[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

本發(fā)明公開了一種特定領(lǐng)域的語音識別文本糾錯方法，包括：獲取待糾錯的文本序列；使用通用領(lǐng)域語料模型和特定領(lǐng)域語料模型識別文本序列中的每一個文本序列，得到通用領(lǐng)域判定結(jié)果和特定領(lǐng)域判定結(jié)果；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，根據(jù)通用領(lǐng)域判定結(jié)果和特定領(lǐng)域判定結(jié)果確定候選詞清單；將候選詞依次代入文本序列中得到糾正序列；使用通用領(lǐng)域語料模型和特定領(lǐng)域語料模型驗證糾正序列，若驗證通過，輸出糾正序列作為糾正結(jié)果。本發(fā)明的技術(shù)效果：有效防止疑似錯誤誤判；大大減少了需要驗證的候選詞數(shù)量；候選詞表更全，查全率高，糾錯的準(zhǔn)確率高。

技術(shù)領(lǐng)域

本發(fā)明涉及語音識別糾錯，特別涉及一種特定領(lǐng)域的語音識別文本糾錯方法、系統(tǒng)和存儲介質(zhì)。

背景技術(shù)

近幾年技術(shù)層面的突破，語音識別的差錯率得到大幅降低，目前已經(jīng)擁有許多應(yīng)用場景，取得了很好的市場反響。比如智能手機(jī)上的語音輸入法、智能音箱的語音處理、錄音設(shè)備的聯(lián)網(wǎng)轉(zhuǎn)寫功能等，都離不開語音識別的助攻。對于典型的語音界面人機(jī)交互系統(tǒng)而言，語音識別是最前端的一個模塊，經(jīng)過識別后的文本才能進(jìn)行自然語言理解與加工處理，從而產(chǎn)生對應(yīng)的交互返回給用戶。

但是，語音識別的結(jié)果仍存在不可避免的誤差。由于環(huán)境噪聲、地方口音、設(shè)備自身等干擾因素的存在，語音識別轉(zhuǎn)換后的文本段落經(jīng)常帶有一些異常數(shù)據(jù)，比如同音詞、近似音詞、錯別字等預(yù)期之外的錯誤文本。這樣的差錯在文本段落中影響是不容小覷的，同音詞會帶來語義理解的嚴(yán)重偏差，字級別的錯誤還可能造成分詞切分錯誤，從而導(dǎo)致詞性標(biāo)注、依存關(guān)系分析等一系列錯誤。因此，在語音識別技術(shù)瓶頸下，文本糾錯成為非常關(guān)鍵的一個環(huán)節(jié)，良好的糾錯能極大地改善輸出文本質(zhì)量。

現(xiàn)有研發(fā)語音識別后文本糾錯的相關(guān)技術(shù)問題在于：而現(xiàn)有的技術(shù)方案往往依賴于單一的模型進(jìn)行使用，故導(dǎo)致在實際的使用過程中，一旦遭遇特定領(lǐng)域詞匯，糾錯效率不能盡如人心，而如果使用特定領(lǐng)域進(jìn)行優(yōu)化，則有可能降低在通用詞匯上的識別

發(fā)明內(nèi)容

為解決現(xiàn)有技術(shù)中存在的由于使用單一模型而導(dǎo)致的誤判率較高的問題，本發(fā)明提供一種特定領(lǐng)域的語音識別文本糾錯方法，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。

優(yōu)選地，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。

在本技術(shù)方案中，通過兩種模型分別進(jìn)行識別，只有當(dāng)兩個模型都認(rèn)為是錯誤的情況下，才會將其視為存在錯誤，可以克服因為對于名詞的所述領(lǐng)域判斷錯誤而導(dǎo)致的錯誤劃分，將實際上正確的視為錯誤的，從而有效防止疑似錯誤誤判。