[发明专利]一种文字域类型识别方法和文字域类型识别系统

权利要求书

1.一种文字域类型识别方法，其特征在于，所述方法包括：

步骤S101：载入文字数据的语言模型，其中所述语言模型为利用所述文字数据基于神经网络训练得到的文字域分类器；

步骤S102：通过所述语言模型确定新输入的文字数据的文字域类型；以及

步骤S103：对所述新输入的文字数据进行编码，基于经编码的所述新输入的文字数据、由步骤S102得到的所属的所述文字域类型，通过用于修正文字域类型的语言模型，判断所述新输入的文字数据是否需要进行修改，以及如果是则将所述新输入的文字数据中出现的漏字、错字、多字中的至少一种错误修改，并返回修改后的文字数据。

2.如权利要求1所述的文字域类型识别方法，其特征在于，所述神经网络是长短期记忆人工神经网络LSTM。

3.如权利要求1或2所述的文字域类型识别方法，其特征在于，所述步骤S102包括：通过所述语言模型计算新输入的文字数据中每个短词或字的置信程度，将整个所述新输入的文字数据的置信程度归一化为所述新输入的文字数据为特定文字域类型的概率，并将概率最高的类型确定为所述新输入的文字数据的文字域类型。

4.如权利要求1所述的文字域类型识别方法，其特征在于，在步骤S102中，在确定新输入的文字数据的文字域类型之前，对所述新输入的文字数据进行编码，以便于所述语言模型的处理。

5.一种文字域类型识别系统，其特征在于，所述系统包括：

文字域识别模块，用于载入文字数据的语言模型，其中所述语言模型为利用所述文字数据基于神经网络训练得到的文字域分类器；通过所述语言模型确定新输入的文字数据的文字域类型；以及文字域修正模块，用于对所述新输入的文字数据进行编码，基于经编码的所述新输入的文字数据、由所述语言模型确定的所属的所述文字域类型，通过用于修正文字域类型的语言模型，判断所述新输入的文字数据是否需要进行修改，以及如果是则将所述新输入的文字数据中出现的漏字、错字、多字中的至少一种错误修改，并返回修改后的文字数据。

6.如权利要求5所述的文字域类型识别系统，其特征在于，所述神经网络是长短期记忆人工神经网络LSTM。

7.如权利要求5或6所述的文字域类型识别系统，其特征在于，所述文字域识别模块还用于通过所述语言模型计算新输入的文字数据中每个短词或字的置信程度，将整个所述新输入的文字数据的置信程度归一化为所述新输入的文字数据为特定文字域类型的概率，并将概率最高的类型确定为所述新输入的文字数据的文字域类型。

8.如权利要求5所述的文字域类型识别系统，其特征在于，在所述文字域识别模块确定新输入的文字数据的文字域类型之前，对所述新输入的文字数据进行编码，以便于所述语言模型的处理。