[發明專利]一種基于語音識別的文本處理方法和裝置

在審

• 申請號: 201510982716.0
• 申請日: 2015-12-23
• 公開（公告）號: CN105609107A
• 公開（公告）日: 2016-05-25
• 發明（設計）人: 曹松軍
• 申請（專利權）人: 北京奇虎科技有限公司;奇智軟件（北京）有限公司
• 主分類號: G10L15/26
• 分類號: G10L15/26;G06F17/27;G06F17/30
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 趙娟

1.一種基于語音識別的文本處理方法，包括：

獲取對語音數據進行語音識別獲得的第一文本；

對所述第一文本進行斷句，獲得一個或多個文本片段；

對所述一個或多個文本片段添加標點符號，組合成第二文本。

2.如權利要求1所述的方法，其特征在于，所述對所述第一文本進行 斷句，獲得一個或多個文本片段的步驟包括：

對所述第一文本進行切詞處理，獲得一個或多個字；

識別所述一個或多個字的詞位置；

在所述第一文本的指定的詞位置處進行斷句，獲得一個或多個文本片段。

3.如權利要求2所述的方法，其特征在于，所述識別所述一個或多個 字的詞位置的步驟包括：

按照字的順序，按照前一個字的每一個詞位置的概率，計算出后一個字 的每一個詞位置的概率；

按照字的逆序，按照后一個字基于概率標注的詞位置，標注出前一個字 的詞位置。

4.如權利要求3所述的方法，其特征在于，所述按照字的順序，按照 前一個字的每一個詞位置的概率，計算出后一個字的每一個詞位置的概率的 步驟包括：

通過預設的序列標注模型，計算出第1個字的每個詞位置的概率；

通過預設的序列標注模型，基于第i-1個字的每個詞位置的概率，計算 出第i個字的每個詞位置的概率，i為大于1的正整數；

針對第i個字的每個詞位置的概率，以值最高的概率作為所述詞位置的 概率。

5.如權利要求4所述的方法，其特征在于，所述序列標注模型為條件 隨機場模型，基于訓練文本及針對所述訓練文本中的字標注的詞位置訓練生 成，所述訓練文本的標點符號被替換。

6.如權利要求3或4或5所述的方法，其特征在于，所述按照字的逆 序，按照后一個字基于概率標注的詞位置，標注出前一個字的詞位置的步驟 包括：

針對最后一個字，標注值最高的概率所屬的詞位置；

當第i個字確定詞位置時，查詢計算出第i個字詞位置的概率的第i-1個 字的概率，i為大于1的正整數；

針對第i-1個字，標注所述第i-1個字的概率所屬的詞位置。

7.如權利要求2或3或4或5所述的方法，其特征在于，所述詞位置 包括詞首、詞尾、詞中、單字詞中的一個或多個；

所述在所述第一文本的指定的詞位置處進行斷句的步驟包括：

在所述第一文本的詞首和/或單字詞之前進行斷句；

和/或，

在所述第一文本的詞尾和/或單字詞之后進行斷句。

8.如權利要求1或2或3或4或5所述的方法，其特征在于，所述對 所述一個或多個文本片段添加標點符號的步驟包括：

針對每個文本片段，識別出關鍵詞；

查找所述關鍵詞對應的標點符號；

在所述文本片段之后添加所述標點符號。

9.一種基于語音識別的文本處理裝置，包括：

第一文本獲取模塊，適于獲取對語音數據進行語音識別獲得的第一文本；

斷句模塊，適于對所述第一文本進行斷句，獲得一個或多個文本片段；

標點符號添加模塊，適于對所述一個或多個文本片段添加標點符號，組 合成第二文本。

10.如權利要求9所述的裝置，其特征在于，所述斷句模塊還適于：

對所述第一文本進行切詞處理，獲得一個或多個字；

識別所述一個或多個字的詞位置；

在所述第一文本的指定的詞位置處進行斷句，獲得一個或多個文本片段。