[发明专利]文本校对方法、装置、设备、介质及程序产品

说明书

本申请公开了一种文本校对方法、装置、设备、介质及程序产品。该方法包括：对目标文本进行断句分词处理，获得至少一个目标单句、以及与该目标单句对应的初始分词序列；针对目标文本对应的每一个初始分词序列，至少根据两种预设词表校正规则进行校正处理，获得与每一初始分词序列对应的多个候选校正序列；至少根据两种概率模型，计算与各候选校正序列对应的置信值，根据置信值对候选校正序列进行筛选；根据置信值对多个筛选得到的候选校正序列进行融合处理，获得与初始分词序列对应的最优校正序列；根据目标单句在目标文本中的位置，组合各最优校正序列，获得校正文本。根据本申请实施例，本申请对文本进行校对的准确率高。

技术领域

本申请属于文本处理技术领域，尤其涉及一种文本校对方法、装置、设备、存储介质及程序产品。

背景技术

随着传媒技术的快速发展，传媒行业对于稿件校稿的准确率和校稿速度的要求进一步提升。现有的技术方案中，主要依托预先制定的用词规则、某一种神经网络模型等方法对中文稿件进行校对，这一方法针对不同领域的命名实体规则、固定用法等有显著的封闭性，单一的神经网络模型具有自身缺点，例如n-gram模型针对新用法新规范的响应存在明显的滞后性，而LSTM模型在面对跨越远距离的指代信息获取存在天然的不足。所以单一的用词规则或单一的神经网络模型用于稿件校对时，存在鲁棒性和适应性差的技术问题。

发明内容

本申请实施例提供了一种文本校对方法、装置、设备、存储介质及程序产品，能够解决现有文本校对方法鲁棒性和适应性差的技术问题。

第一方面，本申请实施例提供一种文本校对方法，方法包括：

对目标文本进行断句分词处理，获得至少一个目标单句、以及与该目标单句对应的初始分词序列；

针对目标文本对应的每一个初始分词序列，至少根据两种预设词表校正规则进行校正处理，获得与每一初始分词序列对应的多个候选校正序列；

至少根据两种概率模型，计算与各候选校正序列对应的置信值，根据置信值对候选校正序列进行筛选；

根据置信值对多个筛选得到的候选校正序列进行融合处理，获得与初始分词序列对应的最优校正序列；

根据目标单句在目标文本中的位置，组合各最优校正序列，获得校正文本。

第二方面，本申请实施例提供一种文本校对装置，所述文本校对装置包括分词模块和校对模块，

分词模块用于对目标文本进行断句分词处理，获得至少一个目标单句、以及与该目标单句对应的初始分词序列；

校对模块用于针对目标文本对应的每一个初始分词序列，至少根据两种预设词表校正规则进行校正处理，获得与每一初始分词序列对应的多个候选校正序列；

还用于至少根据两种概率模型，计算与各候选校正序列对应的置信值，根据置信值对候选校正序列进行筛选；

还用于根据置信值对多个筛选得到的候选校正序列进行融合处理，获得与初始分词序列对应的最优校正序列；

分词模块还用于根据目标单句在目标文本中的位置，组合各最优校正序列，获得校正文本。

第三方面，本申请实施例提供一种文本校对设备，所述文本校对设备包括：处理器以及存储有计算机程序指令的存储器；所述处理器执行所述计算机程序指令时实现如上述的文本校对方法。

第四方面，本申请实施例提供一种计算机存储介质，所述计算机存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如上述的文本校对方法。

第五方面，本申请实施例提供一种计算机程序产品，所述计算机程序产品包括计算机程序指令，所述计算机程序指令被处理器执行时实现如上述的文本校对方法。