买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京理工大学申请的专利一种基于隐变量的篇章级神经机器翻译方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114707522B 。

龙图腾网通过国家知识产权局官网在2026-01-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210357955.7，技术领域涉及：G06F40/58；该发明授权一种基于隐变量的篇章级神经机器翻译方法及系统是由鉴萍;王峤;费伟伦设计研发完成，并于2022-04-06向国家知识产权局提交的专利申请。

本一种基于隐变量的篇章级神经机器翻译方法及系统在说明书摘要公布了：本发明涉及一种基于隐变量的篇章级神经机器翻译方法，属于自然语言处理应用技术领域。首先在编码器‑解码器神经机器翻译模型中，分别对源语言句子和其上一句进行编码，并通过注意力机制融合编码信息生成隐变量。将隐变量的分布认为是一种高斯分布，其中包含篇章级翻译所需要的上下文信息。通过在篇章关系分析任务上预训练的判别器，将隐变量通过转换矩阵映射到浅层篇章关系分布上。最后，将该判别器应用于篇章级神经机器翻译模型的训练过程中，对隐变量的生成进行引导，并最终生成目标语言的句子。本发明利用隐变量表示篇章级神经机器翻译中所需要的信息，通过引入判别器引导隐变量的生成过程，从而提升篇章级神经机器翻译的效果和质量。

本发明授权一种基于隐变量的篇章级神经机器翻译方法及系统在权利要求书中公布了：1.一种基于隐变量的篇章级神经机器翻译方法，其特征在于，包括以下步骤： 步骤1：选用篇章级关系语料库作为篇章关系分析任务的训练集；基于训练集训练判别器，得到判别器； 步骤2：对上下文句子和源语言句子编码，生成编码信息，并生成隐变量； 步骤2.1：通过嵌入层，将上下文句子和源语言句子转换为词向量表示序列； 步骤2.1.1：将训练语料处理成包含上下文样本、源语言句子和目标语言句子的样本； 步骤2.1.2：根据不同的语种，采用不同的分词工具，分别对源语言语料和目标语言语料进行分词； 步骤2.1.3：利用字节对编码BPE，对训练语料进行编码并得到词表，根据词表对训练语料做句子拆分； 步骤2.1.4：通过嵌入层映射，得到词向量表示序列； 步骤2.2：利用编码器对上下文句子和源语言句子编码；在源语言句子编码过程中，使用多头注意力机制，融合上下文句子的编码信息； 步骤2.3：利用编码信息引导生成先验隐变量； 步骤3：利用判别器引导生成包含篇章级翻译所需上下文信息且服从高斯分布的后验隐变量，利用解码器生成目标语言序列，根据总损失训练得到翻译模型； 步骤4：将不属于训练集的源语言句子、源语言句子的上下文送入训练好的翻译模型中，当生成对应先验隐变量后，与编码信息共同生成目标语言句子。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。