[发明专利]文本纠正、模型训练方法、纠正模型、设备及机器人

权利要求书

1.一种文本纠正方法，其特征在于，包括：

将文本中的至少部分词转换为拼音，得到转换后的字符序列；

利用文本纠正模型，对所述字符序列进行处理，得到纠正后的文本；

其中，所述文本纠正模型经训练样本训练得到，所述训练样本包含多个字符序列样本，字符序列样本中至少部分为拼音。

2.根据权利要求1所述的方法，其特征在于，将文本中的至少部分词转换为拼音，得到转换后的字符序列，包括：

获取词库；

基于所述词库，确定所述文本中的非词库词；

将所述文本中的非词库词，转换为拼音，以得到所述字符序列。

3.根据权利要求2所述的方法，其特征在于，所述拼音表达方式包括：带声调拼音表达方式、去声调拼音表达方式和首个声母拼音表达方式中至少一种。

4.根据权利要求1至3中任一项所述的方法，其特征在于，所述文本纠正模型为序列到序列的神经网络模型中的编码网络模型。

5.根据权利要求1至3中任一项所述的方法，其特征在于，所述编码网络模型为：卷积神经网络、循环神经网络、长短期记忆网络、Transformer网络。

6.根据权利要求2所述的方法，其特征在于，所述将所述文本中的非词库词，转换为拼音，以得到所述字符序列，包括：

基于所述词库，确定所述文本中的词库词；

根据所述文本中上下文关系，将所述词库词与所述拼音组合得到所述字符序列。

7.根据权利要求6所述的方法，其特征在于，所述利用文本纠正模型，对所述字符序列进行处理，得到纠正后的文本，

利用所述文本纠正模型，输出所述字符序列中所述拼音对应的文字到所述文本中第一位置，以及输出所述词库词到所述文本中第二位置。

8.一种文本纠正模型，其特征在于，包括：

输入层，用于接收文本对应的含有拼音的字符序列，所述字符序列中包含至少一个表征单个词或字的字符串；

至少一个中间层，用于将所述字符序列中字符串转换为特征向量；按照所述字符序列中字符串顺序，根据第一位置处字符串对应特征向量及与所述第一位置相邻的至少一个邻位处字符串对应的特征向量，计算所述第一位置处对应的文字；

输出层，用于输出所述第一位置处的文字。

9.根据权利要求8所述的模型，其特征在于，所述字符序列中含有词库词，所述词库词是基于词库确定的；以及

所述输出层，还用于在第二位置处字符串为所述词库词时，将所述词库词作为所述第二位置处输出的文字。

10.根据权利要求8所述的模型，其特征在于，所述至少一个中间层在根据第一位置处字符串对应特征向量及与所述第一位置相邻的至少一个邻位处字符串对应的特征向量，计算所述第一位置处对应的文字时，具体用于：

根据第一位置处字符串对应特征向量及与所述第一位置相邻的至少一个邻位处字符串对应的特征向量，计算得到所述第一位置处对应的多个候选文字及候选文字的概率；

选取概率高的候选文字，作为所述第一位置处对应的文字。

11.根据权利要求8所述的模型，其特征在于，所述至少一个中间层还用于：

所述第一位置处对应的多个候选文字的概率均低于阈值时，放弃对所述第一位置的字符串的纠正。

12.一种文本纠正模型的训练方法，其特征在于，包括：

获取含有拼音的字符序列样本；

使用所述字符序列样本，对文本纠正模型进行训练，得到输出结果；

基于所述输出结果，对所述文本纠正模型进行优化。