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。
科研之友
微信
新浪微博
Facebook
分享链接
