【技術實現步驟摘要】
本申請涉及語言翻譯領域，且更為具體地，涉及一種基于深度學習的地名地址多語言翻譯系統及方法。
技術介紹
1、隨著全球化進程的加速，跨國交流和合作日益頻繁，對地名地址進行準確、高效的多語言翻譯需求也隨之增加。無論是國際貿易、旅游出行還是國際物流等領域，都離不開對不同國家和地區地名地址的精確理解與轉換。
2、傳統上，地名地址的翻譯主要依賴于預先構建的雙語或多語言對照表或數據庫，通過查找匹配的方式實現。這種方法雖然簡單直接，但其靈活性和適應性較差，尤其是在面對新出現的地名或非標準格式的地址時，容易出現錯誤或者無法識別的情況。
3、此外，由于地名地址可能包含大量的專有名詞、縮寫、以及特定的文化背景信息，這些元素在不同的語言之間往往不存在直接的一一對應關系，因此，對于這種具有復雜結構和深層次文化含義的地名地址，單純依靠字面翻譯無法傳達其真實的地理位置和語義信息，難以提供高質量的翻譯結果。
4、因此，需要一種優化的基于深度學習的地名地址多語言翻譯系統及方法。
技術實現思路
1、為了解決上述技術問題，提出了本申請。
2、根據本申請的一個方面，提供了一種基于深度學習的地名地址多語言翻譯方法，其包括：
3、獲取由用戶輸入的待翻譯地名地址，所述待翻譯地名地址以第一語言進行描述；
4、利用模糊匹配算法從專有術語庫匹配與所述待翻譯地名地址關聯的專有術語的集合；
5、對所述待翻譯地名地址和所述專有術語的集合中的各個專有術語分別
6、對所述待翻譯地名地址語義編碼向量和所述專有術語語義編碼向量的集合進行基于快速匹配對齊的語義查詢編碼以得到術語增強待翻譯地名地址語義編碼向量；
7、獲取由用戶確認的目標翻譯語言，所述目標翻譯語言為第二語言，所述第二語言不同于所述第一語言；
8、基于所述術語增強待翻譯地名地址語義編碼向量和所述目標翻譯語言，生成地名地址翻譯結果。
9、具體地，所述模糊匹配算法為jaro-winkler距離算法。
10、具體地，對所述待翻譯地名地址和所述專有術語的集合中的各個專有術語分別進行語義編碼以得到待翻譯地名地址語義編碼向量和專有術語語義編碼向量的集合，包括：
11、使用基于transformer架構的語義編碼模型對所述待翻譯地名地址和所述專有術語的集合中的各個專有術語分別進行語義編碼以得到所述待翻譯地名地址語義編碼向量和所述專有術語語義編碼向量的集合。
12、具體地，對所述待翻譯地名地址語義編碼向量和所述專有術語語義編碼向量的集合進行基于快速匹配對齊的語義查詢編碼以得到術語增強待翻譯地名地址語義編碼向量，包括：
13、基于所述待翻譯地名地址語義編碼向量相對于所述專有術語語義編碼向量的集合中各個專有術語語義編碼向量的語義差異，確定專有術語細粒度匹配搜索窗口；
14、對所述待翻譯地名地址語義編碼向量和所述專有術語細粒度匹配搜索窗口中的各個專有術語語義編碼向量進行基于注意力機制的細粒度查詢響應編碼以得到所述術語增強待翻譯地名地址語義編碼向量。
15、具體地，基于所述待翻譯地名地址語義編碼向量相對于所述專有術語語義編碼向量的集合中各個專有術語語義編碼向量的語義差異，確定專有術語細粒度匹配搜索窗口，包括：
16、計算所述待翻譯地名地址語義編碼向量相對于所述專有術語語義編碼向量的集合中各個專有術語語義編碼向量的交叉熵以得到專有術語快速查詢定位因子的集合；
17、將所述專有術語快速查詢定位因子的集合中最小值對應的專有術語語義編碼向量作為定位匹配專有術語語義編碼向量；
18、基于所述定位匹配專有術語語義編碼向量，確定所述專有術語細粒度匹配搜索窗口。
19、具體地，所述專有術語細粒度匹配搜索窗口中心位置的向量為所述定位匹配專有術語語義編碼向量，所述專有術語細粒度匹配搜索窗口中的各個專有術語語義編碼向量被定義為細粒度查詢專有術語語義編碼向量。
20、具體地，對所述待翻譯地名地址語義編碼向量和所述專有術語細粒度匹配搜索窗口中的各個專有術語語義編碼向量進行基于注意力機制的細粒度查詢響應編碼以得到所述術語增強待翻譯地名地址語義編碼向量，包括：
21、對所述待翻譯地名地址語義編碼向量進行線性變換以得到查詢向量和值向量，且以所述專有術語細粒度匹配搜索窗口中的各個細粒度查詢專有術語語義編碼向量作為鍵向量，將所述查詢向量、所述值向量和所述鍵向量輸入基于異構轉換器結構的細粒度查詢編碼模塊以得到所述術語增強待翻譯地名地址語義編碼向量。
22、具體地，基于所述術語增強待翻譯地名地址語義編碼向量和所述目標翻譯語言，生成地名地址翻譯結果，包括：
23、將所述目標翻譯語言作為提示詞添加至所述術語增強待翻譯地名地址語義編碼向量后，輸入基于大語言模型的地名地址翻譯器以得到所述地名地址翻譯結果，所述地名地址翻譯結果以第二語言進行描述。
24、根據本申請的另一個方面，提供了一種基于深度學習的地名地址多語言翻譯系統，其包括：
25、待翻譯地名地址獲取模塊，用于獲取由用戶輸入的待翻譯地名地址，所述待翻譯地名地址以第一語言進行描述；
26、專有術語匹配模塊，用于利用模糊匹配算法從專有術語庫匹配與所述待翻譯地名地址關聯的專有術語的集合；
27、語義編碼模塊，用于對所述待翻譯地名地址和所述專有術語的集合中的各個專有術語分別進行語義編碼以得到待翻譯地名地址語義編碼向量和專有術語語義編碼向量的集合；
28、專有術語語義查詢響應編碼模塊，用于對所述待翻譯地名地址語義編碼向量和所述專有術語語義編碼向量的集合進行基于快速匹配對齊的語義查詢編碼以得到術語增強待翻譯地名地址語義編碼向量；
29、目標翻譯語言確認模塊，用于獲取由用戶確認的目標翻譯語言，所述目標翻譯語言為第二語言，所述第二語言不同于所述第一語言；
30、地名地址翻譯結果生成模塊，用于基于所述術語增強待翻譯地名地址語義編碼向量和所述目標翻譯語言，生成地名地址翻譯結果。
31、本申請至少具有如下技術效果：
32、與現有技術相比，本申請提供的基于深度學習的地名地址多語言翻譯系統及方法，其首先獲取由用戶輸入的待翻譯地名地址，并采用基于transformer架構的語言模型對其進行語義解析，以提取出待翻譯地名地址的語義特征表示，同時進一步引入專有術語庫，利用模糊匹配算法從中匹配出與待翻譯地名地址相關聯的專有術語集合，以利用專有術語來優化所述待翻譯地名地址的語義特征表達，進而在此基礎上，基于用戶指定的目標翻譯語言，使用大語言模型進行翻譯，以得到地名地址翻譯結果；本申請通過引入專有術語庫資源，可以有效提高地名地址翻譯的準確性和語義豐富性，從而為用戶提供更為精確和自然的翻譯結果。...
【技術保護點】
1.一種基于深度學習的地名地址多語言翻譯方法，其特征在于，包括：
2.根據權利要求1所述的基于深度學習的地名地址多語言翻譯方法，其特征在于，所述模糊匹配算法為Jaro-Winkler距離算法。
3.根據權利要求2所述的基于深度學習的地名地址多語言翻譯方法，其特征在于，對所述待翻譯地名地址和所述專有術語的集合中的各個專有術語分別進行語義編碼以得到待翻譯地名地址語義編碼向量和專有術語語義編碼向量的集合，包括：
4.根據權利要求3所述的基于深度學習的地名地址多語言翻譯方法，其特征在于，對所述待翻譯地名地址語義編碼向量和所述專有術語語義編碼向量的集合進行基于快速匹配對齊的語義查詢編碼以得到術語增強待翻譯地名地址語義編碼向量，包括：
5.根據權利要求4所述的基于深度學習的地名地址多語言翻譯方法，其特征在于，基于所述待翻譯地名地址語義編碼向量相對于所述專有術語語義編碼向量的集合中各個專有術語語義編碼向量的語義差異，確定專有術語細粒度匹配搜索窗口，包括：
6.根據權利要求5所述的基于深度學習的地名地址多語言翻譯方法，其特征在于，所述專
7.根據權利要求6所述的基于深度學習的地名地址多語言翻譯方法，其特征在于，對所述待翻譯地名地址語義編碼向量和所述專有術語細粒度匹配搜索窗口中的各個專有術語語義編碼向量進行基于注意力機制的細粒度查詢響應編碼以得到所述術語增強待翻譯地名地址語義編碼向量，包括：
8.根據權利要求7所述的基于深度學習的地名地址多語言翻譯方法，其特征在于，基于所述術語增強待翻譯地名地址語義編碼向量和所述目標翻譯語言，生成地名地址翻譯結果，包括：
9.一種基于深度學習的地名地址多語言翻譯系統，其特征在于，包括：
...【技術特征摘要】
1.一種基于深度學習的地名地址多語言翻譯方法，其特征在于，包括：
2.根據權利要求1所述的基于深度學習的地名地址多語言翻譯方法，其特征在于，所述模糊匹配算法為jaro-winkler距離算法。
3.根據權利要求2所述的基于深度學習的地名地址多語言翻譯方法，其特征在于，對所述待翻譯地名地址和所述專有術語的集合中的各個專有術語分別進行語義編碼以得到待翻譯地名地址語義編碼向量和專有術語語義編碼向量的集合，包括：
4.根據權利要求3所述的基于深度學習的地名地址多語言翻譯方法，其特征在于，對所述待翻譯地名地址語義編碼向量和所述專有術語語義編碼向量的集合進行基于快速匹配對齊的語義查詢編碼以得到術語增強待翻譯地名地址語義編碼向量，包括：
5.根據權利要求4所述的基于深度學習的地名地址多語言翻譯方法，其特征在于，基于所述待翻譯地名地址語義編碼向量相對于所述專有術語語義編碼向量的集合中各個專有術語語義編碼...
【專利技術屬性】
技術研發人員：胡俊勇，李芳，劉樂，方玉樓，胡鴻敏，石園娜，楊榮，
申請(專利權)人：陜西天潤科技股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。