[发明专利]数据处理方法、装置、电子设备及存储介质

说明书

本发明公开了一种数据处理方法、装置、电子设备及存储介质。其中，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；所述第一信息表征所述特征序列对应的文本中包含至少一个第一关键词；所述第一关键词是按照自身的属性进行标记的词语；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。

技术领域

本发明涉及同声传译技术，具体涉及一种数据处理方法、装置、电子设备及存储介质。

背景技术

随着人工智能技术的快速发展，语言模型被广泛地应用在语音识别、输入法、信息检索等技术领域。例如，在输入法技术领域中，语言模型可以用于确定用户输入的文本最有可能对应的文字序列；在语音识别技术领域中，语言模型可以用于确定用户输入的语音最有可能对应的文字序列。语言模型可以广泛应用在各种场景，比如同声传译场景。相关技术中在语言模型的语料不足的情况下存在识别结果准确率较低和效率较低的问题。

发明内容

为解决相关技术问题，本发明实施例提供一种数据处理方法、装置、电子设备及存储介质。

本发明实施例的技术方案是这样实现的：

本发明实施例提供了一种数据处理方法，包括：

获取待处理数据；

对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；所述第一信息表征所述特征序列对应的文本中包含至少一个第一关键词；所述第一关键词是按照自身的属性进行标记的词语；

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。

上述方案中，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。

上述方案中，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。

上述方案中，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。

上述方案中，所述方法还包括：

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；

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；