申请/专利权人：腾讯科技(深圳)有限公司

申请日：2023-07-03

公开（公告）日：2024-03-19

公开（公告）号：CN116522905B

主分类号：G06F40/232

分类号：G06F40/232

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2023.08.18#实质审查的生效;2023.08.01#公开

摘要：本申请实施例提供了一种文本纠错方法、装置、设备、可读存储介质及程序产品，涉及人工智能、地图等领域，应用场景包括但不限于文本纠错场景。该方法包括：获取目标文本序列和候选词汇序列；确定目标文本序列的特征向量和候选词汇序列的特征向量，目标文本序列的特征向量用于表征目标文本序列中各个字的特征，候选词汇序列的特征向量用于表征候选词汇序列中各个字的特征；基于候选词汇序列的特征向量，确定候选词汇序列的目标词在候选词汇序列中的位置；基于目标词在候选词汇序列中的位置、目标文本序列的特征向量和候选词汇序列的特征向量，对目标文本序列中待纠错字进行纠错，确定纠错后的字。

主权项：1.一种文本纠错方法，其特征在于，包括：获取目标文本序列和候选词汇序列；确定所述目标文本序列的特征向量和所述候选词汇序列的特征向量，所述目标文本序列的特征向量用于表征所述目标文本序列中各个字的特征，所述候选词汇序列的特征向量用于表征所述候选词汇序列中各个字的特征；基于所述候选词汇序列的特征向量，确定所述候选词汇序列的目标词在所述候选词汇序列中的位置，所述目标词包括所述目标文本序列中待纠错字对应的预测的正确字；基于所述目标词在所述候选词汇序列中的位置、所述目标文本序列的特征向量和所述候选词汇序列的特征向量，对所述目标文本序列中待纠错字进行纠错，确定纠错后的字；所述获取目标文本序列和候选词汇序列，包括：获取目标文本；基于所述目标文本，进行短语化处理，得到所述目标文本对应的短语；将所述目标文本对应的短语，进行拼音转换处理，得到所述短语对应的拼音；将所述短语对应的拼音和预设知识库中词汇进行匹配，从所述预设知识库中确定候选词汇；基于所述目标文本和所述候选词汇，进行拼接处理，得到拼接文本，所述拼接文本包括目标文本序列和候选词汇序列；所述预设知识库用于通过自定义的所述预设知识库的接口提供业务领域知识；所述候选词汇序列的目标词在所述候选词汇序列中的位置包括所述目标词在所述候选词汇序列中的起始位置和所述目标词在所述候选词汇序列中的终止位置，所述基于所述目标词在所述候选词汇序列中的位置、所述目标文本序列的特征向量和所述候选词汇序列的特征向量，对所述目标文本序列中待纠错字进行纠错，确定纠错后的字，包括：基于所述起始位置和所述终止位置，从所述候选词汇序列的特征向量中确定所述目标词的特征向量；基于所述目标词的特征向量和所述目标文本序列的特征向量，进行拼接处理，得到纠错特征向量；基于所述纠错特征向量，对所述目标文本序列中待纠错字进行纠错，确定纠错后的字；所述基于所述纠错特征向量，对所述目标文本序列中待纠错字进行纠错，确定纠错后的字，包括：基于所述纠错特征向量，确定未归一化纠错概率；基于所述未归一化纠错概率的字表大小维度，进行归一化处理，得到归一化处理后的概率向量；基于所述归一化处理后的概率向量，确定纠错后的字的索引号；基于所述纠错后的字的索引号，通过分词器进行解码处理，得到纠错后的字；所述基于所述归一化处理后的概率向量，确定纠错后的字的索引号，包括：将所述归一化处理后的概率向量的各元素中最大元素，确定为纠错后的字的索引号。

全文数据：

权利要求：

百度查询： 腾讯科技(深圳)有限公司 文本纠错方法、装置、设备、可读存储介质及程序产品

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD