技术特征：
技术总结
本发明涉及一种基于深度语义关联的译文预测方法，包括以下步骤：1)生成词向量：利用Wordto Vec工具，使用Skip‑gram模型在训练语料上进行训练，把生成的词向量加载到模型中，以备使用；2)语义相关度计算：利用词向量，对用户指定的前缀与待扩展的短语进行语义相关度计算；3)将语义相关度作为特征之一，估计后缀的翻译概率；4)采用多栈解码算法搜索最优后缀：对栈中的翻译假设进行排序，输出最优的N个译文。本发明通过挖掘前缀中隐含的深层约束信息来增强交互预测式机器翻译系统中候选路径筛选和翻译概率估计的准确性，利用深度学习方法，将词语表示为词向量，更有效地描述自然语言的语义信息，评价前缀与后缀之间的语义关联度，提高人机交互的效率。
技术研发人员：叶娜
受保护的技术使用者：沈阳航空航天大学
技术研发日：2017.09.25
技术公布日：2018.03.06