本发明涉及深度学习相关，尤其是指一种基于深度学习的盲文翻译方法。
背景技术：
1、盲文或称点字、凸字，是专为盲人设计、靠触觉感知的文字。透过点字板、点字机、点字打印机等在纸张上制作出不同组合的凸点而组成，一般每一个方块的点字是由六点组成，左侧从上到下为123，右侧为456，叫一方。它是由法国盲人路易·布莱尔于1824年创造的，故国际上通称为“布莱尔(braille)”。
2、现有的盲文翻译的操作方式中，只是简单的对盲文进行一对一的进行翻译，导致翻译后往往存在错别字、语句不通顺或者翻译不正确的问题。
技术实现思路
1、本发明是为了克服现有技术中存在上述的不足，提供了一种高精准度的基于深度学习的盲文翻译方法。
2、为了实现上述目的，本发明采用以下技术方案：
3、一种基于深度学习的盲文翻译方法，具体包括如下步骤：
4、(1)对盲文文本预处理：对盲文做编码归一化处理；
5、(2)深度学习算法模型构建：深度学习算法模型学习编码后的文本规律；
6、(3)训练深度学习模型：通过深度学习模型翻译出对应的翻译内容。
7、本发明通过盲文文本预处理对算法输入部分做编码归一化处理，然后经过深度学习模型学习编码后的文本规律，经过训练深度学习模型翻译出对应的中文内容，最后在经过文本纠错单元对错别字进一步纠错，达到高精准度文本翻译结果。
8、作为优选，在步骤(1)中，盲文文本预处理的具体方法如下：
9、(11)对于盲文句子，根据盲文的特点，每一个中文字符对应的盲文都采用三方对齐表示，不足三方的用数字0填充表示；
10、(12)将每个编码后的十进制数替换成0到63对应的十进制数字，替换后的数字序列就是预处理的最终结果。
11、作为优选，在步骤(2)中，深度学习模型构建的具体方法如下：
12、(21)对编码后的盲文句子进行词嵌入编码，输出词嵌入编码后的词向量；
13、(22)用cnn网络提取句子的语法信息和单词前后关联信息。
14、作为优选，在步骤(22)中，具体操作方法如下：
15、(221)该cnn网络的输入是经过词嵌入编码后的词向量；
16、(222)词向量经过三层一维卷积神经网络，每一层的卷积核依次为7、5、3，用于提取不同长度句子中的语法信息和单词前后关联信息。
17、作为优选，在步骤(3)中，训练深度学习模型的具体方法如下：
18、(31)收集不同领域的中文文本，进行文本清洗，按句子分割，按照《国家通用盲文》规则，生成中盲对齐语料；
19、(32)根据步骤(1)所述的文本预处理算法，对中盲对齐语料中的盲文进行编码；
20、(33)将常用汉字做成词典，对中盲对齐语料中的中文句子进行编码；
21、(34)中盲对齐语料中的盲文语句作为深度学习模型的input，中文句子作为深度学习模型的output。
22、本发明的有益效果是：通过盲文文本预处理对算法输入部分做编码归一化处理，然后经过深度学习模型学习编码后的文本规律，经过训练深度学习模型翻译出对应的中文内容，最后在经过文本纠错单元对错别字进一步纠错，达到高精准度文本翻译结果。
1.一种基于深度学习的盲文翻译方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于深度学习的盲文翻译方法，其特征在于，步骤(1)中，盲文文本预处理的具体方法如下：
3.根据权利要求1所述的基于深度学习的盲文翻译方法，其特征在于，步骤(22)中，具体操作方法如下：
4.根据权利要求1所述的基于深度学习的盲文翻译方法，其特征在于，步骤(3)中，训练深度学习模型的具体方法如下：