[发明专利]文本数据处理方法及装置和错别字识别方法及装置

权利要求书

1.一种文本数据处理方法，其特征在于，包括：

从预设文本数据源中提取文本信息以及所述文本信息中每条语句对应的时间信息，其中，所述预设文本数据源中所包含的文本为不包含有错别字的文本；

确定出所述文本信息中每个词语对应的词向量以及每个词语所在的语句对应的时间向量，其中，所述词向量为用于唯一表示词语的多维数组，所述每个词语所在的语句对应的时间向量为用于唯一表示该词语所在语句的发布时间；

以文本信息中的语句为单位，将每条语句对应的时间向量以及该语句中的每个词语对应的词向量输入到记忆神经网络，训练得到神经网络模型，其中，所述神经网络模型用于识别文本中的错别字。

2.根据权利要求1所述的文本数据处理方法，其特征在于，在确定出所述文本信息中每个词语对应的词向量以及每个词语所在的语句对应的时间向量之前，所述文本数据处理方法还包括：

获取目标文本库，所述目标文本库所包含的文本为不包含有错别字的文本；

利用词向量模型对所述目标文本库进行训练，以生成所述目标文本库中的词语对应的词向量，得到第一训练集。

3.根据权利要求2所述的文本数据处理方法，其特征在于，确定出所述文本信息中每个词语对应的词向量以及每个词语所在的语句对应的时间向量包括：

对所述文本信息中每条语句进行分词处理，并将所述文本信息中每条语句对应的时间信息加入到对应的语句中，得到第二训练集；

从所述第一训练集中查找所述第二训练集中每个词语对应的词向量，并生成每个词语所在语句对应的时间向量。

4.根据权利要求1所述的文本数据处理方法，其特征在于，在将每条语句中的每个词语对应的词向量输入到记忆神经网络之前，所述文本数据处理方法还包括：

将每条语句中的每个词语对应的词向量标记为预设标识，其中，所述预设标识表示词向量对应的词语为非错别字，以使得在利用所述神经网络模型识别出非错别字时，将非错别字的词语标记为所述预设标识。

5.一种错别字识别方法，其特征在于，包括：

获取待测文本及其每条语句发布的时间信息；

根据所述时间信息生成每条语句对应的时间向量；

对所述待测文本进行分词处理，确定出每个词语对应的词向量；

以所述待测文本中的语句为单位，将每条语句对应的时间向量以及该语句中的每个词语对应的词向量输入到权利要求1至4中任一项所述的文本数据处理方法训练得到的神经网络模型中，利用所述神经网络模型识别出所述待测文本中的错别字。

6.一种文本数据处理装置，其特征在于，包括：

提取单元，用于从预设文本数据源中提取文本信息以及所述文本信息中每条语句对应的时间信息，其中，所述预设文本数据源中所包含的文本为不包含有错别字的文本；

确定单元，用于确定出所述文本信息中每个词语对应的词向量以及每个词语所在的语句对应的时间向量，其中，所述词向量为用于唯一表示词语的多维数组，所述每个词语所在的语句对应的时间向量为用于唯一表示该词语所在语句的发布时间；

训练单元，用于以文本信息中的语句为单位，将每条语句对应的时间向量以及该语句中的每个词语对应的词向量输入到记忆神经网络，训练得到神经网络模型，其中，所述神经网络模型用于识别文本中的错别字。

7.根据权利要求6所述的文本数据处理装置，其特征在于，所述文本数据处理装置还包括：

获取单元，用于在确定出所述文本信息中每个词语对应的词向量以及每个词语所在的语句对应的时间向量之前，获取目标文本库，所述目标文本库所包含的文本为不包含有错别字的文本；

生成单元，用于利用词向量模型对所述目标文本库进行训练，以生成所述目标文本库中的词语对应的词向量，得到第一训练集。