(19)中华 人民共和国 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 202111211108.1 (22)申请日 2021.10.18 (71)申请人 浙江香侬慧语科技有限责任公司 地址 311121 浙江省杭州市余杭区余杭街 道文一西路1818-2号9幢90 3室 (72)发明人 卢辰鑫　何豪杰　王思宽　王铎　 李晓雅　 (74)专利代理 机构 北京国科程知识产权代理事 务所(普通 合伙) 11862 代理人 曹晓斐 (51)Int.Cl. G06F 40/58(2020.01) G06K 9/62(2006.01) G06N 20/00(2019.01) (54)发明名称 基于机器翻译的无监督转述文本生成方法、 装置及介质 (57)摘要 本申请公开了一种基于机器翻译的无监督 转述文本生成方法、 装置及介质， 属于文本分类 领域。 该方法主要包括获取超出第一预设数量的 无标注单语语料， 利用其对无监督机器翻译模型 进行训练； 将 超出第二预设数量的源句子输入到 无监督机器翻译模型中， 得到对应的转述句子， 源句子和对应的转述句子构成伪转述文本句对； 在每个伪转述文本句对中， 计算源句子与转述句 子之间的相似度， 将相似度大于预设阈值的伪转 述文本句对滤除， 得到伪转述文本句对集； 利用 伪转述文本句对集， 对转述文本生成模型进行训 练， 并利用转述文本生成模型对输入文本进行处 理， 得到转述文本。 本申请只需大量的无标注单 语语料即可完成训练， 极大地减少了对标注数据 的依赖。 权利要求书2页 说明书6页 附图2页 CN 113887252 A 2022.01.04 CN 113887252 A 1.一种基于 机器翻译的无监 督转述文本生成方法， 其特 征在于， 包括： 获取超出第一预设数量的无 标注单语 语料， 利用其对无监 督机器翻译模型进行训练； 将超出第二预设数量的源句子输入到所述无监督机器翻译模型中， 得到对应的转述句 子， 所述源句子和对应的所述 转述句子构成伪转 述文本句对； 在每个所述伪转述文本句对中， 计算所述源句子与所述转述句子之间的相似度， 将所 述相似度大于预设阈值的伪转 述文本句对滤除， 得到伪转 述文本句对集； 以及 利用所述伪转述文本句对集， 对转述文本生成模型进行训练， 并利用所述转述文本生 成模型对输入文本进行处 理， 得到转 述文本。 2.如权利要求1所述的基于机器翻译的无监督转述文本生成方法， 其特征在于， 所述利 用所述伪转 述文本句对集， 对转 述文本生成模型进行训练， 还 包括： 使用预定数量的标注数据， 训练所述转述文本生成模型， 使其感知学习特定领域的转 述文本生成的规 律。 3.如权利要求1所述的基于机器翻译的无监督转述文本生成方法， 其特征在于， 所述将 超出第二预设数量的源句子输入到所述无监督机器翻译模型中， 得到对应的所述转述句 子， 进一步包括： 利用所述无监督机器翻译模型将输入的所述源句子翻译为与所述源句子的语种不同 的目标句子， 再将所述目标句子翻译为与所述源句子的语种相同的所述 转述句子。 4.如权利要求1所述的基于机器翻译的无监督转述文本生成方法， 其特征在于， 所述在 每个所述伪转 述文本句对中， 计算所述源句子与所述 转述句子之间的相似度， 进一 步包括： 确定所述源句子与所述 转述句子中相同词语数量和不同词语数量； 计算所述相同词语数量与所述不同词语数量的比例， 确定所述相似度， 其中所述比例 越高， 所述相似度越大。 5.一种基于 机器翻译的无监 督转述文本生成装置， 其特 征在于， 包括： 翻译模型训练模块， 其用于获取超出第一预设数量的无标注单语语料， 利用其对无监 督机器翻译模型进行训练； 伪转述文本句对生成模块， 其用于将超出第 二预设数量的源句子输入到所述无监督机 器翻译模型中， 得到对应的所述转述句 子， 所述源句 子和对应的所述转述句 子构成伪转述 文本句对； 用于在每个所述伪转述文本句对中， 计算所述源句子与所述转述句子之间的相似度， 将所述相似度大于预设阈值的伪转 述文本句对滤除， 得到伪转 述文本句对集； 以及 转述文本生成模型训练模块， 其用于利用所述伪转述文本句对集， 对转述文本生成模 型进行训练， 并利用所述 转述文本生成模型对输入文本进行处 理， 得到转 述文本。 6.如权利要求5所述的基于机器翻译的无监督转述文本生成装置， 其特征在于， 所述伪 转述文本句对生成模块， 其用于所述将超出第二预设数量的源句子输入到所述无监督反向 翻译模型中， 得到对应的所述 转述句子， 进一 步包括： 利用所述无监督机器翻译模型将输入的所述源句子翻译为与所述源句子的语种不同 的目标句子， 再将所述目标句子翻译为与所述源句子的语种相同的所述 转述句子。 7.如权利要求5所述的基于机器翻译的无监督转述文本生成装置， 其特征在于， 在所述 伪转述文本句对生成模块中， 确定所述源句子与所述转述句子中相同词语数量和不同词语权　利　要　求　书 1/2 页 2 CN 113887252 A 2数量， 计算所述相同词语数量与所述不同词语数量的比例， 确定所述相似度， 其中所述比例 越高， 所述相似度越大。 8.一种计算机可读存储介质， 其存储有计算机指令， 其特征在于， 所述计算机指令被操 作以执行权利要求1 ‑4中任一项所述的基于 机器翻译的无监 督转述文本生成方法。 9.一种计算机设备， 其包括处理器和存储器， 所述存储器存储有计算机指令， 其中所述 处理器操作所述计算机指 令以执行权利要求 1‑4中任一项 所述的基于机器翻译的无监督转 述文本生成方法。权　利　要　求　书 2/2 页 3 CN 113887252 A 3