申请/专利权人：北京沃东天骏信息技术有限公司;北京京东世纪贸易有限公司

申请日：2021-02-19

公开（公告）日：2024-04-12

公开（公告）号：CN112836529B

主分类号：G06F40/58

分类号：G06F40/58;G06F40/42;G06F40/49

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2021.06.11#实质审查的生效;2021.05.25#公开

摘要：本公开的实施例公开了生成目标语料样本的方法和装置。该方法的具体实施方式包括：获取单句的原文语料；分别通过两种翻译工具对所述原文语料进行翻译，得到第一译文和第二译文；分别对所述第一译文和所述第二译文进行切词，得到第一词集合和第二词集合；计算所述第一词集合和所述第二词集合的相似性，得到相似性得分；若所述相似性得分大于等于预定阈值，则将所述原文语料和所述第一译文的组合确定为目标语料样本，并将所述原文语料和所述第二译文的组合也确定为目标语料样本。该实施方式能够高效廉价的生成质量较高的目标语料样本。

主权项：1.一种生成目标语料样本的方法，包括：获取单句的原文语料；分别通过两种翻译工具对所述原文语料进行翻译，得到第一译文和第二译文；分别对所述第一译文和所述第二译文进行切词，得到第一词集合和第二词集合；计算所述第一词集合和所述第二词集合的相似性，得到相似性得分；若所述相似性得分大于等于预定阈值，则将所述原文语料和所述第一译文的组合确定为目标语料样本，并将所述原文语料和所述第二译文的组合也确定为目标语料样本；若所述相似性得分小于预定阈值，则将所述原文语料和所述第一译文的组合确定为丢弃语料，并将所述原文语料和所述第二译文的组合也确定为丢弃语料；将所述目标语料样本和相应的相似性得分保存到第一文件中；将所述丢弃语料和相应的相似性得分保存到第二文件中；将所述原文语料和所述第一译文的组合、所述原文语料和所述第二译文的组合、以及相应的相似性得分都保存到第三文件中；从所述第一文件中随机抽取一部分目标语料样本并从所述第二文件中随机抽取一部分丢弃语料；根据抽取出的目标语料样本和丢弃语料的翻译质量调整所述预定阈值；根据调整后的预定阈值对所述第三文件中的所述原文语料和所述第一译文的组合、所述原文语料和所述第二译文的组合重新进行相似性得分比较，重新确定出目标语料样本和丢弃语料，并分别替换掉所述第一文件的内容和所述第二文件的内容。

全文数据：

权利要求：

百度查询： 北京沃东天骏信息技术有限公司;北京京东世纪贸易有限公司 生成目标语料样本的方法和装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD