[发明专利]一种错别字检测方法及装置

权利要求书

1.一种错别字检测方法，其特征在于，应用于中文电子病历中错别字的识别，该方法包括：

获取待检测文本，并对所述待检测文本进行分句处理，得到至少一个待处理文本，所述待检测文本为中文电子病历；

根据N-gram语言模型，对每个所述待处理文本进行打分，得到每个所述待处理文本对应的分数；

将每个所述待处理文本对应的分数与预设阈值进行比较；

当所述待处理文本对应的分数小于预设阈值时，确定所述待检测文本中存在错别字，并定位错别字的位置。

2.根据权利要求1所述的方法，其特征在于，所述对所述待检测文本进行分句处理时，还包括以下任意一个或多个步骤：

去除所述待检测文本中的干扰元素；

将所述待检测文本中的字符串转换为预定格式。

3.根据权利要求1或2所述的方法，其特征在于，训练所述N-gram语言模型的步骤，包括：

获取训练样本集合，所述训练样本集合包括至少一个训练样本；

对所述训练样本集合中的各个训练样本进行分句处理；

对处理后的每个训练样本进行标注，将存在错误的句子进行标注并确定其错误位置；

根据所述存在错误的句子以及所述错误位置进行训练，构成所述N-gram语言模型。

4.根据权利要求1所述的方法，其特征在于，所述根据N-gram语言模型，对每个所述待处理文本进行打分，得到每个所述待处理文本对应的分数，包括：

对每个所述待处理文本按照2-gram语言模型进行打分，得到第一分数；

对每个所述待处理文本按照3-gram语言模型进行打分，得到第二分数；

根据所述第一分数和所述第二分数计算每个所述待处理文本对应的分数。

5.根据权利要求4所述的方法，其特征在于，所述预设阈值的确定方法，包括：

对每个所述待处理文本按照所述N-gram语言模型进行打分，并获得所有错误位置的分数，作为错误分数集合；

对所述错误分数集合取85%-95%百分位数，分别作为备用阈值；

将每个所述待处理文本对应的分数求和，计算得到所述待检测文本对应的分数；

将所述备用阈值与所述待检测文本对应的分数进行对比；

将小于所述备用阈值的所述待检测文本中存在错误，并确定错误位置；

分别测试所述备用阈值，确定所述待检测文本对应的分数最高的阈值为所述预设阈值。

6.一种错别字检测装置，其特征在于，应用于中文电子病历中错别字的识别，该装置包括：

第一处理单元，用于获取待检测文本，并对所述待检测文本进行分句处理，得到至少一个待处理文本，所述待检测文本为中文电子病历；

第二处理单元，用于根据N-gram语言模型，对每个所述待处理文本进行打分，得到每个所述待处理文本对应的分数；

第三处理单元，用于将每个所述待处理文本对应的分数与预设阈值进行比较；

第四处理单元，用于当所述待处理文本对应的分数小于预设阈值时，确定所述待检测文本中存在错别字，并定位错别字的位置。

7.根据权利要求6所述的装置，其特征在于，所述第一处理单元还用于：

去除所述待检测文本中的干扰元素；

将所述待检测文本中的字符串转换为预定格式。

8.根据权利要求6或7所述的装置，其特征在于，所述第二处理单元还用于：

获取训练样本集合，所述训练样本集合包括至少一个训练样本；

对所述训练样本集合中的各个训练样本进行分句处理；

对处理后的每个训练样本进行标注，将存在错误的句子进行标注并确定其错误位置；

根据所述存在错误的句子以及所述错误位置进行训练，构成所述N-gram语言模型。

9.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在的设备执行如权利要求1至5中任一项所述的错别字检测方法。

10.一种电子设备，其特征在于，所述电子设备包括至少一个处理器、以及与所述处理器连接的至少一个存储器、总线；其中，所述处理器、所述存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的程序指令，以执行如权利要求1至5中任一项所述的错别字检测方法。