[發明專利]語音文本糾錯方法

有效

• 申請號: 202010935869.0
• 申請日: 2020-09-08
• 公開（公告）號: CN111985234B
• 公開（公告）日: 2022-02-01
• 發明（設計）人: 韓軼西;劉楚雄;唐軍
• 申請（專利權）人: 四川長虹電器股份有限公司
• 主分類號: G06F40/289
• 分類號: G06F40/289;G06F40/232
• 代理公司: 四川省成都市天策商標專利事務所(有限合伙) 51213
• 代理人: 張秀敏

1.一種語音文本糾錯方法，其特征在于，包括以下步驟：

S1、對過往的語音識別結果和正確結果進行對比，并計算錯誤識別結果與正確識別結果的頻次，得到詞語的穩定度集合A；

S2、將現有文本語料全拆分為雙字形式，并記錄下每個字與后方各個字搭配的概率，得到unigram集合；

S3、對傳入的文本利用步驟S2得到的unigram集合進行計算，對于在平滑的unigram計算數值曲線上產生斷層的，或從未在步驟S2的語料中出現過的字詞組合，認定為是需要被糾錯的文本B；

S4、對文本B進行分詞，并對分詞結果利用步驟S1得到的穩定度集合A來進行衡量是否穩定，對于穩定的結果不做糾錯處理，對于不穩定的結果則進入到下一步；

S5、對步驟S4不穩定的結果，獲取其拼音文本，并利用語言學知識得到其易錯的結果，獲得混淆集合，對混淆集合得到的拼音，利用拼音-文字字典，獲得其文字，得到文字混淆集C；

S6、使用與步驟S2相同的文本語料，對語料計算每個拼音下的字的概率，作為發射矩陣R，計算每個字作為開頭的概率，作為初始矩陣S，計算每個字后接單一文字或多文字的概率，作為轉移矩陣Q；

S7、對步驟S5得到的文字混淆集C，替換文本B的原相應位置，使之構成數個序列，得到待解碼序列D；

S8、對步驟S7得到的待解碼序列D，計算其隱馬爾科夫概率值，取最大概率所對應的文字序列組合為句子即是最終的糾錯結果；

所述步驟S8中，計算待解碼序列D的隱馬爾科夫概率值具體包括以下步驟：

a、對于文本的第一個字從初始矩陣S中獲取其初始概率；

b、對于其他位置的字W，獲取字W前所有字序列概率的最大值P(max前綴)，由發射矩陣R獲取字W在字W對應拼音下的發射概率R(W)，由轉移矩陣Q獲取字W作為前一文字組合情況下的下一文字出現的概率Q(W)，依據公式P(max前綴)*R(W)*Q(W)得到當前文字到下一文字的概率，最終得到數個文字序列及其對應概率。

2.根據權利要求1所述的語音文本糾錯方法，其特征在于，所述步驟S4中，采用分詞工具jieba對文本B進行分詞。