[發明專利]用于處理文本的方法和裝置

在審

• 申請號: 202010134249.7
• 申請日: 2020-03-02
• 公開（公告）號: CN112307748A
• 公開（公告）日: 2021-02-02
• 發明（設計）人: 不公告發明人
• 申請（專利權）人: 北京字節跳動網絡技術有限公司
• 主分類號: G06F40/232
• 分類號: G06F40/232;G06F40/205;G06F40/253;G10L15/26
• 代理公司: 北京海智友知識產權代理事務所(普通合伙) 11455
• 代理人: 鞏靖

本公開的實施例公開了用于處理文本的方法和裝置。該方法的一具體實施方式包括：獲取用戶書寫的內容對應的文本作為用戶文本；確定用戶文本對應的語音的語音特征，以及利用語音特征進行語音識別以得到識別文本；從用戶文本中選取與識別文本中對應的字不同的字作為差異字，得到差異字集；根據差異字集，確定用戶書寫的內容的處理結果，其中，處理結果用于指示用戶書寫的內容中出現的疑似錯別字。該實施方式實現了有助于實現對用戶書寫的內容中的錯別字的便捷檢測。

技術領域

本公開的實施例涉及計算機技術領域，具體涉及用于處理文本的方法和裝置。

背景技術

隨著計算機技術的快速發展和廣泛應用。在日常生活中，用戶可以直接利用所使用的電子設備所提供的打字、語音、視頻等功能與其它用戶進行交流，而用戶手寫一些字的機會越來也少。這也直接導致用戶會淡忘掉許多字的正確寫法。因此，用戶在通過手寫完成一些內容(如手寫報告、手寫文稿等等)時，容易出現錯別字。

另外，對于許多學生來說，尤其是中小學生，由于其本身對漢字的書寫可能就還不熟練，因此，這些用戶在在書寫作業時，也同樣會出現錯別字。

針對以上示例的各種用戶書寫時容易出現錯別字的情況，通常需要用戶自身或用戶的朋友、家長等仔細檢查才可能發現錯別字，而且還很容易出現遺漏的錯別字。有些情況下，如果用戶書寫的內容包括的字數太多，這樣檢查也會非常耗時。

發明內容

本公開的實施例提出了用于處理文本的方法和裝置。

第一方面，本公開的實施例提供了一種用于處理文本的方法，該方法包括：獲取用戶書寫的內容對應的文本作為用戶文本；確定用戶文本對應的語音的語音特征，以及利用語音特征進行語音識別以得到識別文本；從用戶文本中選取與識別文本中對應的字不同的字作為差異字，得到差異字集；根據差異字集，確定用戶書寫的內容的處理結果，其中，處理結果用于指示用戶書寫的內容中出現的疑似錯別字。

在一些實施例中，根據差異字集，確定用戶書寫的內容的處理結果，包括：對于差異字集中的差異字，從用戶文本中提取該差異字所在的詞組成該差異字對應的詞集；根據該差異字對應的詞集，確定該差異字是否為疑似錯別字。

在一些實施例中，根據該差異字對應的詞集，確定該差異字是否為疑似錯別字，包括：確定預設的詞庫中是否包括該差異字對應的詞集中的詞；響應于確定詞庫不包括該差異字對應的詞集中的詞，確定該差異字作為疑似錯別字。

在一些實施例中，上述方法還包括：從用戶文本中選取屬于預設的常錯字詞庫中的字和詞作為候選字詞，得到候選字詞集；對于候選字詞集中的候選字詞，確定該候選字詞是否為疑似錯別字；響應于確定該候選字詞為疑似錯別字，更新處理結果。

在一些實施例中，確定該候選字詞是否為疑似錯別字，包括：根據該候選字詞對應的語法規則，確定該候選字詞是否為疑似錯別字。

在一些實施例中，上述方法還包括：接收針對處理結果的用戶反饋信息；根據用戶反饋信息，更新上述詞庫。

在一些實施例中，上述方法還包括：根據用戶反饋信息，更新針對用戶構建的錯別字集。

第二方面，本公開的實施例提供了一種用于處理文本的裝置，該裝置包括：獲取單元，被配置成獲取用戶書寫的內容對應的文本作為用戶文本；識別單元，被配置成確定用戶文本對應的語音的語音特征，以及利用語音特征進行語音識別以得到識別文本；選取單元，被配置成從用戶文本中選取與識別文本中對應的字不同的字作為差異字，得到差異字集；處理單元，被配置成根據差異字集，確定用戶書寫的內容的處理結果，其中，處理結果用于指示用戶書寫的內容中出現的疑似錯別字。

在一些實施例中，上述處理單元進一步被配置成對于差異字集中的差異字，從用戶文本中提取該差異字所在的詞組成該差異字對應的詞集；根據該差異字對應的詞集，確定該差異字是否為疑似錯別字。