[发明专利]基于文本数据的纠错模型的训练方法及装置

权利要求书

1.一种基于文本数据的纠错模型的训练方法，其特征在于，包括：

获取第一文本和第二文本，所述第一文本是通过语音识别获得的语音文本，所述第二文本是不通过语音识别获得的文本；

对所述第一文本进行统计和/或分析，获取所述第一文本的错误模式；

根据所述错误模式，修改所述第二文本，以获取第三文本，其中所述第三文本用于模拟所述第一文本且所述第三文本和所述第一文本具有相同的错误模式；以及

利用所述第一文本、所述第二文本和所述第三文本，对文本纠错模型进行训练；

所述利用所述第一文本和所述第三文本，对文本纠错模型进行训练，包括：

使用第一训练集，对所述文本纠错模型进行第一轮训练，所述第一训练集由所述第三文本和所述第二文本组成；

使用第二训练集，对完成所述第一轮训练的所述文本纠错模型进行第二轮训练，所述第二训练集由所述第一文本和对应的正确文本组成；

或者

使用第三训练集，对所述文本纠错模型进行训练，所述第三训练集由所述第三文本及所述第二文本组成的文本对，和所述第一文本及对应的正确文本组成的文本对组成。

2.根据权利要求1所述的方法，其特征在于，所述错误模式包括至少一种错误类型、和所述至少一种错误类型中的每种错误类型的出现次数或出现频率，所述至少一种错误类型包括替换错误类型、删除错误类型和增加错误类型中的至少一者。

3.根据权利要求2所述的方法，其特征在于，所述对所述第一文本进行统计和/或分析，获取所述第一文本的错误模式，包括：

对所述第一文本及对应的正确文本进行比较，获取所述至少一种错误类型；

统计所述至少一种错误类型中的每种错误类型的出现次数或出现频率。

4.一种基于文本数据的纠错模型的训练装置，其特征在于，包括：

获取单元，用于获取第一文本和第二文本，所述第一文本是通过语音识别获得的语音文本，所述第二文本是不通过语音识别获得的文本；

统计及分析单元，用于对所述第一文本进行统计和/或分析，获取所述第一文本的错误模式；

修改单元，用于根据所述错误模式，修改所述第二文本，以获取第三文本，其中所述第三文本用于模拟所述第一文本且所述第三文本和所述第一文本具有相同的错误模式；和

训练单元，用于利用所述第一文本、所述第二文本和所述第三文本，对文本纠错模型进行训练；

利用所述第一文本和所述第三文本，对文本纠错模型进行训练，包括：

使用第一训练集，对所述文本纠错模型进行第一轮训练，所述第一训练集由所述第三文本和所述第二文本组成；

使用第二训练集，对完成所述第一轮训练的所述文本纠错模型进行第二轮训练，所述第二训练集由所述第一文本和对应的正确文本组成；

或者

使用第三训练集，对所述文本纠错模型进行训练，所述第三训练集由所述第三文本及所述第二文本组成的文本对，和所述第一文本及对应的正确文本组成的文本对组成。

5.一种纠错模型的训练装置，其特征在于，包括处理器和存储器，所述存储器用于存储程序指令，所述处理器用于调用所述程序指令以执行权利要求1-3中任一项所述的方法。

6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储用于由设备执行的程序代码，所述程序代码包括用于执行如权利要求1-3中任一项所述的方法。