专利交易市场

本发明公开一种基于多语义空间的机器译文质量估计方法，分为机器译文质量估计模型训练和机器译文质量估计；模型训练步骤为：利用对话大语言模型生成伪参考译文和回译；提取在源语言语义空间的机器译文质量特征；提取在目标语言语义空间的机器译文质量特征；提取在跨语言语义空间的机器译文质量特征；提取多语义空间机器译文质量特征向量；预测基于多语义空间的机器译文质量得分；训练基于多语义空间的机器译文质量估计模型。机器译文质量估计方法步骤为：对源语言句子和待质量估计的机器译文进行规范化处理；将规范化处理后的源语言句子和机器译文输入训练后的基于多语义空间的机器译文质量估计模型，预测机器译文质量得分。

本发明公开一种基于大语言模型的机器译文质量估计方法，其方法步骤为：提取源语言句子至机器译文的相似度特征向量和机器译文至源语言句子的相似度特征向量，提取机器译文质量估计特征向量，预测机器译文质量得分；最小化均方差损失和交叉熵损失的总和来训练模型中的参数。本发明结合大语言模型这两方面的特点，将大语言模型对机器译文和源语言句子的表征输入引入辅助分类任务的神经网络中预测机器译文质量；同时由大语言模型进行翻译生成伪参考译文，使用伪参考译文代替人工参考译文采用机器译文自动评价方法进行译文质量评价，将两者相结合预测机器译文质量。

本发明公开一种基于深度交叉网络的机器译文自动评价方法，步骤为：获取训练集，对训练集进行规范化处理；提取独立表征模式下句子级别机器译文质量特征向量；提取统一表征模式下句子级别机器译文质量特征向量；提取机器译文质量交叉特征向量；预测机器译文质量；训练基于深度交叉网络的机器译文自动评价模型。预测方法步骤为；将机器译文与人工参考译文输入上述基于深度交叉网络的机器译文自动评价模型预测机器译文质量；同时采用大语言模型向量数据库直接对机器译文和人工参考译文进行句向量表征，计算机器译文与人工参考译文的余弦相似度，将预测的机器译文质量与余弦相似度线性加权获取机器译文质量的分值。

本发明公开一种基于深度差异特征的机器译文自动评价方法，其方法步骤为：步骤S1，获取训练集，对训练集进行规范化处理，获得规范化处理后的训练集；步骤S2，提取表征机器译文与人工参考译文差异特征的向量；步骤S3，提取表征机器译文与源语言句子语义差异特征的向量；步骤S4，提取机器译文与人工参考译文和机器译文与源语言句子的深度差异特征；步骤S5，预测机器译文质量分值；步骤S6，训练基于深度差异特征的机器译文自动评价模型。利用获取机器译文和人工参考译文的语义表征向量和机器译文和源语言句子的语义表征向量两差异特征的向量提取深度差异特征，将深层差异特征输入前馈神经网络进行机器译文自动评价。