[發明專利]一種文字處理方法、設備及存儲介質

在審

• 申請號: 202110078268.7
• 申請日: 2021-01-20
• 公開（公告）號: CN113569851A
• 公開（公告）日: 2021-10-29
• 發明（設計）人: 王帥;鄧強;鐘濱;徐進
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06K9/34
• 分類號: G06K9/34;G06F40/103
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 熊永強;杜維

本申請實施例公開了一種文字處理方法、設備及計算機可讀存儲介質。其中方法包括：獲取至少兩個參考文字，對至少兩個參考文字進行拆分，得到至少兩個參考文字的拆分字形，基于至少兩個參考文字和至少兩個參考文字的拆分字形，構建文字字形圖，文字字形圖包括每個參考文字與所屬的拆分字形之間的關聯關系，將每個參考文字和拆分文字確定為待識別文字，基于文字字形圖生成每個待識別文字的文字特征向量，根據每個待識別文字的文字特征向量，確定每個待識別文字之間的文字相似度。通過拆分字形建立各個參考文字之間的關聯關系，并基于該關聯關系得到每個參考文字的文字特征向量，進而提高文字相似識別的效率和準確性。

技術領域

本發明涉及計算機技術領域，具體涉及一種文字處理方法、設備及計算機可讀存儲介質。

背景技術

隨著計算機技術的不斷發展，網絡中涌現出海量的信息。其中一部分信息為攜帶文字的信息，在對這些攜帶文字的信息進行處理時，會涉及對文字的處理；例如，語義識別、文本糾錯、文字識別等。以文本糾錯為例，在對文字進行處理的過程包括確定目標文字的形近字的過程；例如，確定某個錯別字的形近字，并從該錯別字的形近字中確定出正確字對該錯別字進行修改。目前，主要通過混淆字典來查找目標文字的形近字，效率較低，由于缺乏判斷標準，通過混淆字典難以判斷目標文字與各個形近字的文字相似程度，準確度較低。

發明內容

本發明實施例提供了一種文字處理方法、設備及存儲介質，能夠確定提高文字相似識別的效率和準確性。

一方面，本申請實施例提供了一種文字處理方法，該方法包括：

獲取至少兩個參考文字，對所述至少兩個參考文字進行拆分，得到所述至少兩個參考文字的拆分字形；所述至少兩個參考文字的拆分字形包括拆分文字；

基于所述至少兩個參考文字和所述至少兩個參考文字的拆分字形，構建文字字形圖；所述文字字形圖包括每個參考文字與所屬的拆分字形之間的關聯關系；

將所述每個參考文字和所述拆分文字確定為待識別文字，基于所述文字字形圖生成每個待識別文字的文字特征向量；

根據所述每個待識別文字的文字特征向量，確定所述每個待識別文字之間的文字相似度。

一方面，本申請提供了一種文字處理裝置，該處理裝置包括：

獲取單元，用于獲取至少兩個參考文字，對所述至少兩個參考文字進行拆分，得到所述至少兩個參考文字的拆分字形；所述至少兩個參考文字的拆分字形包括拆分文字；

處理單元，用于基于所述至少兩個參考文字和所述至少兩個參考文字的拆分字形，構建文字字形圖；所述文字字形圖包括每個參考文字與所屬的拆分字形之間的關聯關系；以及用于將所述每個參考文字和所述拆分文字確定為待識別文字，基于所述文字字形圖生成每個待識別文字的文字特征向量；以及用于根據所述每個待識別文字的文字特征向量，確定所述每個待識別文字之間的文字相似度。

一方面，本申請提供了一種智能設備，包括處理器、存儲器和通信接口，所述處理器、所述存儲器和所述通信接口相互連接，其中，所述存儲器用于存儲計算機程序，所述計算機程序包括程序指令，所述處理器被配置用于調用所述程序指令，執行上述的文字處理方法。

一方面，本申請提供了一種計算機可讀存儲介質，計算機可讀存儲介質存儲有計算機程序，所述計算機程序被處理器執行時，上述的文字處理方法被實現。

一方面，本申請提供了一種計算機程序產品或計算機程序，該計算機程序產品或計算機程序包括計算機指令，該計算機指令存儲在計算機可讀存儲介質中。計算機設備的處理器從計算機可讀存儲介質讀取該計算機指令，處理器執行該計算機指令，使得該計算機設備執行上述文字處理方法。