公开(公告)号：CN111597778A

公开(公告)日：2020-08-28

申请号：CN202010294829.2

申请日：2020-04-15

Applicant: 哈尔滨工业大学

Inventor： 杨沐昀 ,  徐冰 ,  王佳麒 ,  赵铁军 ,  朱聪慧 ,  曹海龙 ,  赵恩博 ,  唐煜

IPC: G06F40/166 ,  G06F40/232 ,  G06F40/58

Abstract: 本发明涉及一种基于自监督的机器翻译译文自动优化的方法和系统，属于机器翻译领域。所述方法包括以下步骤：步骤一、使用大规模平行语料对模型进行训练，使模型学习替换操作；步骤二、使用人工构造的伪数据对模型进行训练，使模型学习插入操作，得到训练好的模型；步骤三、使用训练好的模型对待优化的译文中的每个词和词间空隙进行候选词预测，完成替换和插入的后编辑操作。本发明利用双语平行语料作为模型预训练的输入，使得模型在不同机器翻译系统上都能获得良好的优化性能，是一种通用的机器翻译自动后编辑模型。

公开(公告)号：CN110472253A

公开(公告)日：2019-11-19

申请号：CN201910754140.0

申请日：2019-08-15

Applicant: 哈尔滨工业大学

Inventor： 杨沐昀 ,  吴焕钦 ,  赵铁军 ,  王佳麒 ,  朱聪慧 ,  曹海龙 ,  徐冰

IPC: G06F17/28

Abstract: 本发明公开了一种基于混合粒度的句子级机器翻译质量估计模型训练方法，所述训练方法包括以下步骤：步骤一：对机器译文进行词语级翻译质量标注；步骤二：对源文和机器译文进行基于深度学习方法的翻译质量特征抽取；步骤三：进行混合粒度的句子级翻译质量估计模型的训练，通过训练目标计算误差，再通过梯度反向传播更新模型的参数。本发明提出了一种基于混合粒度的句子级机器翻译质量估计模型训练方法，该方法相对于传统方法的优势主要在于：经过基于混合粒度的模型训练之后，与单一粒度下的训练相比，引入词语级上的翻译质量信息能取得较好的提升。

公开(公告)号：CN110472253B

公开(公告)日：2022-10-25

申请号：CN201910754140.0

申请日：2019-08-15

Applicant: 哈尔滨工业大学

Inventor： 杨沐昀 ,  吴焕钦 ,  赵铁军 ,  王佳麒 ,  朱聪慧 ,  曹海龙 ,  徐冰

IPC: G06F40/58 ,  G06F40/51

Abstract: 本发明公开了一种基于混合粒度的句子级机器翻译质量估计模型训练方法，所述训练方法包括以下步骤：步骤一：对机器译文进行词语级翻译质量标注；步骤二：对源文和机器译文进行基于深度学习方法的翻译质量特征抽取；步骤三：进行混合粒度的句子级翻译质量估计模型的训练，通过训练目标计算误差，再通过梯度反向传播更新模型的参数。本发明提出了一种基于混合粒度的句子级机器翻译质量估计模型训练方法，该方法相对于传统方法的优势主要在于：经过基于混合粒度的模型训练之后，与单一粒度下的训练相比，引入词语级上的翻译质量信息能取得较好的提升。

公开(公告)号：CN111597778B

公开(公告)日：2023-05-30

申请号：CN202010294829.2

申请日：2020-04-15

Applicant: 哈尔滨工业大学

Inventor： 杨沐昀 ,  徐冰 ,  王佳麒 ,  赵铁军 ,  朱聪慧 ,  曹海龙 ,  赵恩博 ,  唐煜

IPC: G06F40/166 ,  G06F40/232 ,  G06F40/58