申请/专利权人:广东南方网络信息科技有限公司
申请日:2022-12-29
公开(公告)日:2024-04-12
公开(公告)号:CN117077664B
主分类号:G06F40/284
分类号:G06F40/284;G06F40/289;G06F40/253;G06F40/232;G06F18/24;G06F40/242
优先权:
专利状态码:有效-授权
法律状态:2024.04.12#授权;2023.12.05#实质审查的生效;2023.11.17#公开
摘要:本发明公开了一种文本纠错数据的构造方法、装置及存储介质,方法包括:获取第一语料数据,对所述第一语料数据进行词性标注,生成词性标签,根据所述词性标签对所述第一语料数据进行句法分析,生成句法标签;其中所述句法标签包括:主谓关系、动宾关系和状中关系;根据第一语料数据的词性标签和句法标签,构造对应错误类型的文本纠错数据;所述错误类型包括语序不当、成分残缺和成分赘余,通过考虑文本句子的词性和句法信息,构造更加符合人类真实错误的文本纠错数据。
主权项:1.一种文本纠错数据的构造方法,其特征在于,包括:获取第一语料数据,对所述第一语料数据进行词性标注,生成词性标签,根据所述词性标签对所述第一语料数据进行句法分析,生成句法标签;其中所述句法标签包括:主谓关系、动宾关系和状中关系;根据第一语料数据的词性标签和句法标签,构造对应错误类型的文本纠错数据;所述错误类型包括语序不当、成分残缺和成分赘余;根据第一语料数据的词性标签和句法标签,构造对应的文本纠错数据,具体为:根据词性标签和句法标签依次判断第一语料数据中是否包含预设类型的分词;其中,所述预设类型包括同义词、近义词、关联词和状语;判断第一语料数据中的分词是否能够在近义词词表中匹配到近义词,若是,则生成成分赘余的构造信息;若所述第一语料数据中的分词不能够在近义词词表中匹配到近义词,则判断所述第一语料数据中是否包含关联词的分词;若是,则生成关联词语序不当的构造信息;若所述第一语料数据中不包含关联词的分词,则判断所述第一语料数据中是否包含状语的分词,若是,则生成状语语序不当的构造信息;若所述第一语料数据中不包含状语的分词,则生成成分残缺的构造信息;根据所述构造信息、词性标签和句法标签,构造对应的文本纠错数据;所述根据所述构造信息、词性标签和句法标签,构造对应的文本纠错数据,具体为:若构造信息为成分赘余,获取第一语料数据的近义词分词,在所述近义词分词左边或者右边随机插入近义词词表中对应的近义词,标注成分赘余的错误类型,生成文本纠错数据;若构造信息为关联词语序不当,则根据词性标签和句法标签,获取第一语料数据的一对关联词分词和主语分词,将所述主语分词移动到第一个关联词之前,标注关联词语序不当的错误类型,生成文本纠错数据;若构造信息为状语语序不当,则根据词性标签和句法标签,获取第一语料数据的状语分词及其修饰的动词或者宾语;若所述状语分词修饰宾语,则将所述状语分词移动到动词前面;若所述状语分词修饰动词,则将所述状语分词移动到动词宾语前面;标注状语语序不当的错误类型,生成文本纠错数据;若构造信息为成分残缺,则根据句法标签,将第一语料数据的句子的主语、谓语或者宾语删除,并对应标注主语、谓语或者宾语残缺的错误类型,生成文本纠错数据。
全文数据:
权利要求:
百度查询: 广东南方网络信息科技有限公司 一种文本纠错数据的构造方法、装置和存储介质
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。