[发明专利]中文语法纠错方法及系统、存储介质及终端

说明书

本发明提供一种中文语法纠错方法及系统、存储介质及终端，包括以下步骤：基于自编码网络模型获取中文输入文本的语义信息，基于所述语义信息生成所述中文输入文本的语法纠错文本；基于语言模型对所述语法纠错文本进行合理性判断，以获取最终中文文本。本发明的中文语法纠错方法及系统、存储介质及终端基于多任务深度学习算法实现有效的中文语法纠错，具有良好的泛化能力。

技术领域

本发明涉及中文语法纠错的技术领域，特别是涉及一种中文语法纠错方法及系统、存储介质及终端。

背景技术

由于用户习惯、电脑输入法等原因，在网络上发布中文时难免会出现一些中文语法错误，如多字错误、少字错误、语义重复、句式杂糅等。其中，多字错误如“人数超过100个”被误写为“人人数超过100个”；少字错误如“中国的首都是北京”被误写为“中国的都是北京”；语义重复如“人数超过100”被误写为“人数超过100以上”。

中文语法错误诊断（Chinese Grammatical Error Diagnosi）是中文自然语言处理（Natural Language Processing，NLP）中的一项基本任务，旨在自动检测和纠正中文句子中的语法错误。现有技术中，中文语法错误诊断方法主要包括以下两种：

（1）基于词库和规则的语法纠错方法

该方法需要耗费大量人力资源去维护一个规则库，泛化性较差。同时，随着时间的推移，规则越来越多，规则之间可能会出现各种各样的问题。比如传统中文语法纠错方法经常会由于无法理解语义而做出一些错误的行为。例如在多字错误中将“山西西部地区出现降雨” 修改成 “山西部地区出现降雨”。这是因为‘山西西’容易被不严谨的规则判断有问题。

（2）基于深度学习的方法

该方法能够提升一定的泛化能力。现有的深度学习方法通常使用基于GPT（Generative Pre Training）的自回归网络模型进行语法纠错。但是，该网络模型的网络速度比较慢，在实际生产使用的过程中会消耗大量的时间和资源。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种中文语法纠错方法及系统、存储介质及终端，基于多任务深度学习算法实现有效的中文语法纠错，具有良好的泛化能力。

为实现上述目的及其他相关目的，本发明提供一种中文语法纠错方法，包括以下步骤：基于自编码网络模型获取中文输入文本的语义信息，基于所述语义信息生成所述中文输入文本的语法纠错文本；基于语言模型对所述语法纠错文本进行合理性判断，以获取最终中文文本。

于本发明一实施例中，基于多层语义编码器获取中文输入文本的语义信息。

于本发明一实施例中，所述语义编码器采用Transformer blocks模型。

于本发明一实施例中，基于所述语义信息生成所述中文输入文本的语法纠错文本包括以下步骤：

基于所述语义信息检测所述中文输入文本的语法错误；

基于所述语义信息和所述语法错误对所述中文输入文本进行纠正，获取语法纠错文本。

于本发明一实施例中，基于所述语义信息和所述语法错误对所述中文输入文本进行纠正，获取语法纠错文本包括以下步骤：

基于所述语义信息和所述语法错误，生成所述中文输入文本的每个文字的标签；其中，对于不存在语法错误的文字，标签设置为第一预设符号；对于存在语法错误的文字，根据所述语义信息需删除时，标签设置为第二预设符号；对于存在语法错误的文字，根据所述语义信息需在后面增加文字时，标签设置为第三预设符号和所增加的文字；

将所述中文输入文本的每个文字的标签依次映射为对应的文字，以获取所述语法纠错文本。