[发明专利]用于生成修正语句的方法和装置

说明书

本申请实施例公开了用于生成修正语句的方法和装置。该方法的一具体实施方式包括：获取目标语句，以及对目标语句进行切词，得到待修正词语集合；对于待修正词语集合中的待修正词语，确定目标存储区中是否存在预设的、与该待修正词语对应的待定词语集合；响应于确定存在，基于待定词语的错误概率和使用概率，确定待定词语的修正概率；按照所得到的修正概率的大小顺序，从待定词语集合中，提取预设数量个待定词语作为待定词语子集合；基于所得到的待定词语子集合，生成修正语句。该实施方式提高了对语句进行修正的准确性。

技术领域

本申请实施例涉及计算机技术领域，具体涉及用于生成修正语句的方法和装置。

背景技术

当人们利用手机、电脑等电子设备输入文字(例如向搜索引擎输入搜索语句、输入评论语句等)时，通常会产生输入文字错误的情况。这时需要将错误的文字修正。现有技术中，一般是由搜索引擎对用户输入的搜索语句进行纠错，并将纠正后的语句展示出来供用户选择。

发明内容

本申请实施例提出了用于生成修正语句的方法和装置。

第一方面，本申请实施例提供了一种用于生成修正语句的方法，该方法包括：获取目标语句，以及对目标语句进行切词，得到待修正词语集合；对于待修正词语集合中的待修正词语，确定目标存储区中是否存在预设的、与该待修正词语对应的待定词语集合，其中，待定词语具有对应的错误概率和使用概率，错误概率用于表征待定词语被错换为该待修正词语的概率，使用概率用于表征待定词语被使用的概率；响应于确定存在，基于待定词语的错误概率和使用概率，确定待定词语的修正概率，其中，修正概率用于表征将该待修正词语修改为待定词语的概率；按照所得到的修正概率的大小顺序，从待定词语集合中，提取预设数量个待定词语作为待定词语子集合；基于所得到的待定词语子集合，生成修正语句。

在一些实施例中，目标存储区为预先建立的对应关系表，对应关系表包括待修正词语和待定词语集合，对应关系表用于表征待修正词语与待定词语集合的对应关系，对应关系表还包括待定词语的错误概率和使用概率。

在一些实施例中，待定词语的错误概率和使用概率预先按照如下步骤得到：对于待定词语集合中的待定词语，确定预设的、该待定词语对应的文本子集中的文本包括的、该待定词语的数量为第一数量，其中，文本子集是预设的文本集的子集；确定该待定词语对应的文本子集中的文本包括的、该待定词语对应的待修正词语的数量为第二数量；将所确定的第二数量除以第一数量与第二数量之和，得到该待定词语的错误概率；确定该待定词语在文本集中的数量为第三数量，以及将所确定的第三数量与文本集中的文本包括的词语的总数的比值确定为该待定词语的使用概率。

在一些实施例中，基于所得到的待定词语子集合，生成修正语句，包括：利用所得到的待定词语子集合中的待定词语，生成至少一个候选修正语句，以及得到至少一个候选修正语句中的候选修正语句的置信度；基于所得到的置信度的大小顺序，从至少一个候选修正语句中提取候选修正语句作为修正语句。

在一些实施例中，在确定目标存储区中是否存在预设的、与该待修正词语对应的待定词语集合之后，该方法还包括：响应于确定目标存储区中不存在预设的、与该待修正词语对应的待定词语集合，确定该待修正词语包含的汉字的拼音；基于所确定的拼音，获取至少一个与拼音相匹配的匹配词语；从所获取的至少一个匹配词语中，选择预设数量个匹配词语作为待定词语子集合。

在一些实施例中，所得到的至少一个匹配词语中的匹配词语具有对应的热度数值，热度数值用于表征匹配词语被使用的频率；以及从所获取的至少一个匹配词语中，选择预设数量个匹配词语作为待定词语子集合，包括：按照热度数值的大小顺序，从所获取的至少一个匹配词语中选择预设数量个匹配词语作为待定词语子集合。