[发明专利]一种英文单词拼写纠错方法、装置、设备及可读存储介质

说明书

本发明公开了一种英文单词拼写纠错方法，该方法包括以下步骤：获取具有待纠错单词的目标单词序列，以及待纠错单词在目标单词序列中对应的相邻词；利用编辑距离从正确词库中获取待纠错单词的候选集；利用基于全局词频统计的向量化词库，计算相邻词与候选集中的每个候选词之间的相邻共现参数值；利用相邻共现参数值从候选集中确定出正确词，并将目标单词序列中的待纠错单词替换为正确词。该方法，能够结合上下文信息从候选集中筛选得到替换待纠错词的正确词，可能够提高拼写纠错准确率。本发明还公开了一种英文单词拼写纠错装置、设备及可读存储介质，具有相应的技术效果。

技术领域

本发明涉及数据处理技术领域，特别是涉及一种英文单词拼写纠错方法、装置、设备及可读存储介质。

背景技术

跨境电商正逐步成为中国连接世界的纽带。和传统国内电商不同，跨境电商的用户分布在国外，在网站平台上使用的语言主要是英文。利用键盘输入英文内容，因英文没有输入法，只能单个字母逐个输入，这就容易导致拼写出错。具体的，在拼写单词时，因误触键盘、或者由于发音错误极容易出现漏字母、字母顺序错误、多字母的情况。这些拼写错误的请求会进入搜索引擎，由于错词在搜索工程中的类目映射、索引查询等等相关处理中，会有不良影响，导致不能很准确地得到用户需要的结果。

目前的拼写纠错方法通过对单词查表，如果错误直接通过编辑距离查找正确的词，由于编辑距离和错词相近的词可能有多个。用来筛选正确词的处理方法，难以获得准确正确词，即无法保障纠错后的词为用户期望输入的词。也就是说，目前的拼写纠错方法的准确率较低，难以满足实际纠错需求。

综上所述，如何有效地解决拼写纠错等问题，是目前本领域技术人员急需解决的技术问题。

发明内容

本发明的目的是提供一种英文单词拼写纠错方法、装置、设备及可读存储介质，基于上下文相关性，快速准确地确定出错词对应的正确词，可提高拼写纠错准确率。

为解决上述技术问题，本发明提供如下技术方案：

一种英文单词拼写纠错方法，包括：

获取具有待纠错单词的目标单词序列，以及所述待纠错单词在所述目标单词序列中对应的相邻词；

利用编辑距离从正确词库中获取所述待纠错单词的候选集；

利用基于全局词频统计的向量化词库，计算所述相邻词与所述候选集中的每个候选词之间的相邻共现参数值；

利用所述相邻共现参数值从所述候选集中确定出正确词，并将所述目标单词序列中的所述待纠错单词替换为所述正确词。

优选地，所述获取具有待纠错单词的目标单词序列，包括：

获取拼写内容，对所述拼写内容进行单词拼写检测，获得所述目标单词序列。

优选地，计算所述目标单词序列中所述待纠错单词的相邻词与所述候选集中的每个候选词之间的相邻共现参数值，包括：

利用所述向量化词库中记录的单词词组在文本中一起出现的统计次数，计算所述相邻词与每个所述候选词之间的相邻共现参数值。

优选地，计算所述相邻词与每个所述候选词之间的相邻共现参数值，包括：

从所述向量化词库中获取所述相邻词的单词向量以及每个所述候选词分别对应的单词向量；

计算所述相邻词的单词向量与每个所述候选词分别对应的单词向量的向量乘积；

将所述向量乘积作为所述相邻共现参数值。

优选地，利用所述相邻共现参数值从所述候选集中确定出正确词，包括：

对所述相邻共现参数值进行大小排序，将最大相邻共现参数值对应的候选词作为所述正确词。