段翻译结果，确定所述第一训练数据。
2.根据权利要求1所述的方法，其中，所述针对每个所述样本语句片段，确定以所述样本语句片段为前缀的至少一个候选语句，以及所述候选语句对应的语句翻译结果，包括：
将所述样本语句片段输入深度语言模型，获取所述深度语言模型输出的以所述样本语句片段为前缀的至少一个所述候选语句；
将至少一个所述候选语句输入所述翻译网络，获取至少一个所述候选语句对应的语句翻译结果。
3.根据权利要求1所述的方法，其中，所述根据所述字符串长度以及所述出现比例，从所述至少一个候选前缀公共字符串中选择目标前缀公共字符串，包括：
获取对应的出现比例大于或者等于预设比例阈值的至少一个第一候选前缀公共字符串；
从所述至少一个第一候选前缀公共字符串中选择对应的字符串长度最大的候选前缀公共字符串，作为所述目标前缀公共字符串。
4.根据权利要求1所述的方法，其中，所述根据所述片段翻译结果、所述语句翻译结果、所述样本语句片段以及所述样本语句，确定所述字符之后的位置是否为切分点，包括：
在所述片段翻译结果未存在于所述语句翻译结果中，或者，所述第一存在位置与所述第二存在位置不一致时，停止将所述字符之后的位置作为一个切分点。
5.根据权利要求1所述的方法，其中，所述确定至少一个所述样本语句对应的语句翻译结果，包括：
将所述样本语句输入所述训练好的翻译网络，获取所述翻译网络输出的所述语句翻译结果；
或者，
将所述样本语句输入通用翻译网络，获取所述通用翻译网络输出的所述语句翻译结果。
6.根据权利要求1所述的方法，其中，所述根据所述第二训练数据对可翻译单元判别器进行训练，包括：
根据至少一个所述样本语句以及每个所述样本语句中的可翻译语句片段，确定至少一个正样本对以及至少一个负样本对；其中，所述正样本对中靠前的语句片段为可翻译语句片段，所述负样本对中靠前的语句片段为非可翻译语句片段；
根据所述正样本对和所述负样本对对所述可翻译单元判别器进行训练，得到训练好的可翻译单元判别器。
7.一种同传翻译方法，包括：
获取同传翻译过程中采集到的语音片段，以及所述语音片段对应的片段识别结果；
将所述片段识别结果输入如权利要求1-6中任一项所述的同传翻译模型中的可翻译单元判别器，获取所述片段识别结果中的可翻译语句片段；
将所述可翻译语句片段输入如权利要求1-6中任一项所述的同传翻译模型中的翻译网络，获取所述可翻译语句片段对应的片段翻译结果；
根据所述片段翻译结果以及所述片段翻译结果之前的历史片段翻译结果，确定同传翻译结果。
8.一种同传翻译模型的训练装置，包括：
第一确定模块，用于确定第一训练数据，其中，所述第一训练数据包括：至少一个样本语句片段，以及所述样本语句片段对应的片段翻译结果；
训练模块，用于根据所述样本语句片段以及对应的片段翻译结果，对翻译网络进行训练，得到训练好的翻译网络；
处理模块，用于根据所述训练好的翻译网络以及至少一个样本语句，确定第二训练数据，并根据所述第二训练数据对可翻译单元判别器进行训练，其中，所述第二训练数据包括：至少一个所述样本语句，以及每个所述样本语句中的可翻译语句片段；
第二确定模块，用于根据所述训练好的翻译网络以及所述训练好的可翻译单元判别器，确定训练好的同传翻译模型；
所述处理模块包括：第五确定单元、获取单元、第六确定单元、处理单元和第七确定单元；
所述第五确定单元，用于确定至少一个所述样本语句对应的语句翻译结果；
所述获取单元，用于针对所述样本语句中的每个字符，将所述字符以及之前字符组成的语句片段输入所述训练好的翻译网络，获取片段翻译结果；
所述第六确定单元，用于根据所述片段翻译结果、所述语句翻译结果、所述样本语句片段以及所述样本语句，确定所述字符之后的位置是否为切分点，其中，在所述片段翻译结果存在于所述语句翻译结果中，且所述片段翻译结果在所述语句翻译结果中的第一存在位置与所述样本语句片段在所述样本语句中的第二存在位置一致时，将所述字符之后的位置作为一个切分点；
所述处理单元，用于根据所述样本语句中的切分点，对所述样本语句进行切分处理，得到所述样本语句中的可翻译语句片段，所述可翻译语句片段包括翻译结果不随上下文变化的最小片段；
所述第七确定单元，用于根据至少一个所述样本语句中的可翻译语句片段，确定所述第二训练数据；
其中，所述第一确定模块包括：第一确定单元、第二确定单元、第三确定单元和第四确定单元；
所述第一确定单元，用于确定至少一个所述样本语句片段；
所述第二确定单元，用于针对每个所述样本语句片段，确定以所述样本语句片段为前缀的至少一个候选语句，以及所述候选语句对应的语句翻译结果；
所述第三确定单元，用于根据至少一个所述候选语句对应的语句翻译结果，确定所述样本语句片段对应的片段翻译结果；
所述第四确定单元，用于根据至少一个所述样本语句片段，以及所述样本语句片段对应的片段翻译结果，确定所述第一训练数据；
其中，所述第三确定单元具体用于，
获取至少一个所述语句翻译结果中的至少一个候选前缀公共字符串以及所述候选前缀公共字符串的字符串长度以及出现比例；
根据所述字符串长度以及所述出现比例，从所述至少一个候选前缀公共字符串中选择目标前缀公共字符串；
将所述目标前缀公共字符串，作为所述样本语句片段对应的片段翻译结果。
9.根据权利要求8所述的装置，其中，所述第二确定单元具体用于，
将所述样本语句片段输入深度语言模型，获取所述深度语言模型输出的以所述样本语句片段为前缀的至少一个所述候选语句；
将至少一个所述候选语句输入所述翻译网络，获取至少一个所述候选语句对应的语句翻译结果。
10.根据权利要求8所述的装置，其中，所述第三确定单元具体用于，
获取对应的出现比例大于或者等于预设比例阈值的至少一个第一候选前缀公共字符串；
从所述至少一个第一候选前缀公共字符串中选择对应的字符串长度最大的候选前缀公共字符串，作为所述目标前缀公共字符串。
11.根据权利要求8所述的装置，其中，所述第六确定单元具体用于，
在所述片段翻译结果未存在于所述语句翻译结果中，或者，所述第一存在位置与所述第二存在位置不一致时，停止将所述字符之后的位置作为一个切分点。
12.根据权利要求8所述的装置，其中，所述第五确定单元具体用于，
将所述样本语句输入所述训练好的翻译网络，获取所述翻译网络输出的所述语句翻译结果；
或者，
将所述样本语句输入通用翻译网络，获取所述通用翻译网络输出的所述语句翻译结果。
13.根据权利要求8所述的装置，其中，所述处理模块具体用于，
根据至少一个所述样本语句以及每个所述样本语句中的可翻译语句片段，确定至少一个正样本对以及至少一个负样本对；其中，所述正样本对中靠前的语句片段为可翻译语句片段，所述负样本对中靠前的语句片段为非可翻译语句片段；
根据所述正样本对和所述负样本对对所述可翻译单元判别器进行训练，得到训练好的可翻译单元判别器。
14.一种同传翻译装置，包括：
第一获取模块，用于获取同传翻译过程中采集到的语音片段，以及所述语音片段对应的片段识别结果；
第二获取模块，用于将所述片段识别结果输入如权利要求1-6中任一项所述的同传翻译模型中的可翻译单元判别器，获取所述片段识别结果中的可翻译语句片段；
第三获取模块，用于将所述可翻译语句片段输入如权利要求1-6中任一项所述的同传翻译模型中的翻译网络，获取所述可翻译语句片段对应的片段翻译结果；
确定模块，用于根据所述片段翻译结果以及所述片段翻译结果之前的历史片段翻译结果，确定同传翻译结果。
15. 一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法，或者，执行权利要求7所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法，或者，执行权利要求7所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210436581.8A CN114781408B (zh) | 2022-04-24 | 2022-04-24 | 同传翻译模型的训练方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210436581.8A CN114781408B (zh) | 2022-04-24 | 2022-04-24 | 同传翻译模型的训练方法、装置及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114781408A CN114781408A (zh) | 2022-07-22 |
| CN114781408B true CN114781408B (zh) | 2023-03-14 |
Family
ID=82433537
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210436581.8A Active CN114781408B (zh) | 2022-04-24 | 2022-04-24 | 同传翻译模型的训练方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114781408B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101464856A (zh) * | 2007-12-20 | 2009-06-24 | 株式会社东芝 | 平行口语语料的对齐方法和装置 |
| CN113408306A (zh) * | 2021-06-30 | 2021-09-17 | 北京百度网讯科技有限公司 | 翻译方法及分类模型的训练方法、装置、设备和存储介质 |
| CN114020918A (zh) * | 2021-11-08 | 2022-02-08 | 北京百度网讯科技有限公司 | 分类模型训练方法、翻译方法、装置及电子设备 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109858044B (zh) * | 2019-02-01 | 2023-04-18 | 成都金山互动娱乐科技有限公司 | 语言处理方法和装置、语言处理系统的训练方法和装置 |
-
2022
- 2022-04-24 CN CN202210436581.8A patent/CN114781408B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101464856A (zh) * | 2007-12-20 | 2009-06-24 | 株式会社东芝 | 平行口语语料的对齐方法和装置 |
| CN113408306A (zh) * | 2021-06-30 | 2021-09-17 | 北京百度网讯科技有限公司 | 翻译方法及分类模型的训练方法、装置、设备和存储介质 |
| CN114020918A (zh) * | 2021-11-08 | 2022-02-08 | 北京百度网讯科技有限公司 | 分类模型训练方法、翻译方法、装置及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114781408A (zh) | 2022-07-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20210312139A1 (en) | Method and apparatus of generating semantic feature, method and apparatus of training model, electronic device, and storage medium | |
| CN114861889B (zh) | 深度学习模型的训练方法、目标对象检测方法和装置 | |
| CN112307188B (zh) | 对话生成方法、系统、电子设备和可读存储介质 | |
| US20230088360A1 (en) | Method of training deep learning model and method of processing text data | |
| CN113408272A (zh) | 摘要生成模型的训练方法、装置、设备和存储介质 | |
| CN113836925A (zh) | 预训练语言模型的训练方法、装置、电子设备及存储介质 | |
| CN112528641A (zh) | 建立信息抽取模型的方法、装置、电子设备和可读存储介质 | |
| CN114724168A (zh) | 深度学习模型的训练方法、文本识别方法、装置和设备 | |
| US12086171B2 (en) | Word mining method and apparatus, electronic device and readable storage medium | |
| CN112506359A (zh) | 输入法中候选长句的提供方法、装置及电子设备 | |
| CN112925900A (zh) | 搜索信息处理方法、装置、设备及存储介质 | |
| CN116257690A (zh) | 一种资源推荐方法、装置、电子设备和存储介质 | |
| CN114492426A (zh) | 子词切分方法、模型训练方法、装置和电子设备 | |
| US20230342561A1 (en) | Machine translation method and apparatus, device and storage medium | |
| US20230141932A1 (en) | Method and apparatus for question answering based on table, and electronic device | |
| US20230076471A1 (en) | Training method, text translation method, electronic device, and storage medium | |
| CN115186163B (zh) | 搜索结果排序模型的训练与搜索结果排序方法、装置 | |
| CN114781408B (zh) | 同传翻译模型的训练方法、装置及电子设备 | |
| CN113553833B (zh) | 文本纠错的方法、装置及电子设备 | |
| CN114020918A (zh) | 分类模型训练方法、翻译方法、装置及电子设备 | |
| CN115658903A (zh) | 文本分类方法、模型训练方法、相关装置及电子设备 | |
| CN113254578B (zh) | 用于数据聚类的方法、装置、设备、介质和产品 | |
| CN114841172A (zh) | 文本匹配双塔模型的知识蒸馏方法、装置及程序产品 | |
| CN114549695A (zh) | 图像生成方法、装置、电子设备及可读存储介质 | |
| CN114219694A (zh) | 目标全连接子图的采样方法、装置及电子设备 |
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 |