[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: 202010558705.0
• 申請日: 2020-06-18
• 公開（公告）號: CN113822052A
• 公開（公告）日: 2021-12-21
• 發明（設計）人: 余勇宏
• 申請（專利權）人: 上海流利說信息技術有限公司
• 主分類號: G06F40/253
• 分類號: G06F40/253;G06F40/30
• 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

本申請公開了一種文本錯誤檢測方法，所述文本錯誤檢測方法包括獲取第一語言的訓練文本，并確定訓練文本的困惑度和語法錯誤信息；將訓練文本翻譯為第二語言的樞軸語言文本，將樞軸語言文本翻譯為第一語言的目標文本；計算訓練文本與目標文本的文本相似度，并確定目標文本的困惑度；將訓練文本和目標文本分別與樞軸語言文本進行詞對齊操作，得到訓練文本和目標文本的對齊評價信息；訓練初始模型得到語義不明檢測模型，通過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。本申請能夠檢測文本中的語義不明錯誤，提高文本檢測的精準度。本申請還公開了一種文本錯誤檢測裝置、一種電子設備及一種存儲介質，具有以上有益效果。

技術領域

本申請涉及文本檢測技術領域，特別涉及一種文本錯誤檢測方法、裝置、一種電子設備及一種存儲介質。

背景技術

在互動式語法反饋教學中，對用戶輸入的文本進行錯誤檢測能夠提高教學質量。文本中的語義不明錯誤為導致文本存在歧義的錯誤，在相關技術中，當用戶的輸入為語義不明的句子時，則直接判定為檢測到語法錯誤并進行語法糾錯，這種糾錯方式往往會造成將錯誤的地方改成仍然是錯誤的表達，上述方式無法了解用戶的真實表達意圖并提供有意義的反饋。

因此，如何檢測文本中的語義不明錯誤，提高文本檢測的精準度是本領域技術人員目前需要解決的技術問題。

發明內容

本申請的目的是提供一種文本錯誤檢測方法、裝置、一種電子設備及一種存儲介質，能夠檢測文本中的語義不明錯誤，提高文本檢測的精準度。

為解決上述技術問題，本申請提供一種文本錯誤檢測方法，該文本錯誤檢測方法包括：

獲取第一語言的訓練文本，并確定所述訓練文本的困惑度和語法錯誤信息；

將所述訓練文本翻譯為第二語言的樞軸語言文本，將所述樞軸語言文本翻譯為所述第一語言的目標文本；

計算所述訓練文本與所述目標文本的文本相似度，并確定所述目標文本的困惑度；

將所述訓練文本和所述目標文本分別與所述樞軸語言文本進行詞對齊操作，得到所述訓練文本和所述目標文本的對齊評價信息；

根據所述訓練文本的困惑度、所述訓練文本的語法錯誤信息、所述文本相似度、所述目標文本的困惑度、所述目標文本與所述訓練文本的困惑度比值和所述對齊評價信息訓練初始模型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。

可選的，所述語法錯誤信息包括所述訓練文本中每個詞存在語法錯誤的平均概率，以及詞根不同的詞替換錯誤數量。

可選的，將所述訓練文本和所述目標文本分別與樞軸語言文本進行詞對齊操作，得到所述訓練文本和所述目標文本的對齊評價信息，包括：

將所述訓練文本與所述樞軸語言文本進行詞對齊操作得到第一對齊結果；

將所述目標文本與所述樞軸語言文本進行詞對齊操作得到第二對齊結果；

根據所述第一對齊結果和所述第二對齊結果確定所述訓練文本和所述目標文本的對齊評價信息。

可選的，所述對齊評價信息包括：

所述訓練文本中對齊的實詞與所在句子中所有實詞數量的比值；

所述目標文本中對齊的實詞與所在句子中所有實詞數量的比值；

對齊數比值；其中，所述對齊數比值的確定過程包括：將所述訓練文本和所述目標文本中同時與樞軸語言文本對應的詞語連線，將連線交叉個數和總對齊的比值作為所述對齊數比值；