[發(fā)明專利]一種特定領(lǐng)域的語音識別文本糾錯方法、系統(tǒng)和存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202011294715.4
• 申請日: 2020-11-18
• 公開（公告）號: CN112489655A
• 公開（公告）日: 2021-03-12
• 發(fā)明（設(shè)計）人: 顧文元;曾祥云;張雪源
• 申請（專利權(quán)）人: 元夢人文智能國際有限公司
• 主分類號: G10L15/26
• 分類號: G10L15/26;G10L15/28;G10L15/04;G06F40/232
• 代理公司: 北京市隆安律師事務(wù)所 11323
• 代理人: 何琦

1.一種特定領(lǐng)域的語音識別文本糾錯方法，其特征在于，包括：

獲取待糾錯的文本序列；

使用預(yù)先訓(xùn)練好的通用領(lǐng)域語料模型識別所述文本序列，得到通用領(lǐng)域判定結(jié)果；所述通用領(lǐng)域判定結(jié)果包括所述文本序列中是否存在錯誤字詞及所述錯誤字詞的內(nèi)容；

使用預(yù)先訓(xùn)練好的特定領(lǐng)域語料模型識別所述文本序列，得到特定領(lǐng)域判定結(jié)果；所述特定領(lǐng)域判定結(jié)果包括所述文本序列中是否存在錯誤字詞及所述錯誤字詞的內(nèi)容；

當(dāng)所述通用領(lǐng)域判定結(jié)果和所述特定領(lǐng)域判定結(jié)果是否都是存在錯誤字詞且所述錯誤字詞同一時，判斷所述文本序列中存在錯誤，根據(jù)所述通用領(lǐng)域判定結(jié)果確定通用領(lǐng)域候選詞清單，根據(jù)所述特定領(lǐng)域判定結(jié)果確定特定領(lǐng)域候選詞清單；

將所述通用領(lǐng)域候選詞清單和所述特定領(lǐng)域候選詞清單中的候選詞依次代入所述文本序列中得到糾正序列；

使用所述通用領(lǐng)域語料模型和所述特定領(lǐng)域語料模型驗證所述糾正序列，若驗證通過，輸出所述糾正序列作為糾正結(jié)果。

2.根據(jù)權(quán)利要求1所述的一種特定領(lǐng)域的語音識別文本糾錯方法，其特征在于，所述根據(jù)所述通用領(lǐng)域判定結(jié)果確定通用領(lǐng)域候選詞清單包括：

計算預(yù)先建立的通用領(lǐng)域詞匯表中的詞與所述錯誤字詞的通用領(lǐng)域拼音編輯距離集；

獲取所述通用領(lǐng)域詞匯表中的詞與所述錯誤字詞的通用領(lǐng)域最大公共子串集；

根據(jù)所述通用領(lǐng)域拼音編輯距離集和所述通用領(lǐng)域最大公共子串集建立所述通用領(lǐng)域候選詞清單。

3.根據(jù)權(quán)利要求1所述的一種特定領(lǐng)域的語音識別文本糾錯方法，其特征在于，所述根據(jù)所述特定領(lǐng)域判定結(jié)果確定特定領(lǐng)域候選詞清單包括：

計算預(yù)先建立的特定領(lǐng)域詞匯表中的詞與所述錯誤字詞的特定領(lǐng)域拼音編輯距離集；

獲取所述特定領(lǐng)域詞匯表中的詞與所述錯誤字詞的特定領(lǐng)域最大公共子串集；

根據(jù)所述特定領(lǐng)域拼音編輯距離集和所述特定領(lǐng)域最大公共子串集建立所述通用領(lǐng)域候選詞清單。

4.根據(jù)權(quán)利要求1所述的一種特定領(lǐng)域的語音識別文本糾錯方法，其特征在于，所述獲取待糾錯的文本序列包括：獲取語音識別文本；

對所述語音識別文本進行分句處理得到文本序列。

5.根據(jù)權(quán)利要求4所述的一種特定領(lǐng)域的語音識別文本糾錯方法，其特征在于，根據(jù)所述通用領(lǐng)域判定結(jié)果確定通用領(lǐng)域候選詞清單，根據(jù)所述特定領(lǐng)域判定結(jié)果確定特定領(lǐng)域候選詞清單包括：

對所述文本序列進行分詞處理，得到分詞處理結(jié)果；

根據(jù)分詞處理結(jié)果獲取N-gram短語集；

統(tǒng)計所述分詞處理結(jié)果中每個詞的詞頻，得到詞頻集；

計算所述N-gram短語集中每個N-gram短語的相減項，得到相減項集；

根據(jù)所述相減項集和所述詞頻集計算所述N-gram短語集中對應(yīng)的每個N-gram短語的偽概率；

根據(jù)所述N-gram短語的偽概率構(gòu)建所述通用領(lǐng)域候選詞清單和所述特定領(lǐng)域候選詞清單。

6.根據(jù)權(quán)利要求5所述的一種特定領(lǐng)域的語音識別文本糾錯方法，其特征在于，根據(jù)所述通用領(lǐng)域判定結(jié)果確定通用領(lǐng)域候選詞清單，根據(jù)所述特定領(lǐng)域判定結(jié)果確定特定領(lǐng)域候選詞清單還包括：

合并所述分詞處理結(jié)果中的相同詞匯。

7.根據(jù)權(quán)利要求5所述的一種特定領(lǐng)域的語音識別文本糾錯方法，其特征在于，根據(jù)所述通用領(lǐng)域判定結(jié)果確定通用領(lǐng)域候選詞清單，根據(jù)所述特定領(lǐng)域判定結(jié)果確定特定領(lǐng)域候選詞清單還包括：

統(tǒng)計所述N-gram短語集中每個N-gram短語在所述文本序列中第一個詞的種類數(shù)量，并得到第一詞集；

根據(jù)所述詞頻集中的每個詞的詞頻在所述第一詞集中對應(yīng)的詞頻調(diào)整所述詞頻集。