一种基于多智能体协同与RAG技术的中医文献翻译系统及方法

本发明涉及多智能体rag（英文全称为：retrieval - augmented generation；中文全称为：检索增强生成）中医文献翻译，具体为基于多智能体协同与rag技术的中医文献翻译系统及方法。

背景技术：

1、目前，中医药术语翻译主要依赖人工翻译和简单的机器翻译；人工翻译虽然能够保证较高的翻译质量，但效率低下，难以满足大量文献的翻译需求；而现有的机器翻译技术在处理中医药术语时，常常由于术语的特殊性和复杂性，导致翻译结果不准确，存在歧义，无法满足专业需求。

2、根据中国专利申请号为202510065937.5的实用新型专利中提到的一种基于自然语言处理技术的中医药术语翻译方法和系统，该基于自然语言处理技术的中医药术语翻译方法和系统能够解决现有技术中至少存在如下问题或缺陷：一是无法实时更新和采集中医药文献中的新术语，导致翻译内容滞后；二是对中医药术语的语义理解不够深入，无法准确判断语义变化，从而影响翻译的准确性；三是缺乏有效的歧义分析和处理机制，当遇到多义术语时，无法给出准确的翻译结果；四是现有翻译系统模块化程度低，无法灵活应对不同类型的中医药术语翻译需求的问题，该基于自然语言处理技术的中医药术语翻译方法和系统采用单一的nlp模型进行翻译，术语库为静态预置结构，无法实时响应翻译过程中的语义歧义，且缺乏跨片段协同机制，译文一致性差，因此，有必要提出基于多智能体协同与rag技术的中医文献翻译系统及方法来解决上述提出的问题。

技术实现思路

1、针对现有技术的不足，本发明提供了基于多智能体协同与rag技术的中医文献翻译系统及方法，具备能够实时响应翻译过程中的语义歧义，且具备跨片段协同机制等优点。

2、为实现上述目的，本发明提供一种基于多智能体协同与rag技术的中医文献翻译系统，其包括：

3、文本输入与预处理模块，用于对待翻译的中医文献的包含中医专业术语的文言文源语言文本进行预处理，将每个预处理后的文本块、来源的文档元信息、以及从该文本块中提取出的中医专业术语列表，共同封装为数组对象；

4、翻译任务分解与分配模块，用于将数组对象作为整体翻译任务，并依据预设的多阶段翻译流程，将该整体翻译任务分解为多个细分的子翻译任务；

5、多智能体翻译群组，包括多个具有特定专长的翻译智能体，用于分别接收并处理对应的子翻译任务，生成对应的初始译文片段；

6、rag模块，连接至少一个存储中医领域知识的中医术语与典籍知识库，用于接收来自翻译智能体的包含语境信息的关键词或短语查询，基于向量相似度计算从中医术语与典籍知识库中检索相关术语定义、经典原文引用、概念解释、使用范例或图谱关联信息，将检索结果以语义增强片段的形式返回给翻译智能体；

7、结果协同与整合模块，用于接收翻译智能体生成的初始译文片段，基于子翻译任务间的关联性和上下文一致性，对各初始译文片段进行协同优化、修正与拼接整合，生成最终的目标语言翻译文本；

8、其中，多智能体翻译群组和rag模块基于用户反馈和/或专家校对后的修正译文，通过以下方式实现模型与知识的动态更新：

9、针对多智能体翻译群组中的翻译智能体，将修正译文与对应的初始译文构造成高质量的监督微调数据对，采用参数高效微调方法针对特定智能体的基础大模型进行增量训练，若为术语翻译错误，则使用修正后的术语例句对术语专门化智能体的模型参数进行微调，以强化其对该术语的映射能力，若为古文理解偏差，则利用正确的古文 - 现代文对照样本对古文中译智能体进行针对性训练；

10、针对rag模块，根据识别出的信息中的检索失败案例，对检索模型利用包含正负样本的查询 - 典籍段落对，通过对比学习方式进行微调，以提升其对于关键上下文信息的捕捉能力，对排序模型则利用专家标注的相关性分数，对检索结果的重排序模型进行增量训练，优化其对于重要典籍段落的优先级判别能力。

11、进一步地，翻译智能体包括通用语义智能体、术语专门化智能体、古文中译智能体、典籍释义智能体中的至少一种：

12、通用语义智能体用于处理常规语义的基础翻译任务；

13、术语专门化智能体用于处理中医专业术语的翻译，解析中医专业术语；

14、古文中译智能体用于将古文语法转换为更易理解的现代汉语；

15、典籍释义智能体用于处理典籍引文，关联上下文信息。

16、进一步地，rag模块连接的中医术语与典籍知识库为结构化中医术语库，包括：

17、术语标准化译名、异名对照、概念定义、语义网络关联；

18、中医经典古籍原文及其多版本译文数据库；

19、当代中医著作、教材、临床指南数据库；

20、中医知识图谱，关联实体、概念、属性与关系；

21、中医翻译规则库及常见歧义处理方法。

22、进一步地，rag模块用于响应任一翻译智能体的特定查询请求，从中医术语与典籍知识库中检索出与查询请求语义相关的辅助信息，辅助信息包括：

23、术语定义或标准译名；

24、经典原文的释义或使用范例；

25、知识图谱关联信息；

26、翻译规则库中的歧义处理建议；

27、并将辅助信息反馈给发起查询的翻译智能体，供其在生成或优化初始译文片段时融合利用；

28、在多智能体翻译群组和rag模块的动态更新过程中，基于修正译文与结果协同与整合模块输出的差异，识别翻译错误或可优化点。

29、进一步地，结果协同与整合模块的实现流程包括：

30、接收由不同翻译智能体生成的初始译文片段，包括文言文转译结果、初步双语翻译结果及专业术语翻译结果；

31、利用翻译冲突检测单元检测不同译文片段在术语译法、概念解释、逻辑承接或语体风格上的不一致性或冲突；

32、利用语境一致性调优单元根据源语言文本的整体语境对相应的译文进行连贯性和语义一致性调整；

33、利用文本流畅度优化单元对优化调整后的译文片段进行拼接组合，输出最终翻译文本。

34、本发明还提供一种基于多智能体协同与rag技术的中医文献翻译方法，其包括：

35、步骤s1，文本输入与预处理：接收待翻译的中医文献的包含中医专业术语的文言文源语言文本，并对源语言文本进行预处理；

36、步骤s2，翻译任务分解与分配：将预处理后的文本块作为整体翻译任务，并将其分解为多个细分的子翻译任务，分配给多智能体翻译群组中的相应翻译智能体；

37、步骤s3，翻译智能体与rag辅助：各翻译智能体执行其分配的子翻译任务，任一翻译智能体在需要时向rag模块发起包含语境信息的特定查询请求，rag模块从中医术语与典籍知识库中检索相关辅助信息并反馈给翻译智能体，翻译智能体融合辅助信息生成或优化初始译文片段；

38、步骤s4，结果协同与整合：收集各翻译智能体生成的初始译文片段，基于子翻译任务间的关联性和上下文一致性，对各初始译文片段进行协同优化、修正与拼接整合，生成最终的目标语言翻译文本；

39、步骤s5，模型与知识动态更新：基于用户反馈和/或专家校对后的修正译文，通过以下方式实现模型与知识的动态更新：

40、针对多智能体翻译群组中的翻译智能体，将修正译文与对应的初始译文构造成高质量的监督微调数据对，采用参数高效微调方法（例如lora）针对特定智能体的基础大模型进行增量训练，若为术语翻译错误，则使用修正后的术语例句对术语专门化智能体的模型参数进行微调，以强化其对该术语的映射能力，若为古文理解偏差，则利用正确的古文 -现代文对照样本对古文中译智能体进行针对性训练；

41、针对rag模块，根据识别出的信息中的检索失败案例，对检索模型利用包含正负样本的查询 - 典籍段落对，通过对比学习方式进行微调，以提升其对于关键上下文信息的捕捉能力，对排序模型则利用专家标注的相关性分数，对检索结果的重排序模型进行增量训练，优化其对于重要典籍段落的优先级判别能力。

42、进一步地，翻译智能体包括通用语义智能体、术语专门化智能体、古文中译智能体、典籍释义智能体中的至少一种：

43、通用语义智能体用于处理常规语义的基础翻译任务；

44、术语专门化智能体用于处理中医专业术语的翻译，解析中医专业术语；

45、古文中译智能体用于将古文语法转换为更易理解的现代汉语；

46、典籍释义智能体用于处理典籍引文，关联上下文信息。

47、进一步地，rag模块连接的中医术语与典籍知识库为结构化中医术语库，包括：

48、术语标准化译名、异名对照、概念定义、语义网络关联；

49、中医经典古籍原文及其多版本译文数据库；

50、当代中医著作、教材、临床指南数据库；

51、中医知识图谱，关联实体、概念、属性与关系；

52、中医翻译规则库及常见歧义处理方法。

53、进一步地，rag模块用于响应任一翻译智能体的特定查询请求，从中医术语与典籍知识库中检索出与查询请求语义相关的辅助信息，辅助信息包括：

54、术语定义或标准译名；

55、经典原文的释义或使用范例；

56、知识图谱关联信息；

57、翻译规则库中的歧义处理建议；

58、并将辅助信息反馈给发起查询的翻译智能体，供其在生成或优化初始译文片段时融合利用；

59、在多智能体翻译群组和rag模块的动态更新过程中，基于修正译文与结果协同与整合模块输出的差异，识别翻译错误或可优化点。

60、进一步地，步骤s4具体包括：

61、接收由不同翻译智能体生成的初始译文片段，包括文言文转译结果、初步双语翻译结果及专业术语翻译结果；

62、利用翻译冲突检测单元检测不同译文片段在术语译法、概念解释、逻辑承接或语体风格上的不一致性或冲突；

63、利用语境一致性调优单元根据源语言文本的整体语境对相应的译文进行连贯性和语义一致性调整；

64、利用文本流畅度优化单元对优化调整后的译文片段进行拼接组合，输出最终翻译文本。

65、与现有技术相比，本发明提供了基于多智能体协同与rag技术的中医文献翻译系统及方法，具备以下有益效果：

66、1、该基于多智能体协同与rag技术的中医文献翻译系统及方法，针对中医术语多义性，由术语专门化智能体调用rag模块实时检索知识库中的标准化译名及异名对照表，结合语境动态选择译法；对比传统单一nlp模型，降低术语误译率（基于《中医基本名词》5000条术语测试）；当通用语义智能体遭遇歧义词，触发rag检索知识图谱关联信息，确保译名精准。

67、2、该基于多智能体协同与rag技术的中医文献翻译系统及方法，针对经典引文，典籍释义智能体请求rag模块：检索《伤寒论》原文及多版本权威译文（wiseman/nigel版）；返回配伍原理及适应症语义增强片段；突破对比例静态术语库局限，提升典籍引文还原度，保障学术严谨性。

68、3、该基于多智能体协同与rag技术的中医文献翻译系统及方法，通过翻译冲突检测单元识别相邻译文矛盾（如前文“伤寒“译“cold damage“，后文误为“febrile disease“）；语境一致性调优单元基于全文语义网（如“六经辨证“主线）统一术语，重构逻辑链（如“太阳病→阳明病“的传变关系）；解决对比例缺乏跨片段协同的缺陷，保证上下文一致性。