CN120258014A 一种基于大语言模型的翻译语义纠偏方法及系统 （杭州顺畅智行科技有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN120258014A(43)申请公布日2025.07.04

(21)申请号202510732964.3

(22)申请日2025.06.04

(71)申请人杭州顺畅智行科技有限公司

地址311121浙江省杭州市余杭区仓前街

道向往街1008号10幢604-2室

(72)发明人李卓林王威郭娇陈辉鸿

(74)专利代理机构苏州浙慧达知识产权代理有限公司32742

专利代理师张迪

(51)Int.CI.

GO6F40/58(2020.01)

GO6F40/295(2020.01)

GO6N5/022(2023.01)

GO6F40/205(2020.01)

GO6F40/30(2020.01)

权利要求书3页说明书12页附图1页

(54)发明名称

一种基于大语言模型的翻译语义纠偏方法及系统

(57)摘要

CN120258014A本发明提出了一种基于大语言模型的翻译语义纠偏方法及系统。属于自然语言处理技术领域；所述方法包括：对数据进行收集；利用大型语言模型进行命名实体识别，从源语言文本中提取具体实体，通过LLM分析实体之间的关系，生成实体对关系；识别并提取实体的属性，并将这些属性与对应的实体进行关联；将提取的实体、关系和属性按照图谱结构进行整合，构建起初步的知识图谱；将源语言文本输入模型进行翻译；将初步翻译结果中的术语与知识图谱进行比对，识别出潜在的语义偏差。对翻译结果进行质量评估。通过将识别并提取的实体之间的关系和属性整

CN120258014A

语境。

对数据进行收集；

对数据进行收集；

S1

利用大型语言模型进行命名实体识别，从源语言文本中提

取具体实体，通过大语言模型分析实体之间的关系，生成

实体对关系；识别并提取实体的属性，并将这些属性与对

应的实体进行关联：将提取的实体、关系和属性按照图谱

结构进行整合，构建起初步的知识图谱；

将源语言文本输入模型进行翻译；

S3

将初步翻译结果中的术语与知识图谱进行比对，识别出潜

在的语义偏差；

S4

对翻译结果进行质量评估。

S5

S2

CN120258014A权利要求书1/3页

2

1.一种基于大语言模型的翻译语义纠偏方法，其特征在于，所述方法包括：

S1、对数据进行收集；

S2、利用大型语言模型进行命名实体识别，从源语言文本中提取具体实体，通过大语言模型分析实体之间的关系，生成实体对关系；识别并提取实体的属性，并将这些属性与对应的实体进行关联；将提取的实体、关系和属性按照图谱结构进行整合，构建起初步的知识图

谱；

S3、将源语言文本输入模型进行翻译；

S4、将初步翻译结果中的术语与知识图谱进行比对，识别出潜在的语义偏差；

S5、对翻译结果进行质量评估。

2.根据权利要求1所述基于大语言模型的翻译语义纠偏方法，其特征在于，所述S1,包

括：

S11、从多渠道对源语言文本和目标语言文本的双语文本数据进行收集；

S12、对实时收集的数据进行预处理。

3.根据权利要求1所述基于大语言模型的翻译语义纠偏方法，其特征在于，所述S2,包

括：

S21、利用大型语言模型进行命名实体识别，提取关键实体，并对识别出的关键实体进行校验；

S22、根据实体类型对实体进行分类，并为其添加标签；

S23、通过LLM分析实体之间的关系，抽取实体对关系；对抽取的关系进行验证，并对关系进行整理，形成结构化的关系网络；

S24、基于LLM和规则匹配技术识别实体的属性，对识别的属性进行校验，同时将属性与对应的实体进行关联，形成属性-实体对；

S25、将提取的实体、关系和属性按照图谱结构进行整合，构建初步的知识图谱；对初步构建的知识图谱进行优化；

S26、将优化后的知识图谱存储于数据库中，并建立高效的索引机制。

4.根据权利要求3所述基于大语言模型的翻译语义纠偏方法，其特征在于，所述S23,包

括：

S231、基于LLM的深度理解能力，对包含实体的文本进行语境分析；通过上下文信息，初步判断实体之间存在的关联或关系；

S232、基于LLM的学习能力，从历史数据或大规模语料库中挖掘出常见的实体关系模式；通过模式匹配，定位文本中可能存在的实体关系；

S233、根据实体类型和关系模式的多样性，制定关系抽取策略；利用LLM的语义解析能力，对文本进行深度解析，抽取实体之间的关系；对