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：清华大学;北京清华长庚医院

摘要：本发明提供一种双语词语对齐方法及系统，该方法包括：获取源语种词向量和目标语种词向量；将所述源语种词向量和目标语种词向量输入到训练好的词语对齐优化模型中，获取正交变换矩阵；其中，所述训练好的词语对齐优化模型是由无监督模块和有监督模块进行交替训练得到的，所述无监督模块是由样本先验分布矩阵对第一神经网络进行训练得到的，所述有监督模块是由样本种子词典对第二神经网络进行训练得到的，所述样本种子词典是基于源语种和目标语种确定的；根据所述正交变换矩阵，对所述源语种词向量和目标语种词向量进行对齐处理，获取双语词语对齐结果。本发明可以实现高质量的双语词语对齐，提高了词语翻译的精度。

主权项：1.一种双语词语对齐方法，其特征在于，包括：获取源语种词向量和目标语种词向量；将所述源语种词向量和目标语种词向量输入到训练好的词语对齐优化模型中，获取正交变换矩阵；其中，所述训练好的词语对齐优化模型是由无监督模块和有监督模块进行交替训练得到的，所述无监督模块是由样本先验分布矩阵对第一神经网络进行训练得到的，所述样本先验分布矩阵是通过所述有监督模块输出的样本优化正交变换矩阵，对样本源语种词向量进行转换，并根据转换后的样本源语种词向量和样本目标语种词向量之间的跨域相似度局部缩放距离获取得到的；所述有监督模块是由样本种子词典对第二神经网络进行训练得到的，所述样本种子词典是基于源语种和目标语种确定的；根据所述正交变换矩阵，对所述源语种词向量和目标语种词向量进行对齐处理，获取双语词语对齐结果；其中，所述词语对齐优化模型通过以下步骤训练得到：S201，根据样本先验分布矩阵，对第一神经网络进行训练，输出得到第一样本优化正交矩阵，并得到预训练的无监督模块；S202，根据所述第一样本优化正交矩阵、样本源语种词向量和样本目标语种词向量，对样本种子词典进行双向词典扩充，得到双向词典扩充后的样本种子词典；S203，将所述双向词典扩充后的样本种子词典和所述第一样本优化正交矩阵输入到第二神经网络进行训练，得到预训练的有监督模块和第二样本优化正交矩阵；S204，根据所述第二样本优化正交矩阵，生成新的样本先验分布矩阵；S205，将所述新的样本先验分布矩阵和所述第二样本优化矩阵输入到所述预训练的无监督模块中进行训练，得到当前训练轮次的无监督模块和当前训练轮次的第一样本优化正交矩阵，重复步骤S202至S205，得到训练好的词语对齐优化模型。

全文数据：

权利要求：

百度查询： 清华大学 北京清华长庚医院 一种双语词语对齐方法及系统