[发明专利]一种文本检错方法及装置

说明书

本申请实施例提供了一种文本检错方法及装置，其中，首先获取生成待检测文本的用户端信息；之后选取与用户端信息匹配的语料库，并利用选取的语料库从待检测文本中初步筛选得到目标疑似词汇，最后基于目标疑似词汇出现在待检测文本的当前位置的概率，从目标疑似词汇中进行筛选得到最终的目标错误字符。本申请实施例基于生成待检测文本的用户端信息筛选语料库，利用筛选得到的语料库对待检测文本进行文本检错，能够增强文本检错的针对性，不仅有助于提高文本检错的准确度，而且能够提高文本检错的效率。同时，本申请实施例基于目标疑似词汇出现在待检测文本的当前位置的概率，进一步从目标疑似词汇中筛选目标错误字符，有效提高了文本检错的准确度。

技术领域

本申请涉及文本处理技术领域，尤其是涉及一种文本检错方法及装置。

背景技术

随着科技的发展，在智能服务的场景中需要对用户或客服的对话文本进行语义理解和意图分类等操作，继而根据得到的语义或意图执行对应的操作。当前，通过人工手写、利用输入法输入或利用语音辨识得到的文本中不可避免的存在错别字符，这些错别字符对上述语义理解和意图分类带来很大的困难，严重影响了后续语义理解或意图分类的准确度，继而造成智能服务的服务质量受损。

现有技术中存在一些对文本进行检错的方法，但是这些检错方法存在检错精确度低或适用性差的缺陷，例如有些文本检错方法只适用于某些文本，对其他文本的检错准确度很低。

发明内容

有鉴于此，本申请的目的在于提供一种文本检错方法和装置，以提高文本的检错精确度和适应性。

第一方面，本申请实施例提供了一种文本检错方法，包括：

获取生成待检测文本的用户端信息；

选取与所述用户端信息匹配的语料库；所述语料库存储有多个正确的文本；

基于存储有多个正确的文本的所述语料库，从所述待检测文本中确定目标疑似词汇；

基于每个目标疑似词汇出现在所述待检测文本的当前位置的概率，从所述目标疑似词汇中筛选目标错误字符。

在一种可能的实施方式中，所述选取与所述用户端信息匹配的语料库，包括：

获取与所述用户端信息对应的历史文本信息；

从获取的历史文本信息中选取正确文本，得到所述语料库。

在一种可能的实施方式中，所述获取与所述用户端信息对应的历史文本信息，包括：

基于所述用户端信息，确定目标用户群；

获取所述目标用户群对应的用户生成的历史文本信息。

在一种可能的实施方式中，所述基于存储有多个正确的文本的所述语料库，从待检测文本中确定目标疑似词汇，包括：

基于存储有多个正确的文本的所述语料库，从所述待检测文本中筛选疑似错误词汇和疑似错误字符；

从所述待检测文本中获取每个所述疑似错误字符所属的词汇，并从所述疑似错误字符所属的词汇中筛选属于所述疑似错误词汇的词汇，得到目标疑似词汇。

在一种可能的实施方式中，所述从所述目标疑似词汇中筛选目标错误字符,包括：

基于每个目标疑似词汇出现在所述待检测文本的当前位置的概率，从所述目标疑似词汇中筛选目标错误词汇；

从所述目标错误词汇的所有字符中，筛选属于所述疑似错误字符的字符，得到所述目标错误字符。

在一种可能的实施方式中，所述从所述目标疑似词汇中筛选目标错误词汇，包括：

确定每个目标疑似词汇出现在所述待检测文本的当前位置的概率，得到每个目标疑似词汇的第一概率；