[发明专利]面向翻译译文的自动评分方法及自动评分系统

摘要

本发明提供一种面向翻译译文的自动评分方法及自动评分系统，包括：对各个训练译文、测试译文和标准译文均进行文本预处理；对预处理后的训练译文进行特征抽取，得到训练译文X维度特征得分；将N个训练译文作为训练样本，将每个训练译文的训练译文X维度特征得分作为X个输入，将训练译文的最终得分作为输出，分别训练神经网络模型、K‑最小近邻算法模型和支持向量机算法模型；将测试译文X维度特征得分输入训练好的模型，得到测试译文的最终得分。本发明提供的面向翻译译文的自动评分方法及自动评分系统，能够对翻译译文进行自动打分，显著提升评分的效率，减少评分人员的负担。

主权项

1.一种面向翻译译文的自动评分方法，其特征在于，包括以下步骤：/n步骤1，将所有收集到的对同一原文进行翻译得到的译文划分为训练译文集和测试译文集；其中，所述训练译文集包括N个训练译文；所述测试译文集包括M个测试译文；/n获取对所述原文进行翻译得到的标准译文；/n步骤2，对各个所述训练译文、所述测试译文和所述标准译文均进行文本预处理，得到预处理后的训练译文、预处理后的测试译文和预处理后的标准译文；/n步骤3，对每个所述预处理后的训练译文，均进行以下处理：/n步骤3.1，对所述预处理后的训练译文进行专家人工评分，得到训练译文的最终得分；/n步骤3.2，对所述预处理后的训练译文进行特征抽取，基于与所述预处理后的标准译文进行比较，得到训练译文X维度特征得分；/n步骤4，将N个所述训练译文作为训练样本，将每个所述训练译文的训练译文X维度特征得分作为X个输入，将训练译文的最终得分作为输出，分别训练神经网络模型、K-最小近邻算法模型和支持向量机算法模型，得到训练好的神经网络模型、训练好的K-最小近邻算法模型和训练好的支持向量机算法模型；/n步骤5，对每个所述预处理后的测试译文进行特征抽取，基于与所述预处理后的标准译文进行比较，得到测试译文X维度特征得分；/n将所述测试译文X维度特征得分作为输入，输入所述训练好的神经网络模型，得到第一得分；/n将所述测试译文X维度特征得分作为输入，输入所述训练好的K-最小近邻算法模型，得到第二得分；/n将所述测试译文X维度特征得分作为输入，输入所述训练好的支持向量机算法模型，得到第三得分；/n将所述第一得分、所述第二得分和所述第三得分进行平均，得到所述测试译文的最终得分。/n