[发明专利]文本选取方法及装置

权利要求书

1.一种文本选取方法，其特征在于，包括：

计算每个候选文本中选定质量特征的错误率，并根据每个候选文本中选定质量特征的错误率计算每个候选文本中对应选定质量特征的容忍度；

根据每个候选文本中选定质量特征的容忍度确定对应候选文本的文本质量；

计算每个候选文本的哈希值；

将所有候选文本两两组合，得到候选文本对；

计算每个候选文本对的哈希值的海明距离；

选取海明距离最小的候选文本对中的两个候选文本作为参考文本；

选取与所述参考文本的海明距离小于设定阈值的候选文本和所述参考文本加入优势组；以及

从所述优势组中选取文本质量最高的候选文本提供给用户。

2.如权利要求1所述的方法，其特征在于，计算每个候选文本中选定质量特征的错误率，具体包括：

针对每个候选文本，执行：

统计当前候选文本的每个选定质量特征的数量；

分别将统计的每个选定质量特征的数量除以所述当前候选文本的字符数量，得到所述当前候选文本的每个选定质量特征的实际占比率；

根据所述当前候选文本的每个选定质量特征的实际占比率计算所述当前候选文本的对应选定质量特征的错误率。

3.如权利要求2所述的方法，其特征在于，根据所述当前候选文本的每个选定质量特征的实际占比率计算所述当前候选文本的对应选定质量特征的错误率，具体包括：

通过下列公式计算选定质量特征的错误率：

选定质量特征的错误率＝选定质量特征的错误率的最大阈值(1-选定质量特征的实际占比率/选定质量特征的标准占比率)。

4.如权利要求2所述的方法，其特征在于，根据每个候选文本中选定质量特征的错误率计算每个候选文本中对应选定质量特征的容忍度，具体包括：

通过下列公式计算选定质量特征的容忍度：

选定质量特征的容忍度＝1-选定质量特征的错误率^(1/(选定质量特征的错误率+1))。

5.如权利要求1所述的方法，其特征在于，根据每个候选文本中选定质量特征的容忍度确定对应候选文本的文本质量，具体包括：

确定每个选定质量特征的权重；

根据每个选定质量特征的权重对每个候选文本中选定质量特征的容忍度加权求和得到对应候选文本的文本质量。

6.如权利要求1所述的方法，其特征在于，计算每个候选文本的哈希值，具体包括：

针对每个候选文本，执行：

将当前候选文本的正文按照设定符号分割，得到所述当前候选文本包括的语句；

计算所述当前候选文本包括的每个语句的哈希值；

综合所述当前候选文本包括的每个语句的哈希值，得到所述当前候选文本的哈希值。

7.一种文本选取装置，其特征在于，包括：

计算单元，用于计算每个候选文本中选定质量特征的错误率，并根据每个候选文本中选定质量特征的错误率计算每个候选文本中对应选定质量特征的容忍度；

确定单元，用于根据每个候选文本中选定质量特征的容忍度确定对应候选文本的文本质量；以及

选取单元，用于选取文本质量最高的候选文本提供给用户，

其中，所述选取单元包括：

哈希值计算子单元，用于计算每个候选文本的哈希值；

优势组确定子单元，用于根据每个候选文本的哈希值确定优势组；以及

文本选取子单元，用于从所述优势组中选取文本质量最高的候选文本提供给用户，

其中，所述优势组确定子单元包括：

组合子单元，用于将所有候选文本两两组合，得到候选文本对；

海明距离计算子单元，用于计算每个候选文本对的哈希值的海明距离；

参考文本选取子单元，用于选取海明距离最小的候选文本对中的两个候选文本作为参考文本；以及

加入子单元，用于选取与所述参考文本的海明距离小于设定阈值的候选文本和所述参考文本加入所述优势组。