[发明专利]文法错误识别方法、装置、计算机设备及存储介质

说明书

本申请提出一种文法错误识别方法、装置和计算机设备，其中，方法包括：通过获取文本序列和候选字集合，根据文本序列和候选字集合生成第一词向量数组表示、第二词向量数组表示和第三词向量数组表示，根据文本序列和候选字集合生成N‑gram统计特征和PT特征，根据第一词向量数组表示和第二词向量数组表示和N‑gram统计特征通过基于候选排序的语言模型生成候选字集合的语言模型特征，根据第一词向量数组表示、第三词向量数组表示、N‑gram统计特征和PT特征通过文法特征提取模块生成文法错误特征信息，根据候选字集合的语言模型特征和文法错误特征信息通过排序校对模型生成错误输出几率打分。由此，能够准确识别出文本序列中的错误序列，提高了文法错误识别的准确率。

技术领域

本申请涉及语言处理技术领域，尤其涉及一种文法错误识别方法、装置、计算机设备及存储介质。

背景技术

随着信息化技术的不断发展，越来越多的人们通过将大量文本输入电脑中以进行处理，但是在将文本输入电脑的过程中，会产生文本输入错误问题，例如同音字问题、多音字问题、音近字问题、形近字问题、多字、少字、词语搭配不对、历史文化常识性错误、语法搭配错误等等。文本输入错误问题的存在，对人们的工作和生活带来了极大的影响，因此需要采用文法错误识别方法来识别出输入文本中的错误。

但是，目前的文法错误识别方法依赖于单一的神经网络进行建模，存在召回质量低、识别准确率低等问题。

发明内容

本申请提出一种文法错误识别方法、装置、计算机设备及存储介质，用于解决现有技术中的文法错误识别技术存在召回质量低、识别准确率不高的技术问题。

本申请第一方面实施例提出了一种文法错误识别方法，包括：

获取文本序列和候选字集合，其中，候选字集合的生成基于短语替换表PT字典；

根据所述文本序列和候选字集合生成第一词向量数组表示、第二词向量数组表示和第三词向量数组表示；

根据所述文本序列和候选字集合生成N-gram统计特征和PT特征；

根据所述第一词向量数组表示和所述第二词向量数组表示和所述N-gram统计特征通过基于候选排序的语言模型生成候选字集合的语言模型特征；

根据所述第一词向量数组表示和所述第三词向量数组表示和所述N-gram统计特征和所述PT特征通过文法特征提取模块生成文法错误特征信息；以及

根据所述候选字集合的语言模型特征和所述文法错误特征信息通过排序校对模型生成错误输出几率打分。

作为本申请第一种可能的实现方式，所述根据所述文本序列生成第一词向量数组表示，包括：

根据所述文本序列和第一词向量表生成所述第一词向量数组表示。

作为本申请第二种可能的实现方式，所述根据所述文本序列和候选字集合生成第二词向量数组表示，包括：

获取所述文本序列中目标位置的字；

获取所述PT字典中与所述目标位置的字对应的召回候选字；

根据所述目标位置的字与所述目标位置的字对应的召回候选字生成候选字集合；以及

根据所述候选字集合和所述第二词向量表生成所述第二词向量数组表示。

作为本申请第三种可能的实现方式，所述根据所述文本序列和候选字集合生成第三词向量数组表示，包括：

根据所述候选字集合和第三词向量表生成第一级词向量数组表示；

根据所述目标位置生成字序列窗口，其中，所述字序列窗口为以所述目标位置为中心的固定长度的窗口；

根据所述字序列窗口获取上下文字序列；