[发明专利]一种校正文本的方法、装置及设备

说明书

本申请实施例提供了一种校正文本的方法、装置及设备，包括：根据获取到的目标文本，确定至少一个纠错单元；对至少一个纠错单元进行关键词搜索，确定待处理单元；利用循环迭代对待处理单元进行处理，确定备选单元，至少一个备选单元为与每个待处理单元的匹配度符合第二预设条件的词组；将至少一个备选单元标注在对应的待处理单元上，以便于根据备选单元对目标文本进行校正。本申请中，能够将文本分解成最小的纠错单元，然后分别和预设词汇库、网络数据库进行比较，对疑似错别字进行校正，实现了业务支撑系统中各种文本的自动核稿和纠错，在提高校正文本正确率和效率的同时，达到节省校正文本的时间以及降低人力成本的目的。

技术领域

本发明属于文字处理技术领域，尤其涉及一种校正文本的方法、装置、设备和计算机存储介质。

背景技术

随着通信技术的迅速发展，用户端的数量不断增加，新业务也层出不穷，业务支撑系统变得越来越重要，而在业务支撑系统中，基于短信、互联网等多种媒体形式的使用文字进行表达的文本数量呈现爆炸式的增长，广泛应用在业务宣传、反馈、用户申告、投诉处理、互联网舆情分析、或者上网行为大数据分析等各个层面。由于文字的撰写者越来越多元化，写作水平也参差不齐，导致不少文本中出现了大量错别字。现有的文本核稿方法还是主要以人工核稿和互联网检索为主，首先通过人工进行初步筛选，对于特别有疑问的词组，再通过互联网进行搜索核实。但是，该种方法中人工核稿需要耗费大量的时间和精力，而且文章核稿质量完全依赖于核稿人员的个人能力水平，容易出现遗漏。

因此，需要提供一种更加合理的校正文本的方案，在提高校正文本的正确率和效率的同时，提高用户体验感。

发明内容

本申请实施例提供一种校正文本的方法、装置、设备和计算机存储介质，能够识别疑似包含错别字的纠错单元并对其进行校正，在提高校正文本正确率和效率的同时，达到节省校正文本的时间以及降低人力成本的目的。

第一方面，本申请实施例提供了一种校正文本的方法，该方法可以包括：

根据获取到的目标文本，确定至少一个纠错单元，纠错单元为在预设词汇库中没有匹配到的词组；

对至少一个纠错单元进行关键词搜索，确定待处理单元，待处理单元为在网络数据库中搜索结果符合第一预设条件的纠错单元；

利用循环迭代对待处理单元进行处理，确定备选单元，每个待处理单元对应至少一个备选单元，至少一个备选单元为与每个待处理单元的匹配度符合第二预设条件的词组；

将至少一个备选单元标注在对应的待处理单元上，以便于根据备选单元对目标文本进行校正。

本申请中，能够将文本分解成最小的纠错单元，然后分别和预设词汇库、网络数据库进行比较，对疑似错别字进行校正，实现了业务支撑系统中各种文本的自动核稿和纠错，在提高校正文本正确率和效率的同时，达到节省校正文本的时间以及降低人力成本的目的。

在一种可能的实施方式中，在上述“根据获取到的目标文本，确定至少一个纠错单元”的步骤中，具体可以包括：

根据获取到的目标文本分成多个段落，多个段落中包括至少一个语句；利用预设语句分隔库将每个语句分成至少一个词组；将至少一个词组分别与预设词汇库中的词组进行匹配，确定至少一个纠错单元，纠错单元为在预设词汇库中没有匹配到的词组。

在另一种可能的实施方式中，在上述“根据获取到的目标文本分成多个段落”的步骤中，具体可以包括：

利用分隔符将获取到的目标文本分成多个段落，分隔符包括：至少一种标点符号。

在又一种可能的实施方式中，在上述“利用预设语句分隔库将至少一个语句中的每个语句分成至少一个词组”的步骤中，具体可以包括：利用预设语句分隔库中的语句特征，将至少一个语句中的每个语句分成至少一个词组。