[发明专利]数据处理方法、装置、电子设备及存储介质

权利要求书

1.一种数据处理方法，其特征在于，所述方法包括：

获取待处理数据；

对所述待处理数据进行特征提取，得到特征序列；确定所述特征序列对应的第一信息；

基于所述第一信息，结合第一语言模型对所述待处理数据进行识别，获得识别文本；

其中，所述确定所述特征序列对应的第一信息，包括：

基于正则表达式确定所述特征序列对应的至少一个第一词语；

从词典数据库中查找与所述至少一个第一词语对应的标记信息；所述词典数据库存储有词语与词语的标记信息的对应关系；

将查找到的标记信息作为所述特征序列对应的第一信息；

所述基于所述第一信息，结合语音识别模型对所述待处理数据进行识别，获取识别文本，包括：

利用所述第一语言模型，结合所述第一信息，构建第一解码图结构；所述第一解码图结构至少包括按照词语对应的标记信息对词语进行识别的解码路径；

基于所述特征序列对应的所述第一信息，确定所述特征序列对应的文本中的第一关键词在所述第一解码图结构中的至少一个第一解码路径；

基于所述至少一个第一解码路径，对所述待处理数据进行识别，获得识别文本。

2.根据权利要求1所述的方法，其特征在于，所述特征序列对应的文本中的第一关键词在所述解码图结构中存在至少两个解码路径；所述方法还包括：

基于所述至少两个第一解码路径，对所述待处理数据进行识别，得到至少两个文本序列；

计算所述至少两个文本序列对应的分数；

按分数对所述至少两个文本进行排序，得到排序结果；

将所述排序结果中最大分数对应的文本序列作为所述待处理数据的识别文本。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

当从词典数据库中未查找到与所述至少一个第一词语对应的标记信息时，确定所述至少一个词中每个第一词语的至少一个第二词语；所述词典数据库存储有词语与词语的标记信息的对应关系；

确定所述每个第一词语的第一词向量；并确定所述至少一个第二词语的第二词向量；所述第二词语表征所述每个第一词语的上文中的词语；

基于所述第一词向量和所述第二词向量，结合第一语言模型对所述待处理数据进行识别，得到识别文本。

4.根据权利要求1所述的方法，其特征在于，所述基于正则表达式确定所述特征序列对应的至少一个第一词语，包括：

对所述特征序列进行字符分割，得到至少两个字符串；

针对所述至少两个字符串中每个字符串，基于正则表达式确定相应字符串对应的至少一个词语；

将确定的至少一个词语作为所述特征序列对应的至少一个第一词语。

5.根据权利要求3所述的方法，其特征在于，基于所述第一词向量和所述第二词向量，结合第一语言模型对所述待处理数据进行识别，得到识别文本，包括：

利用所述第一语言模型，构建第二解码图结构；所述第二解码图结构至少包括按照至少两个词语的词向量对词语进行识别的解码路径；

基于所述第一词向量和所述第二词向量，确定所述特征序列对应的文本在所述解码图结构中的第二解码路径；

基于所述第二解码路径，对所述待处理数据进行识别，得到识别文本。

6.根据权利要求1至5任一项所述的方法，其特征在于，所述方法还包括：

判断所述识别文本中是否包含有第二信息；所述第二信息表征识别文本中携带有解码路径的标识；

当确定所述识别文本中包含有第二信息时，从所述识别文本中删除所述第二信息，得到删除后的识别文本；

输出删除后的识别文本。

7.根据权利要求1所述的方法，其特征在于，所述待处理数据为语音数据，所述方法还包括：

对语音数据进行特征提取，得到特征序列；确定所述特征序列对应的第一信息；

基于所述第一信息，结合第一语言模型对所述语音数据进行识别，获得识别文本；

对所述识别文本进行翻译，得到翻译文本；所述翻译文本用于在播放所述语音数据时在显示装置进行呈现。