(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210363800.4 (22)申请日 2022.04.07 (71)申请人 北京爱奇艺科技有限公司 地址 100080 北京市海淀区海淀北一 街2号 11层1101 (72)发明人 申利彬　 (74)专利代理 机构 北京华夏泰和知识产权代理 有限公司 1 1662 专利代理师 唐会娜 (51)Int.Cl. G06F 40/44(2020.01) G06F 40/30(2020.01) G06F 40/289(2020.01) G06F 40/253(2020.01) G06F 40/58(2020.01)G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 翻译结果的评估方法、 装置、 设备及存储介 质 (57)摘要 本申请涉及一种翻译结果的评估方法、 装 置、 设备及存储介质， 其中， 所述方法包括： 获取 源语言数据和 翻译后的目标语言数据； 确定所述 源语言数据的第一统计特征以及确定所述目标 语言数据的第二统计特征； 计算所述源语言数据 和所述目标语 言数据之间的语义相似度； 计算所 述目标语言数据的语言质量特征； 其中， 所述语 言质量特征用于表征所述目标语言数据是否符 合语法； 将所述第一统计特征、 所述第二统计特 征、 所述语义相似度和所述语言质量特征输入到 深度神经网络模型中， 得到评估结果。 本申请用 以解决无法对翻译结果进行准确评估， 导致翻译 效率低的技 术问题。 权利要求书3页 说明书9页 附图3页 CN 114707521 A 2022.07.05 CN 114707521 A 1.一种翻译结果的评估方法， 其特 征在于， 包括： 获取源语言数据和翻译后的目标语言数据； 确定所述源语言数据的第一统计特 征以及确定所述目标语言数据的第二统计特 征； 计算所述源语言数据和所述目标语言数据之间的语义相似度； 计算所述目标语言数据的语言质量特征； 其中， 所述语言质量特征用于表征所述目标 语言数据是否符合语法； 将所述第一统计特征、 所述第二统计特征、 所述语义相似度和所述语言质量特征输入 到深度神经网络模型中， 得到 评估结果。 2.根据权利要求1所述的翻译结果的评估方法， 其特征在于， 所述确定所述源语言数据 的第一统计特 征， 包括： 获取第一语料打分字典； 其中， 所述第一语料打分字典中包括： 至少一个指定文本各自 的第一得分， 和/或， 多个分词的第二得分； 从所述源语言数据中， 提取至少一个目标指定文本； 查询所述第一语料打 分字典， 确定各 所述目标指定文本各自对应的目标第一得分； 和/或， 对所述源语言数据进行分词， 得到多个目标分词； 查询所述第一语料打分字典， 确定各 所述目标分词各自的目标第二得分； 将各所述目标第一得分， 和/或， 各 所述目标第二得分， 作为所述第一统计特 征。 3.根据权利要求2所述的翻译结果的评估方法， 其特征在于， 所述获取第 一语料打分字 典， 包括： 获取源语言训练数据； 统计源语言训练数据中， 至少一个指定文本各自出现的频次； 对于每个所述指定文本， 根据 所述频次， 计算所述指定文本的所述第 一得分； 对应存储 所述指定文本和所述第一得分， 得到第一对应关系； 将所述源语言训练数据进行n ‑gram分词， 得到多个所述分词； 其 中， n的取值范围是1～ 3； 统计每个所述分词的词频； 根据各所述分词各自的词频， 分别对所述分词进行打分， 得到各所述分词各自的第二 得分， 对应存 储各所述分词以及与所述分词对应的所述第二得分， 得到第二对应关系； 保存所述第一对应关系和所述第二对应关系， 得到所述第一语料打 分字典。 4.根据权利要求3所述的翻译结果的评估方法， 其特征在于， 所述根据所述频次， 计算 所述指定文本的所述第一得分， 包括： 统计所述源语言训练数据中， 与 所述指定文本属于同一个语料类别的所有文本出现的 总次数； 对所述频次取对数， 得到第一中间结果； 对所述总次数 取对数， 得到第二中间结果； 将所述第一中间结果除以所述第二中间结果， 得到所述第一得分。 5.根据权利要求3所述的翻译结果的评估方法， 其特征在于， 所述根据 各所述分词各自 的词频， 分别对所述分词进行打 分， 得到各 所述分词各自的第二得分， 包括：权　利　要　求　书 1/3 页 2 CN 114707521 A 2将各所述分词按照所述词频从低到高的顺序进行排序， 得到排序结果； 将所述排序结果 等分成至少两个区间； 且每 个所述区间对应有一个评分； 对于每个所述分词， 确定所述词频对应的区间， 将所述词频对应的区间的评分， 作为所 述分词的第二得分。 6.根据权利要求1～5任意一项所述的翻译结果的评估方法， 其特征在于， 所述确定所 述目标语言数据的第二统计特 征， 包括： 获取第二语料打分字典； 其中， 所述第二语料打分字典中包括： 在双语训练数据中， 多 组双语对齐词语对应翻译的次数； 对所述源语言数据和所述目标语言数据进行对齐， 得到多个目标对齐词语对； 从所述第二语料打分字典中， 确定各所述目标对齐词语对各自对应的次数， 将各所述 次数作为所述目标语言数据的第二统计特 征。 7.根据权利要求6所述的翻译结果的评估方法， 其特征在于， 所述获取第 二语料打分字 典， 包括： 获取源语言训练数据和目标语言训练数据； 对齐所述源语言训练数据和所述目标语言训练数据， 得到对齐结果； 统计所述对齐结果中， 每组双语对齐词语对 对齐的次数； 对应存储所述双语对齐词语对和所述次数， 得到所述第二语料打 分字典。 8.根据权利要求1所述的翻译结果的评估方法， 其特征在于， 所述计算所述源语言数据 和所述目标语言数据之间的语义相似度， 包括： 获取相似度评分模型； 其中， 所述相似度评分模型用于计算所述源语言数据和所述目 标语言数据的语义相似度； 将所述源语言数据和所述目标语言数据输入到所述相似度评分模型， 得到所述语义相 似度。 9.根据权利要求1所述的翻译结果的评估方法， 其特征在于， 所述计算所述目标语言数 据的语言质量特 征， 包括； 获取语法评价模型； 其中， 所述语法评价模型用于判断所述目标语言数据是否符合语 法； 将所述目标语言数据输入到所述语法评价模型， 得到所述语言质量特 征。 10.一种翻译结果的评分装置， 其特 征在于， 包括： 获取模块， 用于获取源语言数据和翻译后的目标语言数据； 确定模块， 用于确定所述源语言数据的第 一统计特征以及确定所述目标语言数据的第 二统计特 征； 第一计算模块， 用于计算所述源语言数据和所述目标语言数据之间的语义相似度； 第二计算模块， 计算所述目标语言数据的语言质量特征； 其中， 所述语言质量特征用于 表征所述目标语言数据是否符合语法； 评估模块， 用于将所述第 一统计特征、 所述第 二统计特征、 所述语义相似度和所述语言 质量特征输入到深度神经网络模型中， 得到 评估结果。 11.一种电子设备， 包括： 处理器、 存储器和通信总线， 其中， 处理器和存储器通过通信 总线完成相互间的通信； 所述存储器， 用于存储计算机程序； 所述处理器， 用于执行所述存权　利　要　求　书 2/3 页 3 CN 114707521 A 3