[發明專利]一種文本錯誤檢測方法、裝置、電子設備及存儲介質

在審

• 申請號: 202010558690.8
• 申請日: 2020-06-18
• 公開（公告）號: CN113822073A
• 公開（公告）日: 2021-12-21
• 發明（設計）人: 王川
• 申請（專利權）人: 上海流利說信息技術有限公司
• 主分類號: G06F40/30
• 分類號: G06F40/30;G06N3/04
• 代理公司: 北京信遠達知識產權代理有限公司 11304
• 代理人: 范志平

1.一種文本錯誤檢測方法，其特征在于，包括：

獲取標準語句文本，并將所述標準語句文本作為第一樣本添加至訓練集；

對所述標準語句文本添加噪聲得到錯誤語句文本，并將所述錯誤語句文本作為第二樣本添加至所述訓練集；

利用所述訓練集中的樣本對初始模型進行訓練得到語義不明檢測模型；

通過所述語義不明檢測模型對待檢測語句文本執行文本錯誤檢測操作。

2.根據權利要求1所述文本錯誤檢測方法，其特征在于，對所述標準語句文本添加噪聲得到錯誤語句文本，包括：

基于預設概率P對所述標準語句文本中的單詞執行加噪聲操作，得到所述錯誤語句文本；

其中，在執行加噪聲操作的過程中，單詞被執行加噪聲操作的概率為P，單詞不被執行加噪聲操作的概率為1-P。

3.根據權利要求2所述文本錯誤檢測方法，其特征在于，所述加噪聲操作包括單詞添加操作、單詞刪除操作、單詞替換操作和單詞順序交換操作中任一種操作或任幾種操作的組合。

4.根據權利要求3所述文本錯誤檢測方法，其特征在于，對所述標準語句文本中的單詞執行所述單詞替換操作包括：

從單詞表中選取第一目標單詞，并將所述標準語句文本中的單詞替換為所述第一目標單詞；其中，所述單詞表包括所述標準語句文本中的所有單詞。

5.根據權利要求3所述文本錯誤檢測方法，其特征在于，在基于預設概率P對所述標準語句文本中的單詞執行加噪聲操作之前，還包括：

查詢所述標準語句文本中的第二目標單詞；

根據單詞加噪聲映射關系表對所述第二目標單詞執行對應的加噪聲操作；

相應的，基于預設概率P對所述標準語句文本中的單詞執行加噪聲操作包括：

基于所述預設概率P對所述標準語句文本中除了所述第二目標單詞之外的單詞執行加噪聲操作。

6.根據權利要求2所述文本錯誤檢測方法，其特征在于，在利用所述訓練集中的樣本對初始模型進行訓練得到語義不明檢測模型之后，還包括：

利用所述語義不明檢測模型對已知分類的語句文本進行文本錯誤檢測操作；

根據檢測結果確定所述語義不明檢測模型的分類準確度；

若所述分類準確度小于預設值，則調整預設概率P，并利用調整后的預設概率P重新執行加噪聲操作，得到新的錯誤語句文本，以便利用所述標準語句文本和所述新的錯誤語句文本訓練集中的樣本對初始模型進行訓練得到新的語義不明檢測模型。

7.根據權利要求1所述文本錯誤檢測方法，其特征在于，對所述標準語句文本添加噪聲得到錯誤語句文本，包括：

將所述標準語句以句子為單位劃分為N個語句組；

基于預設概率Pi對第i個語句組中的單詞執行加噪聲操作，得到所述錯誤語句文本；其中，0＜i≤N，在對第i個語句組中的單詞執行加噪聲操作的過程中，單詞被執行加噪聲操作的概率為Pi，單詞不被執行加噪聲操作的概率為1-Pi。

8.一種文本錯誤檢測裝置，其特征在于，包括：

第一樣本獲取模塊，用于獲取標準語句文本，并將所述標準語句文本作為第一樣本添加至訓練集；

第二樣本獲取模塊，用于對所述標準語句文本添加噪聲得到錯誤語句文本，并將所述錯誤語句文本作為第二樣本添加至所述訓練集；

模型訓練模塊，用于利用所述訓練集中的樣本對初始模型進行訓練得到語義不明檢測模型；

錯誤檢測模塊，用于通過所述語義不明檢測模型對待檢測語句文本執行文本錯誤檢測操作。

9.一種電子設備，其特征在于，包括存儲器和處理器，所述存儲器中存儲有計算機程序，所述處理器調用所述存儲器中的計算機程序時實現如權利要求1至7任一項所述文本錯誤檢測方法的步驟。

10.一種存儲介質，其特征在于，所述存儲介質中存儲有計算機可執行指令，所述計算機可執行指令被處理器加載并執行時，實現如上權利要求1至7任一項所述文本錯誤檢測方法的步驟。