[发明专利]文本检错方法、装置、计算机设备和存储介质

权利要求书

1.一种文本检错方法，其特征在于，所述方法包括：

获取待识别图片；

从所述待识别图片中识别字符，以及确定各所述字符的字符位置信息；

根据各所述字符位置信息对各所述字符进行版面复原，得到待检测文本；

将所述待检测文本转换为对应的文本向量；

将所述文本向量输入通过训练确定的文本检错模型，获取所述文本检错模型输出的所述待检测文本的文本检错结果。

2.根据权利要求1所述的文本检错方法，其特征在于，在获取所述文本检错模型输出的所述待检测文本的文本检错结果之后，还包括：

若根据所述文本检错结果确定所述待检测文本中包含错误字符，获取与所述待检测文本对应的正确语句候选文本；

从所述正确语句候选文本中筛选出所述待检测文本的正确文本；

用所述正确文本替换所述待检测文本，得到纠正后文本。

3.根据权利要求1所述的文本检错方法，其特征在于，所述根据各所述字符位置信息对各所述字符进行版面复原，得到待检测文本，包括：

根据各所述字符位置信息确定两两字符之间的位置关系；

基于两两字符之间的位置关系，依次将相邻的字符组合得到所述待检测文本。

4.根据权利要求1所述的文本检错方法，其特征在于，所述文本检错模型包括BERT序列标注模型；

将所述文本向量输入通过训练确定的文本检错模型，获取所述文本检错模型输出的所述待检测文本的文本检错结果，包括：

将所述文本向量输入通过训练确定的BERT序列标注模型，获取所述BERT序列标注模型输出的所述待检测文本的序列标注结果；

根据所述序列标注结果确定所述待检测文本的文本检错结果。

5.根据权利要求4所述的文本检错方法，其特征在于，所述BERT序列标注模型的训练过程包括步骤：

获取样本文本以及所述样本文本对应的样本序列标签；所述样本文本包含错误占比低于预设占比阈值的语句；

将所述样本文本转换为对应的样本文本向量；

基于所述样本文本向量和所述样本标签序列对预训练模型进行训练，得到所述BERT序列标注模型。

6.根据权利要求5所述的文本检错方法，其特征在于，在基于所述样本文本向量和所述样本标签序列对预训练模型进行训练之前，还包括：

获取预设模型；

将所述预设模型中的softmax层替换为CRF层得到所述预训练模型。

7.一种文本检错装置，其特征在于，所述装置包括：

图片获取模块，用于获取待识别图片；

字符识别模块，用于从所述待识别图片中识别字符，以及确定各所述字符的字符位置信息；

版面复原模块，用于根据各所述字符位置信息对各所述字符进行版面复原，得到待检测文本；

向量转换模块，用于将所述待检测文本转换为对应的文本向量；

文本检错模块，用于将所述文本向量输入通过训练确定的文本检错模型，获取所述文本检错模型输出的所述待检测文本的文本检错结果。

8.根据权利要求7所述的文本检错装置，其特征在于，还包括：

候选文本获取模块，用于若根据所述文本检错结果确定所述待检测文本中包含错误字符，获取与所述待检测文本对应的正确语句候选文本；

筛选模块，用于从所述正确语句候选文本中筛选出所述待检测文本的正确文本；

文本替换模块，用于利用所述正确文本替换所述待检测文本，得到纠正后文本。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。

10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。