[發明專利]一種文本糾錯方法、裝置、電子設備及可讀存儲介質

有效

• 申請號: 202011110293.0
• 申請日: 2020-10-16
• 公開（公告）號: CN112183072B
• 公開（公告）日: 2023-07-21
• 發明（設計）人: 龔厚瑜
• 申請（專利權）人: 北京奇藝世紀科技有限公司
• 主分類號: G06F40/232
• 分類號: G06F40/232;G06F40/30
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙) 11413
• 代理人: 高鶯然;馬敬

1.一種文本糾錯方法，其特征在于，包括：

獲得待糾錯文本；

對所述待糾錯文本依次進行形近字糾錯和常用字糾錯，得到第一校正文本；

對所述待糾錯文本進行常用詞糾錯，得到第二校正文本；

獲得所述第一校正文本和所述第二校正文本的困惑度，將困惑度最低的校正文本確定為待糾錯文本的校正文本；

所述對所述待糾錯文本依次進行形近字糾錯和常用字糾錯，得到第一校正文本，包括：

通過預設形近字列表，按照從所述待糾錯文本中的第一個字到最后一個字的順序，對所述待糾錯文本進行正向糾錯；

通過所述預設形近字列表，按照從所述待糾錯文本中的最后一個字到第一個字的順序，對所述待糾錯文本進行反向糾錯；

根據正向糾錯得到的糾錯結果和反向糾錯得到的糾錯結果確定形近字糾錯文本；

通過預設常用字列表，按照從所述形近字糾錯文本中的第一個字到最后一個字的順序，對所述形近字糾錯文本進行正向糾錯；

通過所述預設常用字列表，按照從所述形近字糾錯文本中的最后一個字到第一個字的順序，對所述形近字糾錯文本進行反向糾錯；

根據對所述形近字糾錯文本進行正向糾錯得到的糾錯結果和反向糾錯得到的糾錯結果，確定所述第一校正文本。

2.根據權利要求1所述的方法，其特征在于，所述對所述待糾錯文本進行常用詞糾錯，得到第二校正文本，包括：

依次通過第一常用詞列表、第二常用詞列表和第三常用詞列表對所述待糾錯文本進行糾錯，得到第二校正文本；其中，所述第一常用詞列表中每個常用詞的包括的字的數量均為第一數量，所述第二常用詞列表中的每個常用詞包括的字的數量均為第二數量，所述第三常用詞列表中的每個常用詞包括的字的數量均為第三數量，所述第一數量大于所述第二數量，所述第二數量大于所述第三數量；和/或，

通過預設實體類別常用詞列表對所述待糾錯文本進行糾錯，得到第二校正文本。

3.根據權利要求2所述的方法，其特征在于，所述依次通過第一常用詞列表、第二常用詞列表和第三常用詞列表對所述待糾錯文本進行糾錯，得到第二校正文本，包括：

對所述待糾錯文本進行分詞操作；

將所述待糾錯文本包括的分詞與第一常用詞列表中的常用詞進行匹配，若匹配到所述第一常用詞列表中的常用詞，則通過匹配到的常用詞對所述待糾錯文本進行更新；

判斷所述待糾錯文本的困惑度與更新后的待糾錯文本的困惑度的差值是否大于等于第一糾錯閾值，若是，則將更新后的待糾錯文本作為第一常用詞糾錯文本；若否，則將所述待糾錯文本作為第一常用詞糾錯文本；

將所述第一常用詞糾錯文本包括的分詞與第二常用詞列表中的常用詞進行匹配，若匹配到所述第二常用詞列表中的常用詞，則通過匹配到的常用詞對所述第一常用詞糾錯文本進行更新；

判斷所述第一常用詞糾錯文本的困惑度與更新后的第一常用詞糾錯文本的困惑度的差值是否大于等于第二糾錯閾值，若是，則將更新后的第一常用詞糾錯文本作為第二常用詞糾錯文本；若否，則將第一常用詞糾錯文本作為第二常用詞糾錯文本；

將所第二常用詞糾錯文本包括的分詞與第三常用詞列表中的常用詞進行匹配，若匹配到所述第三常用詞列表中的常用詞，則通過匹配到的常用詞對所述第三常用詞糾錯文本進行更新；

判斷所述第二常用詞糾錯文本的困惑度與更新后的第二常用詞糾錯文本的困惑度的差值是否大于等于第三糾錯閾值，若是，則將更新后的第二常用詞糾錯文本作為所述第二校正文本；若否，則將所述第二常用詞糾錯文本作為所述第二校正文本；其中，所述第三糾錯閾值大于所述第一糾錯閾值，且所述第三糾錯閾值大于所述第二糾錯閾值。

4.根據權利要求2所述的方法，其特征在于，通過預設實體類別常用詞列表對所述待糾錯文本進行糾錯，得到第二校正文本，包括：

對所述待糾錯文本進行分詞操作；

將所述待糾錯文本包括的分詞與所述預設實體類別常用詞列表進行匹配，若匹配到所述預設實體類別常用詞列表中的常用詞，則通過匹配到的常用詞對所述待糾錯文本進行更新；

判斷所述待糾錯文本的困惑度與更新后的待糾錯文本的困惑度之間的差值是否大于等于第四糾錯閾值；若是，則將更新后的待糾錯文本作為所述第二校正文本；若否，則將所述待糾錯文本作為所述第二校正文本。