[發明專利]一種自動更正部分文字的方法-由中文詞性判斷

有效

• 申請號: 201710963696.1
• 申請日: 2017-10-17
• 公開（公告）號: CN107729318B
• 公開（公告）日: 2021-04-20
• 發明（設計）人: 王蓮
• 申請（專利權）人: 語聯網（武漢）信息技術有限公司
• 主分類號: G06F40/232
• 分類號: G06F40/232
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明主要涉及對“的”、“得”、“地”三字的判斷更正。譯員在翻譯完成稿件后，本方法將自動檢查譯員稿件中使用的“的”和“得”和“地”，根據規則，如果用錯，會自動更正成正確的“的”或“得”或“地”。根據本發明提供的方法，首先檢測出文檔中所有包含“的”、“得”、“地”的句子，根據分詞方法判斷其屬于實詞還是虛詞；屬于實詞的時候，直接跳過；否則，根據相關規則進行“的”、“得”、“地”的修正判斷。采用本發明，可以提高翻譯文檔的表達準確性，避免現有技術中人工核實的效率低下問題。

技術領域

本發明屬于文檔處理技術領域，尤其涉及一種自動更正部分文字的方法。

背景技術

在中文語法中，“的”、“得”、“地”用作虛詞時，是連接文章中詞與詞，字與字之間的重要橋梁，在各種書面表達中使用十分廣泛。然而，很多人并沒有清楚的知曉三者的區別，通常相互混用，甚至全部用“的”代替。

從語法研究上看，呂叔湘、朱德熙所著《語法修辭講話》認為“的”兼職過多，負擔過重，而力主“的、地、得”嚴格分工。50 年代以來的諸多現代漢語論著和教材，一般也持這一主張。

從書面語中的使用情況看，“的”與“地”、“得”的分工也日趨明確，例如，在邏輯性很強的論述性、說明性語言中，如法律條款、學術論著、外文譯著、教科書等情形中，必須嚴格區分三者的使用情況，才能保證書面語言的精確。特別是將上述相關的外文材料，例如法律條款/新聞稿/公文，翻譯成中文時，為了保證原文的準確性，更是不能混淆。無論從新聞出版界奉為標準的《現代漢語詞典》“的”“得”“地”詞條來看，還是《人民日報》、新華社和正規出版社的實踐來看，都是嚴格區分的。“的”、“得”、“地”三字的亂用，只會導致譯文最終貽笑大方。

但是，當前大多數翻譯人員在翻譯時并沒有注意到這一問題，經常出現翻譯錯誤，或者隨意的給出“的”、“得”、“地”的某一種翻譯，而沒有兼顧原文的準確含義；另外，在翻譯時如果一一準確推敲該采用哪一種表達，又會導致翻譯效率低下，因此，譯員也有可能選擇翻譯時不嚴格推敲，事后再校對的方法，但是這種方式并不能保證結果的準確性，同時也耗費譯員精力。

簡單來說，“的、地、得”在普通話里都讀輕聲“de”，但在書面語中有必要寫成三個不同的字：在定語后面寫作“的”，在狀語后面寫作“地”，在補語前寫作“得”。這樣做的好處，就是可使書面語言精確化。

雖然這一使用規則為語言學者所熟知，但是對于譯員來說，其需要再給出中文句子翻譯結果之后才能使用上述規則，在文檔翻譯量巨大的情形下，一一人工甄別是不現實的；另外，大部分翻譯工作者不是嚴格掌握語法規則的研究人員，其注重的可能更多是實質內容本身，而不會重視這三個字的重要性；更重要的是，“的、地、得”只有在做虛詞的時候才會出現上述情況，處于實詞構成部分的“的、地、得”是不需要考慮上述問題的，因此，簡單采用三字查找的方式，徒增工作量。

另外，即使知曉了上述“的、地、得”的使用規則，但是在中文語料中，對于所謂定語/狀語/補語的定義，由于計算機并不能嚴格定義其特征，無法精確識別，因此，無法直接將上述判斷方法計算機流程化實現。

發明內容

為了解決文檔中有關“的、地、得”錯誤使用的問題，本發明提供了一種自動更正方法。該方法首先定位出文檔中所有作為虛詞使用的“的、地、得”，然而根據相應的規則，對其進行更正。

所述方法可以采用計算機技術全自動的實現。根據處理思路的不同，存在兩種不同的更正方法。

在第一方面，本發明提供的一種自動更正部分文字的方法，包括如下步驟：

S1. 對待更正文檔進行分句處理，得到多個句子；

S2. 提取包含所述特定文字的句子，將其依序存儲到序列表中；