[發明專利]一種文本處理方法和相關裝置

有效

• 申請號: 202011231200.X
• 申請日: 2020-11-06
• 公開（公告）號: CN112036135B
• 公開（公告）日: 2021-03-02
• 發明（設計）人: 方俊;林炳懷
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F40/166
• 分類號: G06F40/166;G06N20/00
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 常忠良

1.一種文本處理方法，其特征在于，所述方法包括：

獲取待識別的第一文本；

對所述第一文本進行文本處理，得到第二文本；

根據所述第一文本和所述第二文本確定至少一個修改對，其中，一個修改對對應于所述文本處理中的一處內容修改，所述修改對包括所述第一文本中對應所述內容修改的內容，以及所述第二文本中對應所述內容修改的內容；

根據所述第一文本、所述第二文本和所述修改對，確定所述內容修改對應的語言表達錯誤類型和錯誤原因；

其中，所述根據所述第一文本、所述第二文本和所述修改對，確定所述內容修改對應的語言表達錯誤類型和錯誤原因，包括：

對所述第一文本和所述第二文本中的分詞進行詞性標注；

根據所述第一文本、所述第二文本、所述修改對和所標注的詞性，確定所述內容修改對應的語言表達錯誤類型和錯誤原因。

2.根據權利要求1所述的方法，其特征在于，所述語言表達錯誤類型包括優化表達或至少一個類型的語法錯誤。

3.根據權利要求1所述的方法，其特征在于，所述根據所述第一文本和所述第二文本間確定至少一個修改對，包括：

以第一比對粒度對所述第一文本和所述第二文本進行內容比對，得到對應的第一比對序列；所述第一比對序列中包括第一內容對，所述第一內容對用于標識所述第一文本和所述第二文本間對應的一對文本字符串，以及這對文本字符串對應的改動方式；

以第二比對粒度對所述第一比對序列中的第一內容對進行拆分得到第二比對序列；所述第二比對序列包括第二內容對，所述第二內容對用于標識所述第一文本和所述第二文本間對應的一對文本字符串，以及這對文本字符串對應的改動方式，所述第二比對粒度小于所述第一比對粒度；

根據所述第二比對序列確定所述至少一個修改對。

4.根據權利要求3所述的方法，其特征在于，所述根據所述第二比對序列確定所述至少一個修改對，包括：

根據所述第二比對序列中第二內容對的改動方式，確定改動方式標識為修改的目標內容對；

將所述第二比對序列中符合預設規則的相鄰目標內容對進行合并得到第三比對序列；所述第三比對序列中包括通過對所述相鄰目標內容對合并得到所述修改對，通過合并得到的所述修改對的改動方式是根據合并方式確定的。

5.根據權利要求4所述的方法，其特征在于，所述第二比對序列中第二內容對的改動方式包括替換、插入、刪除或相等中的任意一種；所述第三比對序列中修改對的改動方式包括交換。

6.根據權利要求3所述的方法，其特征在于，所述以第一比對粒度對所述第一文本和所述第二文本進行內容比對，得到對應的第一比對序列，包括：

通過對齊算法以第一比對粒度對所述第一文本和所述第二文本進行內容比對，得到對應的第一比對序列。

7.根據權利要求1-6任意一項所述的方法，其特征在于，所述方法還包括：

在所述第一文本和所述第二文本的基礎上展示所述內容修改，以及展示對應的判定結果；所述判定結果包括所述語言表達錯誤類型和所述錯誤原因。

8.一種文本處理裝置，其特征在于，所述裝置包括獲取單元和確定單元：

所述獲取單元，用于獲取待識別的第一文本；

所述確定單元，用于對所述第一文本進行文本處理，得到第二文本；

所述確定單元，還用于根據所述第一文本和所述第二文本確定至少一個修改對，其中，一個修改對對應于所述文本處理中的一處內容修改，所述修改對包括所述第一文本中對應所述內容修改的內容，以及所述第二文本中對應所述內容修改的內容；

所述確定單元，還用于根據所述第一文本、所述第二文本和所述修改對，確定所述內容修改對應的語言表達錯誤類型和錯誤原因；

其中，所述確定單元，用于：

對所述第一文本和所述第二文本中的分詞進行詞性標注；

根據所述第一文本、所述第二文本、所述修改對和所標注的詞性，確定所述內容修改對應的語言表達錯誤類型和錯誤原因。