[发明专利]基于句向量的文本识别方法、电子设备及计算机可读介质

权利要求书

1.一种基于句向量的文本识别方法，其特征在于，包括：

将文字序列转化成与文字序列中的每个文字对应的拼音序列；

将所述文字序列和对应的拼音序列输入已训练的句向量神经网络模型进行识别，得到包括候选文字和各候选文字对应的候选拼音的多个候选语句；

根据各候选语句中的每个候选文字和每个候选拼音的编辑次数计算各候选语句的编辑距离；

根据各候选语句的编辑距离的大小确定目标语句。

2.根据权利要求1所述的方法，其特征在于，所述将文字序列转化成与文字序列中的每个文字对应的拼音序列的步骤，包括：

去除文字序列中的标点符号，并将文字序列中每个文字转换成设定字符格式；

根据文字拼音映射表确定格式转换后的文字序列中的每个文字对应的拼音，组成拼音序列。

3.根据权利要求1所述的方法，其特征在于，所述将所述文字序列和对应的拼音序列输入已训练的句向量神经网络模型进行识别的步骤之前，还包括：

判断文字序列和对应的拼音序列的字节总长度是否大于句子长度阈值；

若是，则将文字序列和对应的拼音序列中超过所述句子长度阈值的部分去除，以将去除部分内容后的文字序列和对应的拼音序列作为已训练的句向量神经网络模型的输入；

若否，在所述文字序列和对应的拼音序列的后面进行字符填充，以使填充字符、所述文字序列和对应的拼音序列的字符总长度等于所述句子长度阈值，以将填充字符后的所述文字序列和对应的拼音序列作为已训练的句向量神经网络模型的输入。

4.根据权利要求1所述的方法，其特征在于，所述根据各候选语句的编辑距离的大小确定目标语句，包括：

计算各候选语句包括的候选文字和候选拼音的总个数；

计算每个候选语句的编辑距离相似度，所述编辑距离相似度等于：所述候选语句包括的候选文字和候选拼音的总个数减去该候选语句的编辑距离，与该候选语句包括的候选文字和候选拼音的总个数的比值；

根据各候选语句的编辑距离相似度的大小确定目标语句。

5.根据权利要求4所述的方法，其特征在于，所述根据各候选语句的编辑距离相似度的大小确定目标语句，包括：

对各候选语句的编辑距离相似度从大到小进行排序，根据排序结果确定预设数目的候选语句作为目标语句。

6.根据权利要求1所述的方法，其特征在于，所述句向量神经网络模型通过以下方式训练：

获取多个样本文字序列，并将每个样本文字序列转化成与样本文字序列中的每个文字对应的样本拼音序列；

将所有样本文字序列和对应的样本拼音序列作为样本集，并根据所述样本集训练所述句向量神经网络模型。

7.根据权利要求6所述的方法，其特征在于，所述并将每个样本文字序列转化成与样本文字序列中的每个文字对应的样本拼音序列的步骤，包括：

去除样本文字序列中的标点符号，并将样本文字序列中每个文字转换成设定字符格式；

根据文字拼音映射表确定格式转换后的样本文字序列中的每个文字对应的拼音，组成样本拼音序列。

8.根据权利要求1所述的方法，其特征在于，

在所述将文字序列转化成与文字序列中的每个文字对应的拼音序列的步骤之前，还包括：将输入的语音换转成文字序列；

在所述根据各候选语句的编辑距离的大小确定目标语句的步骤之后，还包括：将目标语句转换成语音信号后输出。

9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至8中任一项所述的方法。

10.一种具有处理器可执行的非易失的程序代码的计算机可读介质，其特征在于，所述程序代码使所述处理器执行上述权利要求1至8中任一项所述的方法。