[发明专利]一种英语文本单词使用错误的纠正方法

权利要求书

1.一种英语文本单词使用错误的纠正方法，其特征是：包括英语文本预处理模块、目标英语单词匹配模块、英语单词上下文语义分析模块、英语单词使用错误纠正模块组成的纠正模型，其纠正方法包括如下步骤：

(1)英语文本预处理模块输入需要检查英语单词使用错误的英语文本，对输入的英语文本进行分词分句、英语单词小写化处理；对分词分句、单词小写化处理后的英语文本进行词性标注，生成英语文本词汇表；以英语句子为切分标准，编号英语单词位置并分条存放英语文本词汇表，输出处理后的英语文本词汇表；

(2)目标英语单词匹配模块输入英语文本预处理模块处理后的英语文本词汇表；输入英语单词使用错误易混淆集合，将英语文本词汇表中的英语单词，与英语单词使用错误易混淆集合的英语单词进行匹配，记录匹配的英语单词及其对应位置编号，标记匹配的英语单词为可能发生英语单词使用错误的目标英语单词；提取目标英语单词在英语文本中对应编号位置的左相邻和右相邻的上下文英语单词各一个，分别与目标英语单词组成两个二元单词对；输入二元统计模型，将上一步的两个二元单词对，在二元统计模型中分别进行最长公共子序列匹配，得到满足二元统计模型的英语单词及其词频；提取二元统计模型匹配得到的英语单词中与目标英语单词相似的英语单词及其词频，正则化匹配的最长公共子序列长度和英语单词及其词频；根据正则化匹配的最长公共子序列长度和英语单词及其词频，计算匹配的英语单词权重，以权重大小排序二元统计模型匹配的英语单词；根据权重排序选取二元统计模型中与目标英语单词相匹配的英语单词，标记该英语单词为二元统计模型的匹配候选英语单词；结合单词使用错误易混淆集合和二元统计模型匹配的英语单词，去掉重复的英语单词得到匹配的候选英语单词，输出匹配的候选英语单词；

(3)英语单词上下文语义分析模块输入目标英语单词匹配模块处理后的匹配的候选英语单词，把候选英语单词与目标英语单词放入候选英语单词列表；输入英语单词的共现词向量模型，将上一步得到的候选英语单词列表中的英语单词，与英语单词的共现词向量模型匹配，得到候选英语单词列表中英语单词的词向量；依据候选英语单词列表中英语单词与目标英语单词的词性标注，选取出目标英语单词在英语文本中相应位置的上下文英语单词；将目标英语单词的上下文英语单词与英语单词的共现词向量模型匹配，得到上下文英语单词的词向量；利用英语单词的词向量，计算候选英语单词列表中每个英语单词与上下文英语单词的语义相关值，输出英语单词上下文语义分析结果；

(4)英语单词使用错误纠正模块输入英语单词上下文语义分析结果，根据候选英语单词列表中的英语单词上下文语义相关排序，来判断上下文相关最高的英语单词是否为目标英语单词；根据候选英语单词列表中上下文语义相关最高的英语单词是否为目标英语单词，来判断英语文本中的目标英语单词是否发生英语单词使用错误，如果目标英语单词的上下文语义相关值在候选英语单词列表中不是最高值时，则该目标英语单词为英语单词使用错误，输出候选英语单词列表中上下文语义相关值最高的英语单词作为英语单词使用错误的纠正建议。

2.根据权利要求1所述的纠正方法，其特征是：所述的英语文本预处理模块处理步骤如下：

P201开始；

P202读取需要检查单词使用错误的英语文本；

P203对输入的英语文本进行分词，并输出英语文本的分词结果；

P204对英语文本的分词结果进行单词小写化，并输出英语文本的单词小写化结果；

P205对英语文本的分词结果进行词性标注，并输出英语文本的词性标注结果；

P206统计英语文本的单词总数，输出单词总数统计结果；

P207依据单词总数统计结果，依序编号英语文本中单词的位置，并输出英语文本的单词编号结果；

P208依据分词结果、单词小写化结果、词性标注结果、单词编号结果，生成英语文本词汇表；

P209结束。