[发明专利]融合多源特征的合同文本纠错方法、系统、设备及介质

说明书

本发明涉及人工智能技术领域，尤其涉及一种融合多源特征的合同文本纠错方法、系统、设备及介质。该方法将待识别文本的字向量、位置向量、拼音向量和字形向量相加后，输入编码模型中得到融合特征，将融合特征输入字预测模型中，得到每个字所在位置对应的概率序列，针对任一字，从概率序列中筛选出概率值最大的前K个预设字，在该字与前K个预设字均不相同时，确定该字所在位置为纠错位置，采用概率序列中概率值最大的预设字替换该字，得到纠错文本，以拼音向量和字形向量作为额外信息参与特征融合，提高了融合特征的表征能力，采用预设字与当前字比对的方式确定纠错位置，避免非错误字被误识别，导致过度纠正，进而提高了合同文本识别的准确率。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种融合多源特征的合同文本纠错方法、系统、设备及介质。

背景技术

随着人工智能技术的迅速发展，文本纠错作为典型的人工智能应用已逐渐部署于智能搜索、语音交互、合同审查等场景，现有文本纠错技术通常采用统计语言模型进行文本纠错，能够高效地实现文本纠错，但文本纠错的准确率较低，因此，为了提高文本纠错的准确率，有方法提出采用端到端的深度学习模型进行文本纠错。

但是，端到端的深度学习模型通常是基于通用领域训练集训练得到的，在专业术语、专有名词较多的合同审查场景下，会将专业术语等过度纠正为常见术语，导致合同文本纠错的准确率较低。因此，如何提高合同文本纠错的准确率成为了亟待解决的问题。

发明内容

有鉴于此，本发明实施例提供了一种融合多源特征的合同文本纠错方法、系统、设备及介质，以解决合同文本纠错的准确率较低的问题。

第一方面，本发明实施例提供一种融合多源特征的合同文本纠错方法，所述合同文本纠错方法包括：

提取待识别文本中每个字的字向量、位置向量、拼音向量和字形向量，将所述字向量、所述位置向量、所述拼音向量和所述字形向量相加后输入训练好的编码模型中进行特征提取，得到融合特征；

将所述融合特征输入训练好的字预测模型中，得到每个字所在位置对应的概率序列，所述概率序列包括至少两个预设字及其对应的概率值；

针对任一字，从对应所述字所在位置的概率序列中筛选出概率值最大的前K个预设字，K为小于预设字的数量且大于零的整数；

在检测到所述字与所述前K个预设字均不相同时，确定所述字所在位置为纠错位置，采用所述概率序列中概率值最大的预设字替换所述字，得到纠错文本。

第二方面，本发明实施例提供一种融合多源特征的合同文本纠错系统，所述合同文本纠错系统包括：

特征融合模块，用于提取待识别文本中每个字的字向量、位置向量、拼音向量和字形向量，将所述字向量、所述位置向量、所述拼音向量和所述字形向量相加后输入训练好的编码模型中进行特征提取，得到融合特征；

文本预测模块，用于将所述融合特征输入训练好的字预测模型中，得到每个字所在位置对应的概率序列，所述概率序列包括至少两个预设字及其对应的概率值；

字典筛选模块，用于针对任一字，从对应所述字所在位置的概率序列中筛选出概率值最大的前K个预设字，K为小于预设字的数量且大于零的整数；

文本纠错模块，用于在检测到所述字与所述前K个预设字均不相同时，确定所述字所在位置为纠错位置，采用所述概率序列中概率值最大的预设字替换所述字，得到纠错文本。

第三方面，本发明实施例提供一种计算机设备，所述计算机设备包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的融合多源特征的合同文本纠错方法。