基于属性概率权重的人工智能翻译文本特征分类算法

作     者：冯国平 曾祥淦 FENG Guoping;ZENG Xianggan

作者机构：中国能源建设集团广东省电力设计研究院有限公司广州510000 

基　　金：中国能建广东院科技项目《信息化项目前期数字化管理平台研发》(EX06401W) 

出 版 物：《自动化与仪器仪表》 (Automation & Instrumentation)

年 卷 期：2023年第11期

页      码：29-33页

摘      要：为提升人工智能翻译文本特征分类精度,提出基于属性概率权重的人工智能翻译文本特征分类算法。基于模板匹配算法匹配源语言模板进行文本翻译,引入全局频率改进TF-IDF方法,利用余弦相似度和Markov模型实现文本之间的相似度计算,实现特征词的属性概率权重的归一化,得到全面的特征词属性概率权重。将特征词的属性概率权重融合到朴素贝叶斯分类方法中,实现人工智能翻译文本特征分类。实验结果表明该算法的翻译准确率在85%以上,且不同领域语料的正、反向类语言特征分类准确率高。

主 题 词：属性概率权重 TF-IDF方法 文本特征 余弦相似性 朴素贝叶斯 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.14016/j.cnki.1001-9227.2023.11.029

馆 藏 号：203124675...