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、方法技术方案

本发明专利技术属于机器翻译技术领域，提供了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，其中，人在闭环交互式人工智能辅助翻译系统包括块化神经网络机器翻译模型，根据源语言输入，融合人类提示，输出目标语言翻译；提示训练集构建模块，构建用于模块化神经网络机器翻译模型训练的提示训练集；交互提示模块，用于向模块化神经网络机器翻译模型输入人类提示；提示评估模块。本发明专利技术采用模块化神经网络机器翻译模型，显示建模语义知识，提升机翻的可解释性和可干预性，实现对机翻译文的有效干预，人工译员与机器的工作之间形成智能交互，不仅人机结合的结合度较优，而且减少了翻译人员手动编辑的工作量，提高工作效率。提高工作效率。提高工作效率。

【技术实现步骤摘要】
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


[0001]本专利技术属于机器翻译
，具体的说，是涉及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。

技术介绍

[0002]目前，机翻和机器辅助翻译系统已经取得了很大的进步，虽然它们仍然不能完全取代人类翻译，但可以提供快速和基本准确的翻译，并且在许多情况下可以作为人类翻译的有用补充。随着技术的进步，机翻和机器辅助翻译系统也在不断提高，它们能够处理更复杂的语言结构，并且在翻译质量和准确性方面也有所提高。
[0003]现有技术中，以MT+PE的翻译模式为主流，其是指人机联合翻译MachineTranslation+Post
‑
Editing模式，工作原理是：机器翻译系统首先将文本翻译成目标语言，然后，人类翻译员在根据机器翻译结果进行后期编辑，以消除机器翻译系统翻译出来的文本中的错误和不通顺的地方。MT+PE的翻译模式的优点在于：能够提高翻译效率，并且机器翻译的结果可以作为人工审核的基础，避免了人工审核从头开始翻译的情况，但是，该翻译模式仍然存在以下的不足：(1)传统的机器翻译无法通过人工译员的提示对机器翻译输出译文结果进行有效干预，导致人工译员仍然需要很大的工作量对机器翻译的结果进行审核校对；(2)人机结合的结合度较差，人工译员与机器的工作之间相互割裂，机器翻译给出一个初步的机器翻译结果后，与人工译员之间没有智能交互，没有充分发挥人工智能的辅助优势。

技术实现思路

[0004]本专利技术的目的在于提供一种人在闭环交互式人工智能辅助翻译系统，以解决现有技术所存在的技术问题。
[0005]为了实现上述目的，本专利技术采取的技术方案如下：
[0006]一种模块化神经网络机器翻译模型，包括：
[0007]知识选择模块，根据输入文本，从外部知识库中选择翻译时需要的内部知识；
[0008]模型选择模块，根据输入文本的特征选择模型库中对应的子模型参与任务的推理；
[0009]知识融合模块，将选择的内部知识采用融合方式融入到文本的表示中。
[0010]在一种实施方案中，所述内部知识包括句法知识、语义知识、翻译规则知识。
[0011]在一种实施方案中，所述知识融合模块的融合方式如下：首先将内部知识转化为词向量，再与待翻译的原文词向量进行拼接。
[0012]在一种实施方案中，所述输入文本的特征包括输入词的频率、词性以及类化语义。
[0013]为了实现上述目的，本专利技术还提供了一种人在闭环交互式人工智能辅助翻译系统，包括：
[0014]如上所述的模块化神经网络机器翻译模型，根据源语言输入，融合人类提示，输出目标语言翻译；
[0015]提示训练集构建模块，构建用于模块化神经网络机器翻译模型训练的提示训练集；
[0016]交互提示模块，用于向模块化神经网络机器翻译模型输入人类提示；
[0017]提示评估模块，用于评估和优化人类提示。
[0018]在一种实施方案中，所述提示训练集包括提示正样本和提示负样本，其中，提示正样本包括片段翻译提示、受限翻译提示和翻译调序提示。
[0019]在一种实施方案中，所述的人类提示包括：提示词、短语、短句或者预定义提示信息。
[0020]为了实现上述目的，本专利技术还提供了一种人在闭环交互式人工智能辅助翻译方法，首先，构建如上所述的模块化神经网络机器翻译模型和提示训练集，并完成对模块化神经网络机器翻译模型的训练，然后，执行以下步骤：
[0021](1)输入源语言文本；
[0022](2)知识选择：在外部知识库中选择翻译时需要的内部知识；
[0023](3)模型选择：根据输入源语言文本的特征，选择模型库中对应的子模型参与任务的推理；
[0024](4)知识融合：通过知识选择和模型选择计算的语义向量经过知识融合输出机翻译文；
[0025](5)翻译人员根据机翻译文，给出人类提示，并反馈至模块化神经网络机器翻译模型；
[0026](6)根据所述(5)中的人类提示，再次执行步骤(2)～(4)，输出机翻译文；
[0027](7)重复执行所述(5)～(6)，直至得到翻译人员满意的机翻译文。
[0028]在一种实施方案中，所述(4)中的知识融合的具体方式如下：将选择的内部知识编码，编码完成后，将编码过的内部知识融入到源语言文本的表示中。
[0029]在一种实施方案中，所述模块化神经网络机器翻译模型的训练的方式包括：
[0030]人在回路的模型持续学习：翻译人员在校对机器翻译输出的过程中指出机器翻译的错误，并提示给模块化神经网络机器翻译模型；
[0031]人在回路的模型主动学习：模块化神经网络机器翻译模型对翻译质量进行评估，选择不确定性最大的翻译结果输出给翻译人员，翻译人员指出机器翻译的错误，并提示给模块化神经网络机器翻译模型。
[0032]与现有技术相比，本专利技术具备以下有益效果：
[0033]本专利技术采用模块化神经网络机器翻译模型，显示建模语义知识，提升机翻的可解释性和可干预性，并基于该模块化神经网络机器翻译模型构建人在闭环人工智能辅助翻译系统、方法，翻译人员PE的过程中，模型可以与翻译人员进行交互，根据翻译人员的提示修改机翻译文。实现对机翻译文的有效干预，人工译员与机器的工作之间形成智能交互，不仅人机结合的结合度较优，而且减少了翻译人员手动编辑的工作量，提高工作效率。
附图说明
[0034]图1为本专利技术
‑
实施例1中模块化神经网络机器翻译模型的模型架构。
[0035]图2为本专利技术
‑
实施例2中人在闭环人工智能辅助翻译系统的原理示意图。
具体实施方式
[0036]为了使得本领域技术人员对本专利技术有更清晰的认知和了解，以下结合实施例对本专利技术进行进一步的详细说明。应当知晓的，下述所描述的具体实施例只是用于解释本专利技术，方便理解，本专利技术所提供的技术方案并不局限于下述实施例所提供的技术方案，实施例所提供的技术方案也不应当限制本专利技术的保护范围。
[0037]需要说明的是，以下实施例中所提供的图示仅以示意方式说明本专利技术的基本构想，故图式中仅显示与本专利技术中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
[0038]实施例1
[0039]如图1所示，本实施例提供了一种一种模块化神经网络机器翻译模型，其实现可以作为现在神经网络框架的自然延展，使用离散结构可微化或强化学习，甚至门结构来实现，具体包括：
[0040]知识选择模块，根据输入文本，从外部知识库中选择翻译时需要的内部知识；其中，内部知识包括句法知识、语义知识、翻译规则知识，知识选择模块包括句法规则模块、语义规则模块、翻译规则模块等。例如：给定文本为“我今天很开心”，根据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模块化神经网络机器翻译模型，其特征在于，包括：知识选择模块，根据输入文本，从外部知识库中选择翻译时需要的内部知识；模型选择模块，根据输入文本的特征选择模型库中对应的子模型参与任务的推理；知识融合模块，将选择的内部知识采用融合方式融入到文本的表示中。2.根据权利要求1所述的人在闭环交互式人工智能辅助翻译系统，其特征在于：所述内部知识包括句法知识、语义知识、翻译规则知识。3.根据权利要求2所述的人在闭环交互式人工智能辅助翻译系统，其特征在于：所述知识融合模块的融合方式如下：首先将内部知识转化为词向量，再与待翻译的原文词向量进行拼接。4.根据权利要求3所述的人在闭环交互式人工智能辅助翻译系统，其特征在于：所述输入文本的特征包括输入词的频率、词性以及类化语义。5.一种人在闭环交互式人工智能辅助翻译系统，其特征在于，包括：如权利要求1～4任一项所述的模块化神经网络机器翻译模型，根据源语言输入，融合人类提示，输出目标语言翻译；提示训练集构建模块，构建用于模块化神经网络机器翻译模型训练的提示训练集；交互提示模块，用于向模块化神经网络机器翻译模型输入人类提示；提示评估模块，用于评估和优化人类提示。6.根据权利要求5所述的人在闭环交互式人工智能辅助翻译系统，其特征在于：所述提示训练集包括提示正样本和提示负样本，其中，提示正样本包括片段翻译提示、受限翻译提示和翻译调序提示。7.根据权利要求6所述的人在闭环交互式人工智能辅助翻译系统，其特征在于：所述的人类提示包括：提示词、短语、短句或者预...

【专利技术属性】
技术研发人员：朱宪超，韩冰，
申请(专利权)人：四川语言桥信息技术有限公司，
类型：发明
国别省市：