[发明专利]信息处理方法、装置、设备和存储介质

权利要求书

1.一种信息处理方法，包括：

获取录入语句的文本信息和拼音信息；

将所述文本信息和所述拼音信息转换为随机选择序列，所述随机选择序列包括第一文本特征和第一拼音特征；

从预设文本集中，确定与所述第一拼音特征对应的字特征序列，所述字特征序列包括第二文本特征；

计算所述第一文本特征与所述随机选择序列第二文本特征的匹配值；

根据所述匹配值中满足预设条件的目标匹配值，获取目标文本特征；

在所述目标文本特征对应的修正文本信息与所述录入语句的文本信息不匹配的情况下，替换所述文本信息为所述修正文本信息。

2.根据权利要求1所述的方法，其中，所述获取录入语句的文本信息和拼音信息，包括：

获取录入语句，所述录入语句包括至少一个字符；

分别确定所述至少一个字符中每个字符的字符类别，所述字符类别包括文本字符类别和英文字符类别；

在字符的字符类别为所述文本字符类别的情况下，将所述字符确定为所述文本信息，并将所述字符的拼音确定为拼音信息；

在字符的字符类别为所述英文字符类别的情况下，将所述字符匹配的目标拼音确定为所述拼音信息，并将所述目标拼音对应的文本确定为所述文本信息，其中，所述目标拼音为针对所述字符拼接的声母和韵母的位数满足预设位数的拼音。

3.根据权利要求1或2所述的方法，其中，所述将所述文本信息和所述拼音信息转换为随机选择序列，包括：

将所述文本信息中的每个文本元素和所述拼音信息中的每个拼音元素进行交替拼接，得到混合元素信息；

将所述混合元素信息转换为随机选择序列，所述随机选择序列的序列长度与所述混合元素信息的序列长度相同。

4.根据权利要求3所述的方法，其中，所述随机选择序列还包括标记序列；所述将所述混合元素信息转换为随机选择序列之前，所述方法还包括：

根据所述混合元素信息中文本元素的第一位置，以及所述混合元素信息中拼音元素的第二位置，生成所述标记序列。

5.根据权利要求4所述的方法，其中，所述字特征序列还包括第二拼音特征；所述从预设文本集中，确定与所述第一拼音特征对应的字特征序列，包括：

将所述随机选择序列和所述标记序列输入到自然语言处理深度学习模型中，通过所述自然语言处理深度学习模型，从预设文本集中，确定与所述第一拼音特征对应的所述第二文本特征和所述第二拼音特征，得到从所述自然语言处理深度学习模型输出的所述字特征序列。

6.根据权利要求1所述的方法，其中，所述根据所述匹配值中满足预设条件的目标匹配值，获取目标文本特征，包括：

从所述第一文本特征与所述随机选择序列第二文本特征的匹配值中，筛选满足预设条件的目标文本特征；

对所述目标文本特征进行拼接，得到召回序列；

确定所述召回序列中匹配值小于或者等于目标阈值的召回文本特征；

将所述召回文本特征对应的文本信息作为所述录入语句的文本信息进行循环召回；

在循环召回次数满足预设次数的情况下，将与所述预设次数对应的召回序列中的召回文本特征确定为目标文本特征；

其中，所述循环召回包括以下步骤：

将所述文本信息和所述拼音信息转换为随机选择序列，所述随机选择序列包括第一文本特征和第一拼音特征；

从预设文本集中，确定与所述第一拼音特征对应的字特征序列，所述字特征序列包括第二文本特征；

计算所述第一文本特征与所述随机选择序列第二文本特征的匹配值。

7.根据权利要求6所述的方法，其中，所述确定所述召回序列中匹配值小于或者等于目标阈值的召回文本特征之前，所述方法还包括：

对所述第一文本特征与所述随机选择序列第二文本特征的匹配值不满足所述预设条件的文本特征进行拼接，得到相似度序列；

基于相似度序列的四分位数，计算所述目标阈值。