本發(fā)明實施例公開了一種機器翻譯方法、裝置、電子設(shè)備和介質(zhì)，該方法包括：獲取待翻譯的源語言句；利用預(yù)先訓(xùn)練的機器翻譯模型，同時給出所述源語言句的目標(biāo)語言翻譯結(jié)果，以及所述源語言句所屬的類別，其中，所述類別包括粗分類和粗分類下所屬的細(xì)分類，所述機器翻譯模型用于結(jié)合對源語言句的分類任務(wù)給出目標(biāo)語言翻譯結(jié)果。本發(fā)明實施例免去用戶手動選擇領(lǐng)域的麻煩，同時執(zhí)行分類任務(wù)和翻譯任務(wù)，并且在分類任務(wù)中給出粗分類和粗分類下所屬的細(xì)分類，而不是在同一個維度上對各領(lǐng)域進(jìn)行分類，使得模型在類別分類階段更有針對性，不僅能夠自動識別源語言句所述的類別和領(lǐng)域，同時使得各領(lǐng)域所負(fù)責(zé)的翻譯內(nèi)容界限更為清晰，提升翻譯效果。

技術(shù)領(lǐng)域

本發(fā)明實施例涉及機器翻譯技術(shù)領(lǐng)域，尤其涉及一種機器翻譯方法、裝置、電子設(shè)備和介質(zhì)。

背景技術(shù)

隨著計算機計算能力的提升和多語言信息的爆發(fā)式增長，機器翻譯在如今的翻譯領(lǐng)域扮演著重要角色，有著高速、低成本的優(yōu)勢，可以為普通用戶提供實時便捷的翻譯服務(wù)。

機器翻譯中，對于專業(yè)領(lǐng)域的文本，分領(lǐng)域地訓(xùn)練翻譯模型可以大幅提高對應(yīng)領(lǐng)域的翻譯效果。當(dāng)前有部分互聯(lián)網(wǎng)翻譯系統(tǒng)，通過引入領(lǐng)域信息，針對每個領(lǐng)域進(jìn)行數(shù)據(jù)和模型上的優(yōu)化，達(dá)到了翻譯效果的提升。但是這些領(lǐng)域的分類比較隨意，沒有系統(tǒng)性，在同一個維度上劃分各領(lǐng)域，造成領(lǐng)域混淆，影響翻譯效果。而且在具體實現(xiàn)的過程中，通常需要用戶先手動選擇一個目標(biāo)領(lǐng)域，再由相應(yīng)模型針對性的給出翻譯文本，操作繁瑣，影響翻譯效率。

發(fā)明內(nèi)容

本發(fā)明實施例提供一種機器翻譯方法、裝置、電子設(shè)備和介質(zhì)，以解決現(xiàn)有技術(shù)中自動翻譯準(zhǔn)確率低以及效率低的問題。

第一方面，本發(fā)明實施例提供了一種機器翻譯方法，所述方法包括：

獲取待翻譯的源語言句；

利用預(yù)先訓(xùn)練的機器翻譯模型，同時給出所述源語言句的目標(biāo)語言翻譯結(jié)果，以及所述源語言句所屬的類別，其中，所述類別包括粗分類和粗分類下所屬的細(xì)分類，所述機器翻譯模型用于結(jié)合對源語言句的分類任務(wù)給出目標(biāo)語言翻譯結(jié)果。

第二方面，本發(fā)明實施例還提供了一種機器翻譯裝置，所述裝置包括：

源語言句獲取模塊，用于獲取待翻譯的源語言句；

源語言句翻譯模塊，用于利用預(yù)先訓(xùn)練的機器翻譯模型，同時給出所述源語言句的目標(biāo)語言翻譯結(jié)果，以及所述源語言句所屬的類別，其中，所述類別包括粗分類和粗分類下所屬的細(xì)分類，所述機器翻譯模型用于結(jié)合對源語言句的分類任務(wù)給出目標(biāo)語言翻譯結(jié)果。

第三方面，本發(fā)明實施例還提供了一種電子設(shè)備，所述電子設(shè)備包括：

一個或多個處理器；

存儲裝置，用于存儲一個或多個程序，

當(dāng)所述一個或多個程序被所述一個或多個處理器執(zhí)行，使得所述一個或多個處理器實現(xiàn)如本發(fā)明任意實施例所述的一種機器翻譯方法。

第四方面，本發(fā)明實施例還提供了一種包含計算機可執(zhí)行指令的存儲介質(zhì)，所述計算機可執(zhí)行指令在由計算機處理器執(zhí)行時用于執(zhí)行如本發(fā)明任意實施例所述的一種機器翻譯方法。

本發(fā)明實施例通過獲取待翻譯的源語言句；利用預(yù)先訓(xùn)練的機器翻譯模型，同時給出所述源語言句的目標(biāo)語言翻譯結(jié)果，以及所述源語言句所屬的類別，其中，所述類別包括粗分類和粗分類下所屬的細(xì)分類，所述機器翻譯模型用于結(jié)合對源語言句的分類任務(wù)給出目標(biāo)語言翻譯結(jié)果，一方面免去用戶手動選擇領(lǐng)域的麻煩，另一方面，可以同時執(zhí)行分類任務(wù)和翻譯任務(wù)，并且在分類任務(wù)中給出粗分類和粗分類下所屬的細(xì)分類，而不是在同一個維度上對各領(lǐng)域進(jìn)行分類，使得模型在類別分類階段更有針對性，不僅能夠自動識別源語言句所述的類別和領(lǐng)域，同時使得各領(lǐng)域所負(fù)責(zé)的翻譯內(nèi)容界限更為清晰，提升翻譯效果。

附圖說明