1.一种模型训练方法，其特征在于，包括：
获取源语言构成的第一训练文本；
获取至少一种目标语言构成的第二训练文本；其中，所述源语言与任一种目标语言不同，所述第一训练文本的数量大于第二训练文本的数量；
基于所述第一训练文本与所述第二训练文本语义相同的训练结果，利用所述第一文本以及所述第二文本训练文本识别模型；
其中，所述文本识别模型用以基于至少一种目标语言的待处理文本从源语言的知识库中查找与所述待处理文本匹配的目标文本，以获得所述目标文本对应的应答内容。
2.根据权利要求1所述的方法，其特征在于，所述基于所述第一训练文本与所述第二训练文本语义相同的训练结果，利用所述第一文本以及所述第二文本训练文本识别模型包括：
获取所述第一训练文本的第一词向量以及所述第二训练文本的第二词向量；
基于所述第一词向量与所述第二词向量语义相同的训练结果，利用所述第一词向量以及所述第二词向量训练文本识别模型。
3.根据权利要求2所述的方法，其特征在于，所述基于所述第一词向量与所述第二词向量语义相同的训练结果，利用所述第一词向量以及所述第二词向量训练文本识别模型包括：
构建文本识别模型的编码器以及分类器；
利用所述编码器，将所述第一词向量转换为第一句向量以及所述第二词向量转换为第二句向量；
将所述第一句向量以及所述第二句向量作为分类参数输入所述分类器；
基于所述分类器对所述第一句向量以及所述第二句向量的语义分类结果，调整所述编码器以及所述分类器，返回至所述利用所述编码器，将所述第一词向量转换为第一句向量以及所述第二词向量转换为第二句向量的步骤继续执行，直至所述分类器对所述第一句向量以及所述第二句向量的语义分类结果相同。
4.根据权利要求3所述的方法，其特征在于，所述基于所述分类器对所述第一句向量以及所述第二句向量的语义分类结果，调整所述编码器以及所述分类器，返回至所述利用所述编码器，将所述第一词向量转换为第一句向量以及所述第二词向量转换为第二句向量的步骤继续执行，直至所述分类器对所述第一句向量以及所述第二句向量的语义分类结果相同包括：
构建分类损失函数以及编码损失函数；
获取所述分类器对所述第一句向量以及所述第二句向量的语义分类结果；
将所述语义分类结果输入所述分类损失函数，获得针对所述语义分类结果的分类损失评价结果；
如果所述分类损失评价结果不满足预设的分类损失条件，重新训练所述分类器，并返回至所述获取所述分类器对所述第一句向量以及所述第二句向量的语义分类结果的步骤继续执行；
如果所述分类损失评价结果满足预设的损失条件，将所述语义分类结果输入所述编码损失函数，获得编码损失评价结果；
如果所述编码损失评价结果满足预设的编码损失条件，确定所述分类器对所述第一句向量以及所述第二句向量的语义分类结果相同，获得文本识别模型；
如果编码损失评价结果不满足预设的编码损失条件，重新训练所述编码器；并返回至所述利用所述编码器，将所述第一词向量转换为第一句向量以及所述第二词向量转换为第二句向量的步骤继续执行，直至所述损失评价结果满足预设的损失条件。
5.根据权利要求4所述的方法，其特征在于，所述如果编码损失评价结果不满足预设的编码损失条件，重新训练所述编码器包括：
如果所述损失评价结果不满足预设的损失条件，将所述第一句向量翻译为至少一种目标语言各自对应的目标翻译文本，以及将所述第二句向量翻译为源语言对应的源翻译文本；
基于所述至少一种目标语言各自对应的目标翻译文本以及所述源翻译文本，重新训练所述编码器，以更新所述编码器。
6.根据权利要求2所述的方法，其特征在于，所述获取所述第一训练文本的第一词向量以及所述第二训练文本的第二词向量包括：
获取所述源语言以及所述至少一种目标语言对应的词向量库；其中，所述词向量库中基于所述源语言的第三训练文本以及所述至少一种目标语言的第四训练文本事先交叉训练获得；
查询所述词向量库中与所述第一训练文本各个分词匹配的第一词向量；
查询所述词向量库中与所述第二训练文本各个分词匹配的第二词向量。
7.根据权利要求2所述的方法，其特征在于，所述获取所述第一训练文本的第一词向量以及所述第二训练文本的第二词向量包括：
获取事先训练获得的权重矩阵；其中，所述权重矩阵基于源语言的第五训练数据以及至少一种目标语言的第六训练数据交叉训练获得；
计算所述第一训练文本每一个词语的初始词向量与所述权重矩阵的乘积，获得第一词向量；
计算所述第二训练文本每一个词语的初始词向量与所述权重矩阵的乘积，获得第二词向量。
8.根据权利要求2所述的方法，其特征在于，所述第一训练文本的第一词向量以及所述第二训练文本的第二词向量具体通过以下方式交叉训练获得：
获取第一训练文本对应的第一训练数据以及第二训练数据，以及所述第二训练文本对应的第三训练数据以及第四训练数据；
将所述第二训练数据翻译为至少一种目标语言各自对应的第一翻译数据，获得至少一种第一翻译数据；
将所述第四训练数据翻译为源语言对应的第二翻译数据；
基于所述第一训练数据以及所述至少一种第一翻译数据，获得所述第一训练数据的词向量以及所述至少一种第一翻译数据的词向量；
基于所述第三训练数据以及所述第二翻译数据，获得所述第三训练数据的词向量以及所述第二翻译数据的词向量；
根据所述第一训练数据的词向量以及所述第二翻译数据的词向量，确定所述第一训练文本的第一词向量；
根据所述第三训练数据的词向量以及所述至少一种第一翻译数据的词向量，确定所述第二训练文本的第二词向量。
9.根据权利要求8所述的方法，其特征在于，所述基于所述第一训练数据以及所述至少一种第一翻译数据，获得所述第一训练数据的词向量以及所述至少一种第一翻译数据的词向量包括：
确定所述第一训练数据的第一初始向量，以及所述至少一种第一翻译数据的第二初始向量；
确定第一权重矩阵以及第二权重矩阵；
基于所述第一初始向量与所述第一权重矩阵，获得第一隐层向量；
基于所述第一隐层向量与所述第二权重矩阵，获得第一预测向量；
预估所述第一预测向量与所述第二初始向量的第一向量差异；
如果所述第一向量差异满足预设的差异条件，确定所述第一初始向量为所述第一训练数据的词向量以及所述第二初始向量为所述至少一种第一翻译数据的词向量；
如果所述第一向量差异不满足预设的差异条件，更新所述输入权重矩阵、所述输出权重矩阵、所述第一初始向量以及所述第二初始向量；并返回至所述确定所述第一训练数据的第一初始向量以及所述至少一种第一翻译数据的第二初始向量的步骤继续执行。
10.根据权利要求8所述的方法，其特征在于，所述基于所述第三训练数据以及所述第二翻译数据，获得所述第三训练数据的词向量以及所述第二翻译数据的词向量包括：
确定所述第三训练数据的第三初始向量，以及所述第二翻译数据的第四初始向量；
确定第三权重矩阵以及第四权重矩阵；
基于所述第三初始向量与所述第三权重矩阵，获得第二隐层向量；
基于所述第二隐层向量与所述第四权重矩阵，获得第二预测向量；
预估所述第二预测向量与所述第四初始向量的第二向量差异；
如果所述第二向量差异满足预设的差异条件，确定所述第三初始向量为所述第三训练数据的词向量以及所述第四初始向量为所述第二翻译数据的词向量；
如果所述第二向量差异不满足预设的差异条件，更新所述第三权重矩阵、所述第四权重矩阵、所述第三初始向量以及所述第四初始向量；并返回至所述确定所述第三训练数据的第三初始向量以及所述第二翻译数据的第四初始向量的步骤继续执行。
11.一种文本处理方法，其特征在于，包括：
确定待处理文本对应的至少一种目标语言；
基于文本识别模型，从所述至少一种目标语言对应源语言的知识库中查找与所述待处理文本匹配的目标文本；其中，所述文本识别模型基于源语言的第一训练文本以及所述至少一种目标语言的第二训练文本语义相同的训练结果事先训练获得，所述源语言与所述任一种目标语言不同且所述第一训练文本的数量大于所述第二训练文本的数量；
获得与所述目标文本对应的应答内容。
12.根据权利要求11所述的方法，其特征在于，所述确定所述待处理文本对应的至少一种目标语言包括：
确定所述待处理文本的至少一个分词；
针对每一个分词对应的语言种类，确定所述待处理文本对应的至少一种目标语言。
13.根据权利要求11所述的方法，其特征在于，所述确定所述待处理文本对应的至少一种目标语言包括：
确定所述待处理文本的至少一个分词；
确定所述每一个分词是否在同义词替换表中存在同义词；
如果存在将所述每一个分词替换为所述同义词替换表中的目标同义词，获得替换后的至少一个替换分词；
针对所述至少一个替换分词的语言种类，确定所述待处理文本的目标语言。
14.根据权利要求11所述的方法，其特征在于，所述基于文本识别模型，从所述至少一种目标语言对应源语言的知识库中查找与所述待处理文本匹配的目标文本包括：
确定所述至少一种目标语言对应所述源语言的知识库中至少一个标准文本；其中，每一个标准文本对应有相应的应答内容；
基于所述文本识别模型，从所述至少一个标准文本中查找与所述待处理文本最匹配的目标文本。
15.根据权利要求14所述的方法，其特征在于，所述确定所述至少一种目标语言对应所述源语言的知识库中至少一个标准文本包括：
提取所述待处理文本的实体词；
从所述至少一种目标语言对应源语言的知识库中，查找包含所述实体词的至少一个标准文本；其中，每一个标准文本对应有相应的应答内容。
16.根据权利要求14所述的方法，其特征在于，所述基于所述文本识别模型，从所述至少一个标准文本中查找与所述待处理文本最匹配的目标文本包括：
基于词向量训练模型，确定所述至少一个标准文本分别对应的标准词向量以及所述待处理文本的待处理词向量；
基于所述待处理词向量与所述至少一个标准文本分别对应的标准词向量的词向量相似程度，从所述至少一个标准文本中选择第一数量的候选文本；
基于所述文本识别模型中事先训练获得的编码器，将所述第一数量候选文本各自对应的标准词向量转换为候选句向量以及将所述待处理词向量转换为待处理句向量；
根据第一数量的候选句向量与所述待处理句向量的句向量相似度，确定相似度最高的候选句向量对应候选文本为所述目标文本。
17.根据权利要求16所述的方法，其特征在于，所述基于词向量训练模型，确定所述至少一个标准文本分别对应的标准词向量以及所述待处理文本的待处理词向量包括：
基于词向量训练模型，确定每一个标准文本对应的至少一个词向量以及所述待处理词向量对应的至少一个词向量；
计算所述每一个标准文本对应至少一个词向量的平均词向量，获得每一个标准文本的标准词向量，以确定所述至少一个标准文本分别对应的标准词向量；
计算所述待处理文本对应至少一个词向量的平均词向量，获得所述待处理文本的待处理词向量。
18.一种文本处理方法，其特征在于，包括：
确定用户输入的至少一种目标语言的待处理文本；
发送所述待处理文本至服务端，以供所述服务端确定所述待处理文本对应的至少一种目标语言，并基于文本识别模型，从所述至少一种目标语言对应源语言的知识库中查找与所述待处理文本匹配的目标文本；获取并发送所述目标文本对应应答内容至用户端；
接收所述服务端发送的目标文本的应答内容；
输出所述应答内容，以供所述用户查看；
其中，所述文本识别模型基于源语言的第一训练文本以及至少一种目标语言的第二训练文本语义相同的训练结果事先训练获得，所述源语言与任一种目标语言不同且所述第一训练文本的数量大于第二训练文本的数量。
19.一种模型训练装置，其特征在于，包括：
第一获取模块，用于获取源语言构成的第一训练文本；
第二获取模块，用于获取至少一种目标语言构成的第二训练文本；其中，所述源语言与任一种目标语言不同，所述第一训练文本的数量大于第二训练文本的数量；
模型训练模块，用于基于所述第一训练文本与所述第二训练文本语义相同的训练结果，利用所述第一文本以及所述第二文本训练文本识别模型；
其中，所述文本识别模型用以基于至少一种目标语言的待处理文本从源语言的知识库中查找与所述待处理文本匹配的目标文本，以获得所述目标文本对应的应答内容。
20.一种文本处理装置，其特征在于，包括：
第一确定模块，用于确定待处理文本对应的至少一种目标语言；
文本匹配模块，用于基于文本识别模型，从所述至少一种目标语言对应源语言的知识库中查找与所述待处理文本匹配的目标文本。其中，所述文本识别模型基于源语言的第一训练文本以及所述第一训练文本对应至少一种目标语言的第二训练文本语义相同的训练结果事先训练获得，所述源语言与任一种目标语言不同且所述第一训练文本的数量大于所述第二训练文本的数量；
内容获取模块，用于获得与所述目标文本对应的应答内容。
21.一种文本处理装置，其特征在于，包括：
第二确定模块，用于确定用户输入的至少一种目标语言的待处理文本；
文本发送模块，用于发送所述待处理文本至服务端，以供所述服务端确定所述待处理文本对应的至少一种目标语言，并基于文本识别模型，从所述至少一种目标语言对应源语言的知识库中查找与所述待处理文本匹配的目标文本；获取并发送所述目标文本对应应答内容至用户端；
文本接收模块，用于接收所述服务端发送的目标文本的应答内容；
文本输出模块，用于输出所述应答内容，以供所述用户查看；
其中，所述文本识别模型基于源语言的第一训练文本以及至少一种目标语言的第二训练文本语义相同的训练结果事先训练获得，所述源语言与任一种目标语言不同，所述第一训练文本的数量大于第二训练文本的数量。
22.一种模型训练设备，其特征在于，包括：存储组件以及处理组件，所述存储组件存储一条或多条计算机指令，所述一条或多条计算机指令供所述处理组件调用并执行；
所述处理组件用于：
获取源语言构成的第一训练文本；获取至少一种目标语言构成的第二训练文本；其中，所述源语言与任一种目标语言不同，所述第一训练文本的数量大于第二训练文本的数量；
基于所述第一训练文本与所述第二训练文本语义相同的训练结果，利用所述第一文本以及所述第二文本训练文本识别模型；
其中，所述文本识别模型用以基于至少一种目标语言的待处理文本从源语言的知识库中查找与所述待处理文本匹配的目标文本，以获得所述目标文本对应的应答内容。
23.一种文本处理设备，其特征在于，包括：存储组件以及处理组件，所述存储组件存储一条或多条计算机指令，所述一条或多条计算机指令供所述处理组件调用并执行；
所述处理组件用于：
确定待处理文本对应的至少一个目标语言；基于文本识别模型，从所述至少一个目标语言对应源语言的知识库中查找与所述待处理文本匹配的目标文本；其中，所述文本识别模型基于源语言的第一训练文本以及所述第一训练文本对应至少一个目标语言的第二训练文本语义相同的训练结果事先训练获得，所述源语言与所述任一种目标语言不同且所述第一训练文本的数量大于所述第二训练文本的数量；获得与所述目标文本对应的应答内容。
24.一种文本处理设备，其特征在于，包括：存储组件以及处理组件，所述存储组件存储一条或多条计算机指令，所述一条或多条计算机指令供所述处理组件调用并执行；
所述处理组件用于：
确定用户输入的至少一种目标语言的待处理文本；发送所述待处理文本至服务端，以供所述服务端确定所述待处理文本对应的至少一种目标语言，并基于文本识别模型，从所述至少一种目标语言对应源语言的知识库中查找与所述待处理文本匹配的目标文本；获取并发送所述目标文本对应应答内容至用户端；接收所述服务端发送的目标文本的应答内容；输出所述应答内容，以供所述用户查看；其中，所述文本识别模型基于源语言的第一训练文本以及至少一种目标语言的第二训练文本语义相同的训练结果事先训练获得，所述源语言与任一种目标语言不同且所述第一训练文本的数量大于第二训练文本的数量。