[發明專利]一種文本檢錯方法及裝置

有效

• 申請號: 201811006028.0
• 申請日: 2018-08-30
• 公開（公告）號: CN110929502B
• 公開（公告）日: 2023-08-25
• 發明（設計）人: 張占秋;李帥;王偉瑋;王杰
• 申請（專利權）人: 北京嘀嘀無限科技發展有限公司
• 主分類號: G06F40/216
• 分類號: G06F40/216;G06F40/232
• 代理公司: 北京超成律師事務所 11646
• 代理人: 鄧超

1.一種文本檢錯方法，其特征在于，包括：

基于存儲有正確文本的語料庫，從待檢測文本中篩選疑似錯誤詞匯和疑似錯誤字符；

從所述待檢測文本中獲取每個所述疑似錯誤字符所屬的詞匯，并從所述疑似錯誤字符所屬的詞匯中篩選屬于所述疑似錯誤詞匯的詞匯，得到目標疑似詞匯；

基于每個目標疑似詞匯出現在所述待檢測文本的當前位置的概率，從所述目標疑似詞匯中篩選目標錯誤字符；

所述從所述目標疑似詞匯中篩選目標錯誤字符,包括：

基于每個目標疑似詞匯出現在所述待檢測文本的當前位置的概率，從所述目標疑似詞匯中篩選目標錯誤詞匯；

從所述目標錯誤詞匯的所有字符中，篩選屬于所述疑似錯誤字符的字符，得到所述目標錯誤字符。

2.根據權利要求1所述的方法，其特征在于，所述從所述目標疑似詞匯中篩選目標錯誤詞匯，包括：

確定每個目標疑似詞匯出現在所述待檢測文本的當前位置的概率，得到每個目標疑似詞匯的第一概率；

篩選第一概率小于第一預定值的目標疑似詞匯，得到所述目標錯誤詞匯。

3.根據權利要求2所述的方法，其特征在于，確定所述第一概率包括：

獲取所述目標疑似詞匯在所述待檢測文本中的前一個詞匯，得到第一詞匯；

獲取所述目標疑似詞匯在所述待檢測文本中的后一個詞匯，得到第二詞匯；

根據所述語料庫中每兩個詞匯共同出現的概率，確定所述目標疑似詞匯、所述第一詞匯以及所述第二詞匯共同出現的概率，得到所述第一概率。

4.根據權利要求3所述的方法，其特征在于，所述語料庫中每兩個詞匯共同出現的概率具體為，其中一個詞匯出現在另外一個詞匯的后面的概率；

確定所述第一概率包括，

根據所述語料庫中每兩個詞匯共同出現的概率，確定所述目標疑似詞匯出現在所述第一詞匯的后面，并且所述第二詞匯出現在所述目標疑似詞匯的后面的概率。

5.根據權利要求1至4任一項所述的方法，其特征在于，所述從待檢測文本中篩選疑似錯誤詞匯和疑似錯誤字符，包括：

獲取所述語料庫和待檢測文本；

基于所述語料庫中每兩個字符共同出現的概率和每兩個詞匯共同出現的概率，從所述待檢測文本中篩選疑似錯誤詞匯和疑似錯誤字符。

6.根據權利要求5所述的方法，其特征在于，從所述待檢測文本中篩選疑似錯誤字符，包括：

獲取所述待檢測文本的從第N個字符開始的M個字符，得到至少一個第一集合；其中，N大于或等于1，并且N小于或等于L-M-1，L表示所述待檢測文本的字符的個數；

根據所述語料庫中每兩個字符共同出現的概率，確定所述第一集合中的M個字符共同出現的概率，得到第二概率；

基于所述第二概率，從所述第一集合中篩選所述疑似錯誤字符。

7.根據權利要求6所述的方法，其特征在于，所述從所述第一集合中篩選所述疑似錯誤字符，包括：

篩選第二概率小于第二預定值的第一集合，并從篩選得到的第一集合中獲取所有的字符，得到所述疑似錯誤字符。

8.根據權利要求6所述的方法，其特征在于，所述語料庫中每兩個字符共同出現的概率具體為，其中一個字符出現在另外一個字符的后面的概率；

確定所述第二概率包括，

根據所述語料庫中每兩個字符共同出現的概率，確定所述第一集合中的M個字符按照第一預定順序共同出現的概率，得到所述第二概率，其中，所述第一預定順序用于表示所述第一集合中的M個字符在所述待檢測文本中的順序。