[发明专利]一种基于语音识别的文本处理方法和装置

权利要求书

1.一种基于语音识别的文本处理方法，包括：

获取对语音数据进行语音识别获得的第一文本；

对所述第一文本进行断句，获得一个或多个文本片段；

对所述一个或多个文本片段添加标点符号，组合成第二文本。

2.如权利要求1所述的方法，其特征在于，所述对所述第一文本进行 断句，获得一个或多个文本片段的步骤包括：

对所述第一文本进行切词处理，获得一个或多个字；

识别所述一个或多个字的词位置；

在所述第一文本的指定的词位置处进行断句，获得一个或多个文本片段。

3.如权利要求2所述的方法，其特征在于，所述识别所述一个或多个 字的词位置的步骤包括：

按照字的顺序，按照前一个字的每一个词位置的概率，计算出后一个字 的每一个词位置的概率；

按照字的逆序，按照后一个字基于概率标注的词位置，标注出前一个字 的词位置。

4.如权利要求3所述的方法，其特征在于，所述按照字的顺序，按照 前一个字的每一个词位置的概率，计算出后一个字的每一个词位置的概率的 步骤包括：

通过预设的序列标注模型，计算出第1个字的每个词位置的概率；

通过预设的序列标注模型，基于第i-1个字的每个词位置的概率，计算 出第i个字的每个词位置的概率，i为大于1的正整数；

针对第i个字的每个词位置的概率，以值最高的概率作为所述词位置的 概率。

5.如权利要求4所述的方法，其特征在于，所述序列标注模型为条件 随机场模型，基于训练文本及针对所述训练文本中的字标注的词位置训练生 成，所述训练文本的标点符号被替换。

6.如权利要求3或4或5所述的方法，其特征在于，所述按照字的逆 序，按照后一个字基于概率标注的词位置，标注出前一个字的词位置的步骤 包括：

针对最后一个字，标注值最高的概率所属的词位置；

当第i个字确定词位置时，查询计算出第i个字词位置的概率的第i-1个 字的概率，i为大于1的正整数；

针对第i-1个字，标注所述第i-1个字的概率所属的词位置。

7.如权利要求2或3或4或5所述的方法，其特征在于，所述词位置 包括词首、词尾、词中、单字词中的一个或多个；

所述在所述第一文本的指定的词位置处进行断句的步骤包括：

在所述第一文本的词首和/或单字词之前进行断句；

和/或，

在所述第一文本的词尾和/或单字词之后进行断句。

8.如权利要求1或2或3或4或5所述的方法，其特征在于，所述对 所述一个或多个文本片段添加标点符号的步骤包括：

针对每个文本片段，识别出关键词；

查找所述关键词对应的标点符号；

在所述文本片段之后添加所述标点符号。

9.一种基于语音识别的文本处理装置，包括：

第一文本获取模块，适于获取对语音数据进行语音识别获得的第一文本；

断句模块，适于对所述第一文本进行断句，获得一个或多个文本片段；

标点符号添加模块，适于对所述一个或多个文本片段添加标点符号，组 合成第二文本。

10.如权利要求9所述的装置，其特征在于，所述断句模块还适于：

对所述第一文本进行切词处理，获得一个或多个字；

识别所述一个或多个字的词位置；

在所述第一文本的指定的词位置处进行断句，获得一个或多个文本片段。