[发明专利]文本纠错方法、装置、设备以及存储介质

权利要求书

1.一种文本纠错方法，包括：

接收目标文本；

利用预先训练的文本纠错模型，对所述目标文本进行纠错，得到纠错文本；

利用预先训练的分类模型，确定所述纠错文本的误纠概率；

响应于确定所述误纠概率小于预设阈值，输出所述纠错文本。

2.根据权利要求1所述的方法，其中，所述文本纠错模型通过以下步骤得到：

获取混淆文本集，所述混淆文本集包括多个正确文本以及对应的多个错误文本；

将所述错误文本作为输入，将与输入的错误文本对应的正确文本作为期望输出，训练得到所述文本纠错模型。

3.根据权利要求2所述的方法，其中，所述分类模型通过以下步骤得到：

将所述正确文本的标签设置为第一预设值，将所述错误文本的标签设置为第二预设值；

将所述混淆文本集中的文本作为输入，将输入文本的标签作为期望输出，训练得到所述分类模型。

4.根据权利要求2所述的方法，其中，所述获取混淆文本集，包括：

获取多个正确文本；

对所述正确文本进行分词，得到多个词语；

对所述多个词语进行替换，确定所述正确文本对应的错误文本，得到所述混淆文本集。

5.根据权利要求4所述的方法，其中，所述对所述多个词语进行替换，确定所述正确文本对应的错误文本，包括：

确定所述多个词语中的字数以及预设的字数与概率的对应关系，确定各词语的替换概率；

根据所述替换概率从各词语中确定出目标词语，对所述目标词语中的字进行替换，确定所述错误文本。

6.根据权利要求4或5所述的方法，其中，所述对所述多个词语进行替换，包括：

确定所述多个词语中各字的替换字；

利用所述替换字对所述多个词语进行替换。

7.根据权利要求6所述的方法，其中，所述确定所述多个词语中各字的替换字，包括：

将与所述多个词语中各字字音相近或字形相近的字作为替换字。

8.根据权利要求1所述的方法，其中，所述方法还包括：

响应于确定所述误纠概率大于或等于所述预设阈值，利用所述纠错文本以及所述目标文本再次训练所述文本纠错模型。

9.一种文本纠错装置，包括：

文本接收单元，被配置成接收目标文本；

文本纠错单元，被配置成利用预先训练的文本纠错模型，对所述目标文本进行纠错，得到纠错文本；

误纠判断单元，被配置成利用预先训练的分类模型，确定所述纠错文本的误纠概率；

文本输出单元，被配置成响应于确定所述误纠概率小于预设阈值，输出所述纠错文本。

10.根据权利要求9所述的装置，其中，所述装置还包括：

文本集获取单元，被配置成获取混淆文本集，所述混淆文本集包括多个正确文本以及对应的多个错误文本；

第一训练单元，被配置成将所述错误文本作为输入，将与输入的错误文本对应的正确文本作为期望输出，训练得到所述文本纠错模型。

11.根据权利要求10所述的装置，其中，所述装置还包括第二训练单元，被配置成通过以下步骤得到所述分类模型：

将所述正确文本的标签设置为第一预设值，将所述错误文本的标签设置为第二预设值；

将所述混淆文本集中的文本作为输入，将输入文本的标签作为期望输出，训练得到所述分类模型。

12.根据权利要求10所述的装置，其中，所述文本集获取单元进一步被配置成：

获取多个正确文本；

对所述正确文本进行分词，得到多个词语；

对所述多个词语进行替换，确定所述正确文本对应的错误文本，得到所述混淆文本集。