[发明专利]文本标点符号删除方法、装置、电子设备和存储介质

权利要求书

1.一种文本标点符号删除方法，包括：

对于待处理文本中的每个字符，基于该字符的语义向量生成该字符的特征向量；

将所述待处理文本中每个字符的特征向量按照该字符在所述待处理文本中的出现顺序，依次输入预先训练的标点删除确定模型，得到该字符的标点删除确定结果，标点删除确定结果用于标记该字符是否为待删除标点符号；

将所述待处理文本中标记为待删除标点符号的字符删除。

2.根据权利要求1所述的方法，其中，所述待处理文本通过如下方式生成：

获取待识别语音数据；

对所述待识别语音数据进行语音识别，得到识别文本；

对所述识别文本进行划分，得到至少一个待处理文本，其中，每个待处理文本的文本长度小于预设文本长度。

3.根据权利要求2所述的方法，其中，所述对所述识别文本进行划分，得到至少一个待处理文本，包括：

基于所述识别文本的语义进行划分，得到至少一个待处理文本。

4.根据权利要求1-3中任一项所述的方法，其中，在所述将所述待处理文本中标记为待删除标点符号的字符删除之后，所述方法还包括：

呈现删除字符后的所述待处理文本。

5.根据权利要求4所述的方法，其中，在所述对所述识别文本进行划分，得到至少一个待处理文本之后，所述方法还包括：

呈现所述待处理文本。

6.根据权利要求1-3中任一项所述的方法，其中，所述基于该字符的语义向量生成该字符的特征向量，包括：

对该字符进行词嵌入编码所得到的语义向量确定为该字符的特征向量。

7.根据权利要求1-3中任一项所述的方法，其中，所述基于该字符的语义向量生成该字符的特征向量，包括：

对该字符进行词嵌入编码，得到该字符的语义向量；

根据该字符是否属于预设标点符号集合，确定标点符号特征分量；

用该字符的语义向量和所述标点符号特征分量生成该字符的特征向量。

8.根据权利要求1-3中任一项所述的方法，其中，在对于待处理文本中的每个字符，基于该字符的语义向量生成该字符的特征向量之前，所述方法还包括：

对所述待处理文本进行分词，得到待处理分词序列；以及

所述基于该字符的语义向量生成该字符的特征向量，包括：

对该字符进行词嵌入编码，得到该字符的语义向量；

将所述待处理分词序列中与该字符对应的分词确定为目标分词；

用该字符的语义向量和以下至少一项生成该字符的特征向量：位置特征分量和词性特征分量，其中，所述位置特征分量是根据该字符在所述目标分词中的位置确定的，所述词性特征分量是根据所述目标分词的词性确定的。

9.根据权利要求1-3中任一项所述的方法，其中，在对于待处理文本中的每个字符，基于该字符的语义向量生成该字符的特征向量之前，所述方法还包括：

对所述待处理文本进行分词，得到待处理分词序列；以及

所述基于该字符的语义向量生成该字符的特征向量，包括：

对该字符进行词嵌入编码，得到该字符的语义向量；

将所述待处理分词序列中与该字符对应的分词确定为目标分词；

根据该字符是否属于预设标点符号集合，确定标点符号特征分量；

用该字符的语义向量、所述标点符号特征分量和以下至少一项生成该字符的特征向量：位置特征分量和词性特征分量，其中，所述位置特征分量是根据该字符在所述目标分词中的位置确定的，所述词性特征分量是根据所述目标分词的词性确定的。

10.根据权利要求1所述的方法，其中，所述标点删除确定模型包括长短期记忆人工神经网络和分类器。

11.根据权利要求1所述的方法，其中，所述标点删除确定模型包括注意力模型、卷积神经网络、长短期记忆人工神经网络和分类器。