[发明专利]文本纠错方法、装置、计算机设备及存储介质

权利要求书

1.一种文本纠错方法，其特征在于，包括下述步骤：

获取待数字化的单据图像，将所述单据图像输入到基于OCR的文字识别模型中，获取所述单据图像的文本数据；

将所述文本数据输入到预设的分词模型中，获取所述分词模型响应所述文本数据输出的分词结果；

将所述分词结果输入到预先训练的错误词定位模型中，获取所述文本数据中包含的错误词；

将所述错误词输入到预设的词替换模型中，获得所述错误词的替换词，用所述替换词替换所述错误词，获得纠错后的文本数据。

2.根据权利要求1所述的文本纠错方法，其特征在于，所述获取待数字化的单据图像，将所述单据图像输入到基于OCR的文字识别模型中，获取所述单据图像的文本数据的步骤包括：

获取待数字化的的单据图像；

将所述待数字化的单据图像输入到预先训练的基于卷积神经网络的图像识别模型，获得所述图像识别模型响应所述单据图像输出的图像识别结果，其中，所述图像识别结果为单据图像或非单据图像；

当所述图像识别结果为非单据图像时，返回图像异常消息；

当所述图像识别结果为单据图像时，将所述单据图像输入到基于OCR的文字识别模型中，获取所述单据图像的文本数据。

3.根据权利要求1所述的文本纠错方法，其特征在于，在所述将所述文本数据输入到预设的分词模型中，获取所述分词模型响应所述文本数据输出的分词结果的步骤前包括：

将所述文本数据与预设的语料清洗库匹配，所述语料清洗库包含停用词、特殊符号、标点符号，获取清洗后的文本数据。

4.根据权利要求1所述的文本纠错方法，其特征在于，所述将所述错误词输入到预设的词替换模型中，获得所述错误词的替换词，用所述替换词替换所述错误词，获得纠错后的文本数据的步骤包括：

提取所述分词结果中与所述错误词前后相邻的词与所述错误词构成短文本；

计算所述短文本与预设的语料库中各文本的编辑距离；

用所述语料库中与所述短文本之间编辑距离最小的文本替换所述短文本。

5.根据权利要求1所述的文本纠错方法，其特征在于，所述将所述错误词输入到预设的词替换模型中，获得所述错误词的替换词，用所述替换词替换所述错误词，获得纠错后的文本数据的步骤包括：

提取所述分词结果中与所述错误词前后相邻的词与所述错误词构成短文本；

对所述短文本在所述错误词位置进行掩码，将掩码后的短文本输入到预先训练的BERT网络，获取所述BERT网络响应所述掩码后的短文本输出的在所述错误词位置的S个预测词和对应的S个置信度，其中，S为正整数；

将所述S个置信度分别与预设的第一阈值比较，将所述S个置信度中大于预设的第一阈值的M个置信度对应的M个预测词作为所述错误词的M个候选词，其中，M为正整数；

分别计算所述M个候选词和所述错误词的字形相似度，用所述M个候选词中与所述错误词字形相似度最大的候选词替换错误词。

6.一种文本纠错装置，其特征在于，包括：

获取模块，用于获取待数字化的单据图像，将所述单据图像输入到基于OCR的文字识别模型中，获取所述单据图像的文本数据；

分词模块，用于将所述文本数据输入到预设的分词模型中，获取所述分词模型响应所述文本数据输出的分词结果；

处理模块，用于将所述分词结果输入到预先训练的错误词定位模型中，获取所述文本数据中包含的错误词；

替换模块，用于将所述错误词输入到预设的词替换模型中，获得所述错误词的替换词，用所述替换词替换所述错误词，获得纠错后的文本数据。