[發(fā)明專利]中文語法錯(cuò)誤的識(shí)別方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 201910978231.2
• 申請(qǐng)日: 2019-10-15
• 公開（公告）號(hào): CN110866390B
• 公開（公告）日: 2022-02-11
• 發(fā)明（設(shè)計(jì)）人: 王健宗;程寧;于鳳英
• 申請(qǐng)（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號(hào): G06F40/253
• 分類號(hào): G06F40/253;G06F40/289;G06F16/35;G06N3/04
• 代理公司: 北京英特普羅知識(shí)產(chǎn)權(quán)代理有限公司 11015
• 代理人: 程超

1.一種中文語法錯(cuò)誤的識(shí)別方法，其特征在于，包括：

獲取待識(shí)別話術(shù)；

計(jì)算所述待識(shí)別話術(shù)中每個(gè)字對(duì)應(yīng)的初始特征組，其中，所述初始特征組包括詞向量、詞嵌入向量、詞性標(biāo)識(shí)、詞性離散概率、PMI分?jǐn)?shù)和非相鄰詞匯搭配特征中的至少兩個(gè)；

將所述初始特征組輸入至雙向循環(huán)神經(jīng)網(wǎng)絡(luò)中得到每個(gè)字對(duì)應(yīng)的中間特征，其中，所述中間特征為表征所述待識(shí)別話術(shù)語法的特征；

將每個(gè)字對(duì)應(yīng)的所述中間特征按照所述待識(shí)別話術(shù)中各個(gè)字的順序進(jìn)行拼接，得到結(jié)果特征；

將所述結(jié)果特征輸入至LR分類器，得到所述待識(shí)別話術(shù)的識(shí)別指標(biāo)，其中，所述識(shí)別指標(biāo)用于表征所述待識(shí)別話術(shù)包括語法錯(cuò)誤的概率；以及

根據(jù)所述識(shí)別指標(biāo)確定所述待識(shí)別話術(shù)是否包括語法錯(cuò)誤。

2.根據(jù)權(quán)利要求1所述的中文語法錯(cuò)誤的識(shí)別方法，其特征在于，

計(jì)算所述字的詞向量的步驟包括：根據(jù)語義對(duì)所述待識(shí)別話術(shù)進(jìn)行分詞，得到多個(gè)第一詞語，確定所述第一詞語的詞向量，其中，所述字的詞向量為其所屬的第一詞語的詞向量；

計(jì)算所述字的詞嵌入向量的步驟包括：在所述待識(shí)別話術(shù)的首尾分別添加間隔字，得到第一話術(shù)；以相鄰兩個(gè)字為一組對(duì)所述第一話術(shù)進(jìn)行分詞，得到多個(gè)第二詞語，每?jī)蓚€(gè)相鄰的所述第二詞語具有一個(gè)相同的字，確定所述第二詞語的詞向量，其中，所述字的詞嵌入向量為其所屬的第二詞語的詞向量，不同字的所述詞嵌入向量不同；

計(jì)算所述字的詞性標(biāo)識(shí)的步驟包括：預(yù)置詞性與詞標(biāo)識(shí)的第一對(duì)應(yīng)關(guān)系、字位置與位置標(biāo)識(shí)的第二對(duì)應(yīng)關(guān)系，根據(jù)所述第一詞語的詞性在所述第一對(duì)應(yīng)關(guān)系中查找到第一詞標(biāo)識(shí)，根據(jù)所述字的字位置在所述第二對(duì)應(yīng)關(guān)系中查找到第一位置標(biāo)識(shí)，其中，所述字位置包括所述字在其所述第一詞語的詞首位和非詞首位，所述字的詞性標(biāo)識(shí)包括所述第一詞標(biāo)識(shí)和所述第一位置標(biāo)識(shí)；

采用以下公式計(jì)算所述字的詞性離散概率：

其中，所述字的詞性離散概率為N*1數(shù)組，P[i]為所述數(shù)組的第i個(gè)元素，x_i為所述字在語料庫中以第i種所述詞性標(biāo)識(shí)出現(xiàn)的次數(shù)，x_S為所述字在所述語料庫中出現(xiàn)的次數(shù)，N為所述詞性標(biāo)識(shí)的種類；

采用以下公式計(jì)算所述字的PMI分?jǐn)?shù)：

其中，w1和w2為相鄰的兩個(gè)第三詞語，w1為所述相鄰的兩個(gè)第三詞語中的前一個(gè)，w2為所述相鄰的兩個(gè)第三詞語中的后一個(gè)，p(w1，w2)為所述相鄰的兩個(gè)第三詞語組成的詞組在所述語料庫中出現(xiàn)的次數(shù)，p(w1)為所述w1在所述語料庫中出現(xiàn)的次數(shù)，p(w2)為所述w2在所述語料庫中出現(xiàn)的次數(shù)，PMI(w2)為所述w2的PMI分?jǐn)?shù)，所述字的PMI分?jǐn)?shù)為其所屬的第三詞語的PMI分?jǐn)?shù)，所述第三詞語為根據(jù)語義對(duì)所述第一話術(shù)進(jìn)行分詞后得到的詞語；

計(jì)算所述字的非相鄰詞匯搭配特征的步驟包括：在所述待識(shí)別話術(shù)中確定每個(gè)所述第一詞語的依存詞，所述字的非相鄰詞匯搭配特征包括所述字所屬的第一詞語的詞向量、所述第一詞語的依存詞的詞向量和所述第一詞語與其依存詞的依存關(guān)系標(biāo)識(shí)。

3.根據(jù)權(quán)利要求1所述的中文語法錯(cuò)誤的識(shí)別方法，其特征在于，

預(yù)置雙向循環(huán)神經(jīng)網(wǎng)絡(luò)和LR分類器一一對(duì)應(yīng)的M個(gè)模型組，通過每個(gè)所述模型組均可得到所述待識(shí)別話術(shù)的識(shí)別指標(biāo)，得到M個(gè)識(shí)別指標(biāo)，其中，M為大于1的自然數(shù)；

根據(jù)所述識(shí)別指標(biāo)確定所述待識(shí)別話術(shù)是否包括語法錯(cuò)誤的步驟具體為：

判斷M個(gè)識(shí)別指標(biāo)中指示所述待識(shí)別話術(shù)包括語法錯(cuò)誤的識(shí)別指標(biāo)是否大于或等于L個(gè)；

若M個(gè)識(shí)別指標(biāo)中指示所述待識(shí)別話術(shù)包括語法錯(cuò)誤的識(shí)別指標(biāo)大于或等于L個(gè)，則確定所述待識(shí)別話術(shù)包括語法錯(cuò)誤，其中，L大于0且小于或等于M。