[发明专利]插入噪声的语料生成方法、装置、设备、可读存储介质

权利要求书

1.一种插入噪声的语料生成方法，包括：

获取待处理语料，其中，所述待处理语料中包括至少一个词语；

对于所述至少一个词语中的词语，获取所述词语的特征信息；

基于所述特征信息，确定对应于所述词语的噪声；以及

在所述待处理语料中插入所述对应于所述词语的噪声，生成所述插入噪声的语料。

2.根据权利要求1所述的方法，其中，所述获取所述词语的特征信息包括：

对所述待处理语料进行处理，确定对应于该词语的噪声类型，作为所述特征信息，其中，

所述噪声类型包括以下类型中的一种：纠正类型、语气类型。

3.根据权利要求2所述的方法，其中，在确定所述噪声类型为纠正类型的情况下，所述获取所述词语的特征信息还包括：

获取所述词语的拼音，作为所述特征信息；

所述确定对应于所述词语的噪声包括：

基于所述词语的拼音确定对应于所述词语的噪声。

4.根据权利要求3所述的方法，其中，所述基于所述词语的拼音确定对应于所述词语的噪声包括：

基于由语料库得到的统计数据，在所述词语的拼音中确定变换音节；

确定对应于所述变换音节的替换音节；

利用所述替换音节替换所述拼音中的所述变换音节，以生成噪声拼音；

将对应于所述噪声拼音的词语确定为对应于所述词语的噪声。

5.根据权利要求2所述的方法，其中，在确定所述噪声类型为语气类型的情况下，所述获取所述词语的特征信息还包括：获取所述词语在所述待处理语料中的位置信息，作为所述特征信息；

所述确定对应于所述词语的噪声包括：

基于所述词语的位置信息确定对应于所述词语的噪声。

6.根据权利要求2所述的方法，其中，在确定所述噪声类型为纠正类型的情况下，所述获取所述词语的特征信息还包括：

获取所述词语的纠正噪声的字符长度，作为所述特征信息；

所述确定对应于所述词语的噪声包括：

基于所述字符长度，确定所述纠正噪声的保留部分，将所述保留部分确定为对应于所述词语的噪声。

7.根据权利要求1-6中任一项所述的方法，还包括：

确定所述待处理语料的噪声插入次数；

在所述噪声插入次数大于1的情况下，在所述待处理语料中确定特征信息为语气类型的词语，获取所述词语在所述待处理语料中的位置信息，基于所述词语的位置信息确定对应于所述词语的噪声，在所述待处理语料中插入所述对应于所述词语的噪声。

8.一种插入噪声的语料生成装置，包括：

获取单元，配置成获取待处理语料，其中，所述待处理语料中包括至少一个词语；

特征单元，配置成对于所述至少一个词语中的词语，获取所述词语的特征信息；

噪声单元，配置成基于所述特征信息，确定对应于所述词语的噪声；以及

插入单元，配置成在所述待处理语料中插入所述对应于所述词语的噪声，生成所述插入噪声的语料。

9.一种插入噪声的语料生成设备，包括：

处理器；和

存储器，其中，所述存储器中存储有计算机可读代码，所述计算机可读代码当由所述处理器运行时，执行如权利要求1-7中任一项所述的插入噪声的语料生成方法。

10.一种计算机可读存储介质，其上存储有指令，所述指令在被处理器执行时，使得所述处理器执行如权利要求1-7中任一项所述的插入噪声的语料生成方法。