买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：昆明理工大学

摘要：本发明涉及基于枢轴语言的汉‑缅双语平行句对抽取方法及装置，属于自然语言处理技术领域。本发明首先利用降噪编码器DAE得到汉、英、缅的三种句子的表征向量；利用已有的汉‑英、英‑缅平行语料作为约束条件，通过CorrNet把汉、英、缅的三种语言的句子表征投影到公共语义空间；利用联合训练的方法，将英语作为枢轴语言，学习汉‑英‑缅三语的公共表示，计算汉‑缅双语句子的距离，判断汉‑缅双语句子是否为平行句子。本发明解决汉语‑缅语平行数据抽取的问题，利用英语作为枢轴语言抽取汉缅平行句对，为后续自然语言处理工作提供数据基础，对构建汉‑缅双语平行语料库具有重要的理论和实际运用价值。

主权项：1.基于枢轴语言的汉-缅双语平行句对抽取方法，其特征在于：所述抽取方法的具体步骤如下：Step1、利用降噪编码器DAE得到汉、英、缅的三种句子的表征向量；Step2、基于句子语义相同的不同语言在语义空间中距离近的性质，利用已有的汉-英、英-缅平行语料作为约束条件，通过CorrNet把汉、英、缅的三种语言的句子的表征向量投影到公共语义空间；Step3、利用联合训练的方法，将英语作为枢轴语言，学习汉-英-缅三语的公共表示，计算汉-缅双语句子的距离，判断汉-缅双语句子是否为平行句子；所述步骤Step2的具体步骤为：Step2.1、利用降噪编码器将输入的句子进行重建，获取单语语料下每种语言重建时的损失，如下公式； 其中，表示汉语、缅语两种语言句子的输入，代表将输入编码为一个隐藏向量表示，表示从隐藏向量表示中重建表示输入与重建后的之间的均值误差，同理表示英语句子的输入，代表将输入编码为一个隐藏向量表示，表示从隐藏向量表示中重建表示输入与重建后的之间的均值误差；Step2.2、基于汉-英平行语料、英-缅平行语料，学习跨语言下两种语言互相重建时的损失，通过CorrNet把汉、英、缅的三种语言的句子的表征向量投影到公共语义空间，损失函数公式如下所示： 其中，是和两种语言输入的串联表示，是将输入编码为一个隐藏向量表示，表示从隐藏向量表示中重建表示与重建后的之间的均值误差，S是一个标准化函数，使和具有零均值和单位方差，vj是汉语、缅语两种语言句子的向量表示，表示将vj编码为隐藏表示，vM是英语句子的向量表示，表示将vM编码为隐藏表示，此外，λ是缩放超参数，corr是如下定义的相关函数：

全文数据：

权利要求：

百度查询： 昆明理工大学 基于枢轴语言的汉-缅双语平行句对抽取方法及装置