[发明专利]文本纠错方法、装置、电子设备和存储介质

权利要求书

1.一种文本纠错方法，其特征在于，所述纠错方法包括：

将识别文本中的第一字符替换为第二字符；

对所述识别文本中通过对第一字符进行替换得到的第二字符添加标识；

根据所述识别文本中带有标识的第二字符的相邻字符，确定所述识别文本中带有标识的第二字符中的待纠错的第二字符；

获取所述待纠错的第二字符的特征；

将所述识别文本中的带有标识的第二字符中与所述待纠错的第二字符的特征匹配的第二字符替换为所述第一字符，得到纠错后的识别文本。

2.根据权利要求1所述的纠错方法，其特征在于，在所述将识别文本中的第一字符替换为第二字符之前，所述纠错方法，还包括：

根据错误表确定所述第一字符对应的字符组，其中，所述错误表中记录了OCR识别过程中识别错误率大于第一阈值的字符以及与所述字符对应的字符组，所述字符组包括与所述字符对应的多个候选字符，且在OCR识别过程，所述多个候选字符被识别为所述字符的概率大于第二阈值；

根据所述第一字符的相邻字符，在所述多个候选字符中确定所述第二字符。

3.根据权利要求2所述的纠错方法，其特征在于，所述根据所述第一字符的相邻字符，在所述多个候选字符中确定所述第二字符，包括：

获取第三字符，所述第三字符为所述识别文本中与所述第一字符相邻的字符；

将所述第三字符和所述第一字符按照在所述识别文本中的顺序进行组合，得到第一词语；

将所述第一词语中的第一字符分别替换为所述多个候选字符中的每个候选字符，得到多个第二词语，其中，所述多个第二词语与所述多个候选字符一一对应；

分别对所述多个第二词语中的每个第二词语进行词嵌入处理，得到多个第一词向量，其中，所述多个第一词向量与所述多个第二词语一一对应；

对所述多个第一词向量中的每个第一词向量，分别将所述每个第一词向量与预设词库中的多个模板词的词向量进行匹配，得到多个第一匹配结果，并根据所述多个第一匹配结果确定所述第二字符，其中，所述多个第一匹配结果与所述多个模板词一一对应。

4.根据权利要求3所述的纠错方法，其特征在于，所述对所述多个第一词向量中的每个第一词向量，分别将所述每个第一词向量与预设词库中的多个模板词的词向量进行匹配，得到多个匹配结果，并根据所述多个匹配结果确定所述第二字符，包括：

分别计算所述每个第一词向量与所述预设词库中的多个模板词中的每个模板词的词向量之间的第一相似度，得到多个第一相似度，其中，所述多个第一相似度与所述多个常用词一一对应；

将所述多个第一相似度中，最大的第一相似度作为所述每个第一词向量的第一得分，得到多个第一得分，其中，所述多个第一得分与所述多个第一词向量一一对应；

将所述多个第一得分中，大于第三阈值的第一得分对应的第一词向量对应的第二词语，作为第三词语，得到至少一个第三词语；

在所述至少一个第三词语中确定第四词语，并将所述第四词语中与所述第一字符处于同样位置的字符作为所述第二字符，其中，所述第四词语为所述至少一个第三词语中与所述识别文本之间匹配度最高的词语。

5.根据权利要求4所述的纠错方法，其特征在于，所述在所述至少一个第三词语中确定第四词语，包括：

在所述识别文本中，获取所述第一词语所在的句子，得到第一句子；

对于所述至少一个第三词语中的每个第三词语，分别用所述每个第三词语替换所述第一句子中的第一词语，得到多个第二句子，其中，所述多个第二句子与所述多个第三词语一一对应；

分别计算所述多个第二句子中每个第二句子的困惑度，得到多个困惑度，其中，所述多个困惑度与所述多个第二句子一一对应；

将所述多个困惑度中，最小的困惑度对应的第二句子对应的第三词语作为所述第四词语。