[发明专利]语文结构训练方法和装置

权利要求书

1.语文结构训练方法，其特征在于，其包括如下步骤：

步骤S1，对目标语文文本进行扫描，以此获得关于所述目标语文文本的文本图像，再识别所述目标语文文本，从而将所述目标语文文本转换为可编辑形式的文本数据，并对所述文本数据中的文本字符进行改正；

步骤S2，识别经过所述改正的所述文本数据中的所有标点符号，并根据所述标点符号，对所述文本数据进行断句处理，从而将所述文本数据划分为若干文本短句，再对所述文本短句进行语义识别，以此得到对应的文本语义信息；

步骤S3，判断任意相邻的两个文本短句对应的文本语义信息之间是否存在语义重复，并根据所述判断的结果，对所述目标语文文本对应的文本部分进行标记，再对标记的文本部分进行修改，从而实现对所述目标语文文本的纠正训练。

2.如权利要求1所述的语文结构训练方法，其特征在于：

在所述步骤S1中，对目标语文文本进行扫描，以此获得关于所述目标语文文本的文本图像，再识别所述目标语文文本，从而将所述目标语文文本转换为可编辑形式的文本数据，并对所述文本数据中的文本字符进行修正具体包括：

步骤S101，对所述目标语文文本进行逐行依次扫描拍摄，以此获得关于所述目标语文文本的文本图像，并对所述文本图像的图像背景噪声进行卡尔曼滤波处理；

步骤S102，根据所述文本图像的图像色度分布状态，从所述文本图像中区分字符文本部分和空白无文本部分各自所占据的像素区域，并提取所述字符文本部分的像素区域对应的像素轮廓信息，再根据所述像素轮廓信息，生成关于所述目标语文文本对应的可编辑形式的文本数据；

步骤S103，识别所述文本数据包含的所有错别字字符，并对所有错别字字符进行改正。

3.如权利要求1所述的语文结构训练方法，其特征在于：

在所述步骤S2中，识别经过所述改正的所述文本数据中的所有标点符号，并根据所述标点符号，对所述文本数据进行断句处理，从而将所述文本数据划分为若干文本短句，再对所述文本短句进行语义识别，以此得到对应的文本语义信息具体包括：

步骤S201，识别经过所述改正的所述文本数据包含的所有句号、逗号、分号、问号和感叹号；

步骤S202，将紧邻的两个句号、两个分号、两个问号或者两个感叹号之间的所有文本数据确定为第一级别文本短句，以及在紧邻的两个句号、两个分号、两个问号或者两个感叹号之间、且位于紧邻的两个逗号之间的所有文本确定为第二级别文本短句；

步骤S203，对所述第一级别文本短句和所述第二级别文本短句进行语义识别，从而得到所述第一级别文本短句和所述第二级别文本短句对应的文本语义信息。

4.如权利要求1所述的语文结构训练方法，其特征在于：

在所述步骤S3中，判断任意相邻的两个文本短句对应的文本语义信息之间是否存在语义重复，并根据所述判断的结果，对所述目标语文文本对应的文本部分进行标记，再对标记的文本部分进行修改，从而实现对所述目标语文文本的纠正训练具体包括：

步骤S301，按照预定文本字符间隔，从任意相邻的两个文本短句对应的文本语义信息中分别抽取对应的若干文本语义字符，以此确定所述任意相邻的两个文本短句对应的文本语义信息的文本语义字符相似度；

步骤S302，将所述文本语义字符相似度与预设相似度阈值进行比对，若所述文本语义字符相似度大于或者等于所述预设相似度阈值，则确定所述任意相邻的两个文本短句对应的文本语义信息之间存在语义重复，否则，确定所述任意相邻的两个文本短句对应的文本语义信息之间不存在语义重复；

步骤S303，若确定存在语义重复，则对所述目标语文文本中语义重复的文本部分进行标记，再对标记的文本部分进行文本语法修改和/或文本上下文逻辑修改，从而实现对所述目标语文文本的纠正训练。