[发明专利]一种文本纠错方法、装置、设备及存储介质

说明书

本申请提供了一种文本纠错方法、装置、设备及存储介质，方法包括：获取待纠错文本；获取多个位置分别对应的候选字符集合，所述位置对应的候选字符集合包括与位于待纠错文本中所述位置的字符的具有关联关系的候选字符；获取多个候选文本分别对应的关联分数，候选文本的每一位置的字符为该位置对应的候选字符集合中的候选字符；根据多个候选文本分别对应的关联分数，从多个候选文本中确定待纠错文本对应的纠正后文本。由于本申请考虑了候选文本的各位置的候选字符之间的关联关系，因此，候选文本的关联分数能够体现候选文本作为一个整体的准确程度，根据候选文本分别对应的关联分数，能够准确地确定出待纠错文本对应的纠正后文本。

技术领域

本申请涉及人工智能技术领域，更具体的说，是涉及一种文本纠错方法、装置、设备及存储介质。

背景技术

随着互联网的快速发展，越来越多的文本公布至互联网，例如，新闻、书籍、广告等文本。

可以通过以下方式获得文本：通过键盘输入文本，或，利用OCR(OpticalCharacter Recognition，光学字符识别)技术识别图像中包含的文本，或，利用语音转文本技术将语音转换成文本。在获得文本的过程中，往往会产生别字、别词等问题。

因此，如何对文本中的别字或别词进行纠正是本领域技术人员急需解决的难题。

发明内容

有鉴于此，本申请提供了一种文本纠错方法、装置、设备及存储介质，用于对文本中的别字或别词及逆行纠正，其技术方案如下：

根据本公开实施例的第一方面，提供一种文本纠错方法，包括：

获取待纠错文本；

获取多个位置分别对应的候选字符集合，所述位置对应的候选字符集合包括与位于所述待纠错文本中所述位置的字符具有关联关系的候选字符；

获取多个候选文本分别对应的关联分数，所述候选文本的每一位置的字符为所述位置对应的候选字符集合中的候选字符，所述候选文本对应的关联分数表征所述候选文本包含的各候选字符组成所述候选文本的概率；

根据所述多个候选文本分别对应的关联分数，从所述多个候选文本中确定所述待纠错文本对应的纠正后文本。

结合第一方面，在第一种可能的实现方式中，获取所述位置对应的候选字符集合步骤包括：

获取所述待纠错文本中位于所述位置的第一字符的字符属性，所述字符属性包括字形特征和/或字音特征；

获取所述待纠错文本中位于所述位置对应的第一设定位置的第二字符的字符属性，所述位置对应的第一设定位置至少包括所述位置的前一位置和/或所述位置的后一位置；

基于所述第一字符的字符属性和所述第二字符的字符属性，计算得到所述位置对应的关联特征；

基于所述关联特征与待定字符的预设字符向量，从所述待定字符中获得属于所述位置对应的候选字符集合的候选字符。

结合第一方面，在第二种可能的实现方式中，所述基于所述第一字符的字符属性和所述第二字符的字符属性，计算得到所述位置对应的关联特征步骤包括：

基于所述第一字符的字形特征和所述第二字符的字形特征，计算得到第一关联特征；

基于所述第一字符的字音特征和所述第二字符的字音特征，计算得到第二关联特征；

获取所述第一字符对应的字嵌入向量；

基于所述第一关联特征、所述第二关联特征以及所述第一字符的字嵌入向量，计算得到所述关联特征。

结合第一方面，在第三种可能的实现方式中，所述基于所述第一关联特征、所述第二关联特征以及所述第一字符的字嵌入向量，计算得到所述关联特征步骤包括：