【技术实现步骤摘要】
文本纠错方法、装置、设备和存储介质
[0001]本专利技术涉及人工智能
,尤其涉及文本纠错方法、装置、设备和存储介质。
技术介绍
[0002]中文写作过程中难以避免出现拼写错误,通过检测和纠正文本中的拼写错误是自然语言处理中的重要领域,在信息检索、智能写作、OCR识别等诸多领域都有应用。
[0003]相关技术中,多采用基于深度学习的文本纠错模型进行中文的拼写纠错,但是这种文本纠错模型在训练时并非专门为文字纠错任务而设计,在进行纠错时往往只向模型输入字符和位置向量,而不考虑字符的字音、笔顺、结构和句子整体表述的信息,因此纠错准确率不理想。
技术实现思路
[0004]本申请实施例的主要目的在于提出文本纠错方法、装置、设备和存储介质,提高文本纠错的准确率。
[0005]为实现上述目的,本申请实施例的第一方面提出了一种文本纠错方法,包括:
[0006]获取待纠错文本,并对所述待纠错文本进行分词,得到多个文本词和所述文本词的文本候选集,所述文本候选集包括多个候选词;
[0007]基于所述待纠错文本和所述文本词的字音字形信息计算所述文本词的嵌入向量;
[0008]基于字符结构映射表和所述文本候选集获取所述文本词的汉字结构权重矩阵;
[0009]将所述嵌入向量和所述汉字结构权重矩阵输入文本纠错模型进行文本纠错,输出所述文本候选集中每个所述候选词的字符概率;
[0010]将所述文本候选集中所述字符概率最大的所述候选词作为所述文本词的预测词;
[00 ...
【技术保护点】
【技术特征摘要】
1.一种文本纠错方法,其特征在于,包括:获取待纠错文本,并对所述待纠错文本进行分词,得到多个文本词和所述文本词的文本候选集,所述文本候选集包括多个候选词;基于所述待纠错文本和所述文本词的字音字形信息计算所述文本词的嵌入向量;基于字符结构映射表和所述文本候选集获取所述文本词的汉字结构权重矩阵;将所述嵌入向量和所述汉字结构权重矩阵输入文本纠错模型进行文本纠错,输出所述文本候选集中每个所述候选词的字符概率;将所述文本候选集中所述字符概率最大的所述候选词作为所述文本词的预测词;基于每个所述文本词的所述预测词得到所述待纠错文本的输出文本。2.根据权利要求1所述的文本纠错方法,其特征在于,所述基于所述待纠错文本和所述文本词的字音字形计算所述文本词的嵌入向量,包括:基于预设字符嵌入向量表获取所述文本词的字符嵌入向量;根据所述文本词在所述待纠错文本中的位置信息得到位置嵌入向量;将所述文本词的发音信息输入第一长短时记忆网络模型进行向量生成,得到字音嵌入向量;获取所述文本词的笔画结构,并基于笔顺信息将所述笔画结构依次输入第二长短时记忆网络模型进行向量生成,生成字形嵌入向量;拼接所述字符嵌入向量、所述位置嵌入向量、所述字音嵌入向量和所述字形嵌入向量得到所述嵌入向量。3.根据权利要求1所述的文本纠错方法,其特征在于,所述基于字符结构映射表和所述文本候选集获取所述文本词的汉字结构权重矩阵之前,所述方法还包括:构建所述字符结构映射表,构建过程包括:获取预设字符数据库,所述预设字符数据库中包含多个预设字符;生成每个所述预设字符的映射字符串;计算每个所述映射字符串与其他所述映射字符串的相似度距离;对所述相似度距离进行量化,得到每个所述预设字符与其他所述预设字符之间的相似权重值;基于所述相似权重值构建所述字符结构映射表。4.根据权利要求3所述的文本纠错方法,其特征在于,所述生成每个所述预设字符的映射字符串,包括:基于所述预设字符的预设笔顺信息对所述预设字符进行拆解,得到每个所述预设字符的预设笔画;查询预设笔画映射表得到每个所述预设笔画的映射值,所述预设笔画映射表用于存储预设笔画的映射值;根据所述预设笔顺信息和所述映射值得到每个所述预设字符的映射字符串。5.根据权利要求3所述的文本纠错方法,其特征在于,所述基于字符结构映射表和所述文本候选集获取所述文本词的汉字结构权重矩阵,包括:在所述字符结构映射表中查询所述文本词和所述文本候选集中所述候选词的相似权重值;
根据每个所述相似权重值构建所述文本词的所述汉字结构权重矩阵。6.根据权利要求1所述的文本纠错方法,其特征在于,基于字符结构映射表和所述文本候选集获取所述文本词的汉字结构权重矩阵之前,所述方法还包括:基于所述文本词对所述待纠错文本进行命名实体识别,得到所述文本词的命名实体相似词;基于所述命名实体相似词更新所述文本词的所述文本候选集;和/或,基于所述文本词对所述待纠错文本进行语义成分识别,得到所述文本词的语义成分相似词;基于所述语义成分相似词更新所述文本词的所述文本候选集。7.根据权利要求1至6任一项所述的文本纠错方法,其特征在于,所述文本纠错模型包括:向量输出模块和概率输出模块;所述将所述嵌入向量和所述汉字结构权重矩阵输入文本纠错模型进行文本纠错,输出所述文本候选集中每个所述候选词的字符概率,包括:将所述嵌入向量输入所述向量输出...
【专利技术属性】
技术研发人员:顾伟正,王伟,陈焕坤,郑毅,
申请(专利权)人:华润数字科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。