[發明專利]一種文本糾錯方法及裝置

在審

• 申請號: 202011442529.0
• 申請日: 2020-12-11
• 公開（公告）號: CN112560450A
• 公開（公告）日: 2021-03-26
• 發明（設計）人: 王曉;王琳博;許勝強;胡加學
• 申請（專利權）人: 科大訊飛股份有限公司
• 主分類號: G06F40/232
• 分類號: G06F40/232
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 馮柳偉

1.一種文本糾錯方法，其特征在于，所述方法包括：

獲取目標領域下的待糾錯文本；

從所述待糾錯文本中確定待糾錯對象；

根據所述待糾錯對象、預先構建的通用混淆集和預先構建的專用混淆集，確定所述待糾錯對象的候選混淆對象；其中，所述通用混淆集用于記錄通用易混淆對象對之間的對應關系；所述專用混淆集用于記錄所述目標領域下專用易混淆對象對之間的對應關系；

根據所述待糾錯文本、所述待糾錯對象和所述待糾錯對象的候選混淆對象，生成所述待糾錯文本對應的糾錯后文本。

2.根據權利要求1所述的方法，其特征在于，所述從所述待糾錯文本中確定待糾錯對象，包括：

根據所述待糾錯文本和所述待糾錯文本的上文文本，得到所述待糾錯文本對應的重寫文本；

在確定所述重寫文本不包括所述待糾錯文本時，根據所述重寫文本和所述待糾錯文本，確定待糾錯對象。

3.根據權利要求2所述的方法，其特征在于，所述方法還包括：

在確定所述重寫文本包括所述待糾錯文本時，從所述待糾錯文本中提取至少一個待處理對象；

根據所述待糾錯文本，確定所述至少一個待處理對象的出現合理度；其中，所述待處理對象的出現合理度表征所述待處理對象在所述待糾錯文本中出現的合理程度；

根據所述至少一個待處理對象的出現合理度，從所述至少一個待處理對象中確定待糾錯對象。

4.根據權利要求3所述的方法，其特征在于，當所述待處理對象的個數為M，且m為正整數，m≤M時，第m個待處理對象的出現合理度的獲取過程為：

獲取第一語料；

根據所述第一語料，確定所述第m個待處理對象的出現概率；

根據所述第一語料和所述待糾錯文本，確定所述第m個待處理對象的預設條件概率；

根據所述第m個待處理對象的出現概率和所述第m個待處理對象的預設條件概率，確定所述第m個待處理對象的出現合理度。

5.根據權利要求1所述的方法，其特征在于，所述根據所述待糾錯對象、預先構建的通用混淆集和預先構建的專用混淆集，確定所述待糾錯對象的候選混淆對象，包括：

根據所述待糾錯對象和所述通用混淆集，確定所述待糾錯對象的通用易混淆對象；其中，所述通用混淆集包括所述待糾錯對象與所述待糾錯對象的通用易混淆對象之間的對應關系；

根據所述待糾錯對象和所述專用混淆集，確定所述待糾錯對象的專用易混淆對象；其中，所述專用混淆集包括所述待糾錯對象與所述待糾錯對象的專用易混淆對象之間的對應關系；

根據所述待糾錯對象的通用易混淆對象和所述待糾錯對象的專用易混淆對象，確定所述待糾錯對象的候選混淆對象。

6.根據權利要求5所述的方法，其特征在于，所述專用混淆集包括詞匯混淆集和圖譜混淆集；其中，所述詞匯混淆集包括所述待糾錯對象與所述待糾錯對象的詞匯易混淆對象之間的對應關系；所述圖譜混淆集包括所述待糾錯對象與所述待糾錯對象的節點易混淆對象之間的對應關系；

所述根據所述待糾錯對象和所述專用混淆集，確定所述待糾錯對象的專用易混淆對象，包括：

根據所述待糾錯對象和所述詞匯混淆集，確定所述待糾錯對象的詞匯易混淆對象；

根據所述待糾錯對象和所述圖譜混淆集，確定所述待糾錯對象的節點易混淆對象；

根據所述待糾錯對象的詞匯易混淆對象和所述待糾錯對象的節點易混淆對象，確定所述待糾錯對象的專用易混淆對象。

7.根據權利要求6所述的方法，其特征在于，所述詞匯混淆集的構建過程為：

獲取目標領域下的瑕疵文本和所述瑕疵文本對應的標準文本；

將所述瑕疵文本和所述瑕疵文本對應的標準文本進行比對，得到文本比對結果；

根據所述文本比對結果，確定有向易混淆詞匯對和所述有向易混淆詞匯對的出現概率；

根據所述有向易混淆詞匯對和所述有向易混淆詞匯對的出現概率，生成詞匯混淆集。