[發明專利]文本糾錯及其模型訓練方法、裝置、存儲介質及設備

在審

• 申請號: 202211529540.X
• 申請日: 2022-11-30
• 公開（公告）號: CN115730585A
• 公開（公告）日: 2023-03-03
• 發明（設計）人: 吳邦譽;林洋港;楊衛強;朱浩齊
• 申請（專利權）人: 杭州網易智企科技有限公司
• 主分類號: G06F40/232
• 分類號: G06F40/232;G06F40/30;G06F18/214;G06F18/24;G06F18/25;G06N3/0464;G06N3/08
• 代理公司: 北京律智知識產權代理有限公司 11438
• 代理人: 孫寶海

1.一種文本糾錯模型訓練方法，其特征在于，包括：

對文本數據中的每個字符進行特征提取，得到字符特征，所述字符特征包括讀音特征和字形特征，其中所述每個字符攜帶有字符糾錯標簽；

利用所述字符特征對待訓練模型進行訓練，直至達到訓練停止條件，以將訓練得到的模型作為文本糾錯模型。

2.根據權利要求1所述的文本糾錯模型訓練方法，其特征在于，在所述字符特征包括讀音特征的情況下，所述對文本數據中的每個字符進行特征提取，得到字符特征，包括：

獲取所述文本數據中每個字符的拼音，所述拼音用于指示字符的讀音；

通過語音識別網絡對每個字符對應的拼音進行編碼，得到每個字符的讀音特征。

3.根據權利要求1所述的文本糾錯模型訓練方法，其特征在于，在所述字符特征包括字形特征的情況下，所述對文本數據中的每個字符進行特征提取，得到字符特征，包括：

獲取相應字符的字形結構及字根，以基于所述字形結構及字根確定相應字符的字形特征。

4.一種文本糾錯方法，其特征在于，包括：

對待糾錯文本數據進行特征提取，得到字符特征，所述字符特征包括讀音特征和字形特征；

將所述字符特征輸入文本糾錯模型，輸出預測文本。

5.根據權利要求4所述的文本糾錯方法，其特征在于，在所述字符特征包括讀音特征的情況下，所述對待糾錯文本數據進行特征提取，得到字符特征，包括：

獲取所述待糾錯文本數據中每個字符的拼音，所述拼音用于指示字符的讀音；

通過語音識別網絡對每個字符對應的拼音進行編碼，得到每個字符的讀音特征。

6.根據權利要求4所述的文本糾錯方法，其特征在于，在所述字符特征包括字形特征的情況下，所述對待糾錯文本數據進行特征提取，得到字符特征，包括：

獲取相應字符的字形結構及字根，以基于所述字形結構及字根確定相應字符的字形特征。

7.一種文本糾錯模型訓練裝置，其特征在于，包括：

第一特征提取模塊，對文本數據中的每個字符進行特征提取，得到字符特征，所述字符特征包括讀音特征和字形特征，其中所述每個字符攜帶有字符糾錯標簽；

訓練模塊，利用所述字符特征對待訓練模型進行訓練，直至達到訓練停止條件，以將訓練得到的模型作為文本糾錯模型。

8.一種文本糾錯裝置，其特征在于，包括：

第二特征提取模塊，對待糾錯文本數據進行特征提取，得到字符特征，所述字符特征包括讀音特征和字形特征；

預測模塊，將所述字符特征輸入文本糾錯模型，輸出預測文本。

9.一種存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被執行時實現：

權利要求1～3中任一項所述的文本糾錯模型訓練方法；或

權利要求4～6任一項所述的文本糾錯方法。

10.一種電子設備，其特征在于，包括：

顯示器；

處理單元；以及

存儲單元，用于存儲所述處理單元的可執行指令；

其中，所述處理單元配置為經由執行所述可執行指令來執行：

權利要求1～3中任一項所述的文本糾錯模型訓練方法；或

權利要求4～6任一項所述的文本糾錯方法。