[发明专利]文本校对方法、装置、设备、介质及程序产品

权利要求书

1.一种文本校对方法，其特征在于，方法包括：

对目标文本进行断句分词处理，获得至少一个目标单句、以及与该目标单句对应的初始分词序列；

针对目标文本对应的每一个初始分词序列，至少根据两种预设词表校正规则进行校正处理，获得与每一初始分词序列对应的多个候选校正序列；

至少根据两种概率模型，计算与各候选校正序列对应的置信值，根据置信值对候选校正序列进行筛选；

根据置信值对多个筛选得到的候选校正序列进行融合处理，获得与初始分词序列对应的最优校正序列；

根据目标单句在目标文本中的位置，组合各最优校正序列，获得校正文本。

2.根据权利要求1的文本校对方法，其特征在于，所述预设词表校正规则至少包括预设同音词表、预设易混字表和预设固定搭配规则中的两种。

3.根据权利要求1的文本校对方法，其特征在于，所述概率模型至少包括N-gram模型、RNN模型、LSTM模型、fasttext模型和Bert模型中的两种。

4.根据权利要求2的文本校对方法，其特征在于，所述针对目标文本对应的每一个初始分词序列，至少根据两种预设词表校正规则进行校正处理，获得与每一初始分词序列对应的多个候选校正序列，包括：

针对目标文本对应的每一个初始分词序列中每一个分词，根据预设固定搭配规则进行单词单次校正处理，获得与初始分词序列对应的第一校正单句；

针对目标文本对应的每一个初始分词序列中每一个分词，根据预设同音词表和预设易混字表分别进行单词单次校正处理，获得与初始分词序列对应的第二校正单句；

针对目标文本对应的每一个初始分词序列中每一个单字，根据预设易混字表进行单字多重校正处理，获得与初始分词序列对应的第三校正单句。

5.根据权利要求4的文本校对方法，其特征在于，所述针对目标文本对应的每一个初始分词序列中每一个分词，根据预设固定搭配规则进行单词单次校正处理，获得与初始分词序列对应的第一校正单句，包括：

针对目标文本对应的每一个初始分词序列，根据预设固定搭配规则对初始分词序列中各分词进行校验，预设固定搭配规则包括多个检测词、以及与检测词对应的搭配词；

在分词为检测词的情况下，将该分词与在前n个分词和/或在后n个分词组合为第一组合词，n≥1；

判断第一组合词是否符合预设固定搭配规则；

若否，则在初始分词序列中修改该分词为该检测词对应的搭配词，生成与初始分词序列对应的第一校正单句。

6.根据权利要求5的文本校对方法，其特征在于，所述判断第一组合词是否符合预设固定搭配规则，之后包括：

若第一组合词符合预设固定搭配规则，则将第一组合词作为新的分词修改初始分词序列。

7.根据权利要求6的文本校对方法，其特征在于，所述针对目标文本对应的每一个初始分词序列中每一个分词，根据预设同音词表和预设易混字表分别进行单词单次校正处理，获得与初始分词序列对应的第二校正单句，包括：

针对目标文本对应的每一个初始分词序列中的多个分词，根据各分词在初始分词序列中的次序，分别设置各分词为中心词；

根据初始分词序列中各分词的排列次序，将中心词与在前m个分词和/或在后m个分词组合为第二组合词，m≥1；

根据预设同音词规则和预设易混字规则分别对第二组合词进行校验，根据校验结果对第二组合词的中心词进行校正处理，获得以不同分词为中心词的初始分词序列对应的第二校正单句。

8.根据权利要求7的文本校对方法，其特征在于，所述至少根据两种概率模型，计算与各候选校正序列对应的置信值，根据置信值对候选校正序列进行筛选，包括：

将第二校正单句分别输入多个已训练完成的第二概率模型中，分别输出与第二校正单句对应的概率值；

针对每一第二校正单句对应的多个概率值进行投票融合处理，获得与各第二校正单句对应的置信值；

筛选得到置信值高于第二预设阈值的第二校正单句。