申请/专利权人：天翼云科技有限公司

申请日：2023-12-13

公开（公告）日：2024-04-12

公开（公告）号：CN117875310A

主分类号：G06F40/232

分类号：G06F40/232;G06F40/194;G06F40/14

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明公开了一种基于前后缀词库与困惑度的垂域文本纠错方法，包括第一步，构建词库，第二步，构建trie树，第三步，进行AC自动机检测中心词，第四步，进行关键文本片段截取，第五步，进行相似度计算，第六步，进行文本困惑度计算和第七步，进行结果输出；本发明首先通过AC自动机匹配到的中心词前后进行滑窗，截取一定长度的文本片段，这种通过匹配中心词直接定位到关键文本片段进行错误检查，而非针对整段文本进行检测的方法，极大地提高了检错效率，再通过bert模型计算文本的困惑度，通过预设困惑度阈值，有效处理原始文本和候选文本的通顺度符合要求的情况，有效避免误纠的情况发生，减少对用户的打扰，极大地提升了用户体验。

主权项：1.一种基于前后缀词库与困惑度的垂域文本纠错方法，其特征在于，所述纠错方法包括以下几个步骤：第一步，构建词库，进行收集垂类领域相关的词典收集，进行前后缀词库的构建；第二步，构建trie树，根据词库的中心词建立trie树，trie树上所有节点具有最长前向距离和最长后向距离两个属性标识；第三步，进行AC自动机检测中心词，通过AC自动机快速检测待检测文本中是否存在中心词；第四步，进行关键文本片段截取，根据检测到的中心词，对中心词前后文段进行截取；第五步，进行相似度计算，通过编辑距离分别计算截取文段与词库中心词组合词的相似度；第六步，进行文本困惑度计算，通过bert模型对原始文本和候选文本进行困惑度计算；第七步，进行结果输出，通过原始文本和候选文本困惑度的计算、对比，进行最终结果输出。

全文数据：

权利要求：

百度查询： 天翼云科技有限公司 一种基于前后缀词库与困惑度的垂域文本纠错方法

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