[發(fā)明專利]基于知識(shí)庫(kù)的文本校對(duì)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202210511027.1
• 申請(qǐng)日: 2022-05-11
• 公開（公告）號(hào): CN115293137A
• 公開（公告）日: 2022-11-04
• 發(fā)明（設(shè)計(jì)）人: 張笑然;徐楨虎;蘇忠瑩;陳涵宇;李少博
• 申請(qǐng)（專利權(quán)）人: 四川封面?zhèn)髅娇萍加邢挢?zé)任公司
• 主分類號(hào): G06F40/232
• 分類號(hào): G06F40/232;G06F16/35;G06F16/36;G06F16/951;G06N3/04;G06N3/08
• 代理公司: 成都虹橋?qū)＠聞?wù)所(普通合伙) 51124
• 代理人: 吳中偉

1.基于知識(shí)庫(kù)的文本校對(duì)方法，其特征在于，包括：

步驟1、根據(jù)文本所屬領(lǐng)域進(jìn)行文本領(lǐng)域分類；

步驟2、基于分類后的文本進(jìn)行實(shí)體要素抽取，并獲取各實(shí)體要素間的語義規(guī)則數(shù)據(jù)；

步驟3、基于文本領(lǐng)域、實(shí)體要素及實(shí)體要素間的語義規(guī)則數(shù)據(jù)構(gòu)建知識(shí)庫(kù)；

步驟4、對(duì)待校驗(yàn)文本進(jìn)行文本糾錯(cuò)，然后獲取待校驗(yàn)文本的文本領(lǐng)域分類、實(shí)體要素及實(shí)體要素間的語義規(guī)則數(shù)據(jù)，并將其與知識(shí)庫(kù)中的對(duì)應(yīng)數(shù)據(jù)進(jìn)行比對(duì)以實(shí)現(xiàn)二次糾錯(cuò)。

2.根據(jù)權(quán)利要求1所述的基于知識(shí)庫(kù)的文本校對(duì)方法，其特征在于，所述步驟1包括：

步驟11、基于全網(wǎng)可靠新聞源，依靠爬蟲算法獲取模型訓(xùn)練數(shù)據(jù)集；

步驟12、基于Glove模型與XLNet模型構(gòu)建文本分類模型；

步驟13、采用模型訓(xùn)練數(shù)據(jù)集對(duì)文本分類模型進(jìn)行模型訓(xùn)練；

步驟14、使用訓(xùn)練后的文本分類模型進(jìn)行文本領(lǐng)域分類。

3.根據(jù)權(quán)利要求1所述的基于知識(shí)庫(kù)的文本校對(duì)方法，其特征在于，所述步驟2包括：

步驟21、基于XLNet語言模型、雙向長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)BiLSTM和條件隨機(jī)場(chǎng)CRF構(gòu)建實(shí)體抽取模型；

步驟22、對(duì)實(shí)體抽取模型進(jìn)行訓(xùn)練，并采用訓(xùn)練后的實(shí)體抽取模型對(duì)分類后的文本進(jìn)行實(shí)體要素抽?。?/p>

步驟23、采用Stanford CoreNLP對(duì)分類后的文本進(jìn)行依存句法分析以獲取各實(shí)體要素間的語義規(guī)則數(shù)據(jù)。

4.根據(jù)權(quán)利要求1所述的基于知識(shí)庫(kù)的文本校對(duì)方法，其特征在于，所述實(shí)體要素包括人物、職務(wù)、機(jī)構(gòu)、地理位置。

5.根據(jù)權(quán)利要求1所述的基于知識(shí)庫(kù)的文本校對(duì)方法，其特征在于，所述步驟4中文本糾錯(cuò)采用基于規(guī)則和基于深度學(xué)習(xí)模型XLNet的組合糾錯(cuò)模型進(jìn)行糾錯(cuò)。

6.根據(jù)權(quán)利要求1-5任意一項(xiàng)所述的基于知識(shí)庫(kù)的文本校對(duì)方法，其特征在于，還包括步驟5、根據(jù)文本糾錯(cuò)及二次糾錯(cuò)結(jié)果給出修改建議。