CN110147546A - 一种英语口语的语法校正方法及装置 - Google Patents

Abstract

本发明涉及一种英语口语的语法校正方法及装置，所述方法包括：获取用户的英语口语文本；对所述英语口语文本进行断句和分词处理得到目标文本；在所述目标文本中定位存在语法错误的目标单词；当判断所述目标单词存在语法错误时，对所述目标单词进行校正。本发明可以对用户的英语口语文本的语法进行检查，校正用户的英语口音，提升用户的口语正确性。

Description

一种英语口语的语法校正方法及装置

技术领域

本发明涉及计算机技术领域，特别是涉及一种英语口语的语法校正方法及装置。

背景技术

在英语口语学习或者交流当中，学生经常会发生一些英语口语上的语法错误。但目前缺乏对语法方面的针对性评估及反馈，降低了学生的英语学习效率。

发明内容

基于此，有必要针对目前缺乏对语法方面的针对性评估的问题，提供一种英语口语的语法校正方法及装置。

一种英语口语的语法校正方法，所述方法包括：

获取用户的英语口语文本；

对所述英语口语文本进行断句和分词处理得到目标文本；

在所述目标文本中定位存在语法错误的目标单词；

当判断所述目标单词存在语法错误时，对所述目标单词进行校正。

优选的，所述对所述英语口语文本进行断句和分词处理得到目标文本，包括：

对所述英语口语文本进行断句得到第一文本；

对所述第一文本进行单词划分，并对对划分后的单词进行词性划分后形成目标文本。

优选的，所述在所述目标文本中定位存在语法错误的目标单词之后，所述方法还包括：

提取与所述目标单词关联的特征信息，所述特征信息包括上下文N元词信息、N-gram词性信息和与所述目标单词相对应的语法错误类型信息；其中，当所述语法错误为冠词错误时，所述特征信息包括所述目标单词所隶属名词短语的核心词信息、前面最接近的动词、形容词修饰信息；当所述语法错误为介词错误时，所述特征信息包括所述目标单词前面最接近的动词、后面的短语信息；

所述当判断所述目标单词存在语法错误时，对所述目标单词进行校正，具体为：

当基于所述特征信息判断所述目标单词存在语法错误时，对所述目标单词进行校正。

优选的，所述基于所述特征信息判断所述目标单词存在语法错误，具体为：

将所述特征信息包括的上下文N元词信息、N-gram词性信息和与所述目标单词相对应的语法错误类型信息输入至朴素贝叶斯模型，当所述朴素贝叶斯模型输出预设信息时，判断所述目标单词存在语法错误。

优选的，所述当判断所述目标单词存在语法错误之后，对所述目标单词进行校正之前，所述方法还包括：

采用先验知识得到用于替换所述目标单词的相似单词；

将所述相似单词与所述目标单词所在位置的上下文形成N-gram词组合或者经过词性标记形成N-gram词性组合；

由大数据集训练的语言模型评估所述N-gram词组合或者N-gram词性组合出现的概率；

如果概率值最大的所述N-gram词组合或者N-gram词性组合不包含所述目标单词，则判断所述目标单词存在语法错误。

一种英语口语的语法校正装置，所述装置包括：

获取模块，用于获取用户的英语口语文本；

处理模块，用于对所述英语口语文本进行断句和分词处理得到目标文本；

定位模块，用于在所述目标文本中定位存在语法错误的目标单词；

校正模块，用于当判断所述目标单词存在语法错误时，对所述目标单词进行校正。

优选的，所述处理模块用于：

对所述英语口语文本进行断句得到第一文本；

对所述第一文本进行单词划分，并对对划分后的单词进行词性划分后形成目标文本。

优选的，所述装置还包括：

提取模块，用于提取与所述目标单词关联的特征信息，所述特征信息包括上下文N元词信息、N-gram词性信息和与所述目标单词相对应的语法错误类型信息；其中，当所述语法错误为冠词错误时，所述特征信息包括所述目标单词所隶属名词短语的核心词信息、前面最接近的动词、形容词修饰信息；当所述语法错误为介词错误时，所述特征信息包括所述目标单词前面最接近的动词、后面的短语信息；

所述校正模块具体用于：

当基于所述特征信息判断所述目标单词存在语法错误时，对所述目标单词进行校正。

优选的，所述校正模块还用于：

将所述特征信息包括的上下文N元词信息、N-gram词性信息和与所述目标单词相对应的语法错误类型信息输入至朴素贝叶斯模型，当所述朴素贝叶斯模型输出预设信息时，判断所述目标单词存在语法错误。

优选的，所述装置还包括：

替换模块，用于采用先验知识得到用于替换所述目标单词的相似单词；

形成模块，用于将所述相似单词与所述目标单词所在位置的上下文形成N-gram词组合或者经过词性标记形成N-gram词性组合；

评估模块，用于由大数据集训练的语言模型评估所述N-gram词组合或者N-gram词性组合出现的概率；

判断模块，用于如果概率值最大的所述N-gram词组合或者N-gram词性组合不包含所述目标单词，则判断所述目标单词存在语法错误。

本发明中，在获取用户的英语口语文本后，可以对所述英语口语文本进行断句和分词处理得到目标文本；在所述目标文本中定位存在语法错误的目标单词；当判断所述目标单词存在语法错误时，对所述目标单词进行校正。由此，可以对用户的英语口语文本的语法进行检查，校正用户的英语口音，提升用户的口语正确性。

附图说明

图1为一实施例的英语口语的语法校正方法的流程图；

图2为一实施例的英语口语的语法校正装置的结构图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

图1为一实施例的英语口语的语法校正方法的流程图。如图1所示，该方法包括：

步骤120，获取用户的英语口语文本；

步骤140，对英语口语文本进行断句和分词处理得到目标文本；

步骤160，在目标文本中定位存在语法错误的目标单词；

步骤180，当判断目标单词存在语法错误时，对目标单词进行校正。

本发明中，在获取用户的英语口语文本后，可以对所述英语口语文本进行断句和分词处理得到目标文本；在所述目标文本中定位存在语法错误的目标单词；当判断所述目标单词存在语法错误时，对所述目标单词进行校正。由此，可以对用户的英语口语文本的语法进行检查，校正用户的英语口音，提升用户的口语正确性。

本实施例中，可以通过语音识别系统获取用户的英语口语文本。

本实施例中，步骤140对英语口语文本进行断句和分词处理得到目标文本，包括：

对英语口语文本进行断句得到第一文本；

对第一文本进行单词划分，并对对划分后的单词进行词性划分后形成目标文本。

其中，可以通过句子边界检错进行断句。由于英语口语文本中并无标点符号，且语法解析是以句子为单位，因此断句操作是后续流程的基础。

对第一文本进行单词划分并作词性标记。单词划分是对句子的进一步切分，语法解析的基本单位是单词。在语法结构中，单词搭配实质上是词性之间的搭配，词性标记操作可借助现有工具(如美国斯坦福大学的工具Stanford Parser)，也可根据线上系统收集的大量文本数据经过标签训练得到模型再预测词性。

本实施例中，在目标文本中定位存在语法错误的目标单词之后，该方法还包括：

提取与所述目标单词关联的特征信息，所述特征信息包括上下文N元词信息、N-gram词性信息和与所述目标单词相对应的语法错误类型信息；其中，当所述语法错误为冠词错误时，所述特征信息包括所述目标单词所隶属名词短语的核心词信息、前面最接近的动词、形容词修饰信息；当所述语法错误为介词错误时，所述特征信息包括所述目标单词前面最接近的动词、后面的短语信息；

当判断目标单词存在语法错误时，对目标单词进行校正，具体为：

当基于特征信息判断目标单词存在语法错误时，对目标单词进行校正。

本实施例中，基于特征信息判断目标单词存在语法错误，具体为：

将特征信息包括的上下文N元词信息、N-gram词性信息和与目标单词相对应的语法错误类型信息输入至朴素贝叶斯模型，当朴素贝叶斯模型输出预设信息时，判断目标单词存在语法错误。

具体而言，在目标文本中定位存在语法错误的目标单词之后，可以进一步判断是否有语法错误。在语法错误定位位置，针对不同类型的语法错误，本实施例可以独立地判断该位置有/无对应类型错误。即，并非在此位置作多分类任务，而是分别作多个判断任务。

本实施例中，语法错误类型包括冠词错误、名词单复数错误、介词错误、主谓一致错误、动词时态错误、动词形式错误等，本实施例以“冠词错误”、“介词错误”进行了具体说明，但本实施例并不仅限于以上两种或上述六种语法错误。

判断是否有语法错误，需要对当前定位位置提取的特征包括：(1)通用特征，可以是上下文N元词(N-gram)信息、N-gram词性信息。(2)针对具体的不同类型语法错误，还需提取特定特征。具体的，针对冠词错误，特征还包括当前位置单词所隶属名词短语的核心词信息、其前最近动词、是否有形容词修饰信息；针对介词错误，特征还包括当前位置单词其前最近动词、其后短语信息。判断语法错误的分类器模型选择朴素贝叶斯(NB)，训练时语法错误位置由人工标注信息得到，而语法正确位置则可以是句子文本满足该语法错误定位规则的位置中没有被标注的部分。

本实施例中，当判断目标单词存在语法错误之后，对目标单词进行校正之前，该方法还包括：

采用先验知识得到用于替换目标单词的相似单词；

将相似单词与目标单词所在位置的上下文形成N-gram词组合或者经过词性标记形成N-gram词性组合；

由大数据集训练的语言模型评估N-gram词组合或者N-gram词性组合出现的概率；

如果概率值最大的N-gram词组合或者N-gram词性组合不包含目标单词，则判断目标单词存在语法错误。

在步骤160中，在分析了已有人工标注具体类型语法错误的训练集数据基础上，可以对语法错误位置的单词进行分析，总结语法错误出现的规律，并进一步抽象为对待测样本的语法错误定位。这样只需对定位到的位置进行有无语法错误的判断，可以避免对句子中所有单词都作判断，减少不必要的操作及其带来的误报隐患。

如：对于冠词错误，通过数据分析发现，中国学生在学习英语时，由于受母语的影响，对a/an/the这三个冠词以及零冠词的使用上出错频繁，而零冠词可视为名词短语之前的位置上冠词为空；因此，对错误位置定位为出现了a/an/the的位置以及名词短语首单词位置，认为这些位置有可能发生冠词错误。类似的，对于名词单复数错误，数据分析发现该错误多出现于单词词性为名词的位置；因此，本发明对错误位置定位为名词短语中核心词位置。

因此，步骤160中，在目标文本中定位存在语法错误的目标单词，可以是在目标文本中定位其中的习惯性错误单位。习惯性错误单词，是指容易基于以上训练集数据统计，得到的学生容易发生错误的单词，包括以上提到的a/an/the这三个冠词、具有单复数的名词等。

本实施例在实现过程中发现，步骤160判断结果中误报数量较多，即当前位置原本语法正确，但被判定为语法错误。因此，需要对判断结果进行修正，目的在于尽量减少误报数量，提升判断语法错误位置的精确率。

对于步骤160判定为某类型语法错误的位置，可以利用先验知识得到能够替换当前词的其它单词，并分别与当前位置的上下文形成N-gram词组合或经过词性标记形成N-gram词性组合，由大数据集训练的语言模型(LM)去评估各组合的出现概率。若这些候选项中概率最大的组合包含当前位置词，此时LM认为当前位置词形成的组合在众多候选组合中最合理，那么将判定修改为该位置语法正确；否则，维持语法错误的判断。

结合步骤160的判断结果和以上修正，若当前位置仍被判定为语法错误，则会针对该类型错误提出纠错建议，即用建议单词表达替代当前位置单词表达。其中，提出纠错建议的过程，可直接通过LM去评估得到众多候选项中最符合当前位置的单词，作为纠错建议。

对某具体类型语法错误，为避免多处定位位置分别给出多个纠错建议而引起搭配混乱的问题，可以在当前位置只提出一个最佳纠错建议。此外，需要避免纠错前后语义相反的问题。

以上均是单独对每一种语法错误类型进行处理，但实际情况有可能发生同一位置被判定为多种语法错误、语法错误界定存在主次关系、逻辑前后冲突等问题。针对上述问题，对目标单词进行校正时，可以首先对各语法错误的彼此关系逻辑进行总结归纳，得到启发式规则库，再利用该规则库对判断结果和纠正建议进行整合，输出最终的决策结果——语法错误信息及其纠正反馈，基于此对目标单词进行校正。

如：He want to climb the moutain，当前位置动词want同时被判定为存在主谓一致错误、动词形式错误，根据启发式规则库，此时优先认为其只有主谓一致错误，并且提出纠正反馈：want-->wants。

图2为一实施例的英语口语的语法校正装置的结构图。如图2所示，该装置包括：

获取模块210，用于获取用户的英语口语文本；

处理模块220，用于对英语口语文本进行断句和分词处理得到目标文本；

定位模块230，用于在目标文本中定位存在语法错误的目标单词；

校正模块240，用于当判断目标单词存在语法错误时，对目标单词进行校正。

本发明中，在获取用户的英语口语文本后，可以对所述英语口语文本进行断句和分词处理得到目标文本；在所述目标文本中定位存在语法错误的目标单词；当判断所述目标单词存在语法错误时，对所述目标单词进行校正。由此，可以对用户的英语口语文本的语法进行检查，校正用户的英语口音，提升用户的口语正确性。

其中，处理模块220用于：

对英语口语文本进行断句得到第一文本；

对第一文本进行单词划分，并对对划分后的单词进行词性划分后形成目标文本。

其中，该装置还包括：

提取模块，用于提取与目标单词关联的特征信息，特征信息包括上下文N元词信息、N-gram词性信息和与目标单词相对应的语法错误类型信息；其中，当目标单词为冠词时，语法错误类型信息包括目标单词所隶属名词短语的核心词信息、前面最接近的动词、形容词修饰信息；当目标单词为介词时，语法错误类型信息包括目标单词前面最接近的动词、后面的短语信息；

校正模块具体用于：

当基于特征信息判断目标单词存在语法错误时，对目标单词进行校正。

其中，校正模块240还用于：

将特征信息包括的上下文N元词信息、N-gram词性信息和与目标单词相对应的语法错误类型信息输入至朴素贝叶斯模型，当朴素贝叶斯模型输出预设信息时，判断目标单词存在语法错误。

其中，该装置还包括：

替换模块，用于采用先验知识得到用于替换目标单词的相似单词；

形成模块，用于将相似单词与目标单词所在位置的上下文形成N-gram词组合或者经过词性标记形成N-gram词性组合；

评估模块，用于由大数据集训练的语言模型评估N-gram词组合或者N-gram词性组合出现的概率；

判断模块，用于如果概率值最大的N-gram词组合或者N-gram词性组合不包含目标单词，则判断目标单词存在语法错误。

以上装置的实现过程与上述方法的实现过程相同，具体可以参照以上方法实施例中的内容，本实施例具体不再详述。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种英语口语的语法校正方法，其特征在于，所述方法包括：

获取用户的英语口语文本；

对所述英语口语文本进行断句和分词处理得到目标文本；

在所述目标文本中定位存在语法错误的目标单词；

当判断所述目标单词存在语法错误时，对所述目标单词进行校正。

2.根据权利要求1所述的方法，其特征在于，所述对所述英语口语文本进行断句和分词处理得到目标文本，包括：

对所述英语口语文本进行断句得到第一文本；

对所述第一文本进行单词划分，并对对划分后的单词进行词性划分后形成目标文本。

3.根据权利要求1所述的方法，其特征在于，所述在所述目标文本中定位存在语法错误的目标单词之后，所述方法还包括：

提取与所述目标单词关联的特征信息，所述特征信息包括上下文N元词信息、N-gram词性信息和与所述目标单词相对应的语法错误类型信息；其中，当所述语法错误为冠词错误时，所述特征信息包括所述目标单词所隶属名词短语的核心词信息、前面最接近的动词、形容词修饰信息；当所述语法错误为介词错误时，所述特征信息包括所述目标单词前面最接近的动词、后面的短语信息；

所述当判断所述目标单词存在语法错误时，对所述目标单词进行校正，具体为：

当基于所述特征信息判断所述目标单词存在语法错误时，对所述目标单词进行校正。

4.根据权利要求3所述的方法，其特征在于，所述基于所述特征信息判断所述目标单词存在语法错误，具体为：

将所述特征信息包括的上下文N元词信息、N-gram词性信息和与所述目标单词相对应的语法错误类型信息输入至朴素贝叶斯模型，当所述朴素贝叶斯模型输出预设信息时，判断所述目标单词存在语法错误。

5.根据权利要求1所述的方法，其特征在于，所述当判断所述目标单词存在语法错误之后，对所述目标单词进行校正之前，所述方法还包括：

采用先验知识得到用于替换所述目标单词的相似单词；

将所述相似单词与所述目标单词所在位置的上下文形成N-gram词组合或者经过词性标记形成N-gram词性组合；

由大数据集训练的语言模型评估所述N-gram词组合或者N-gram词性组合出现的概率；

如果概率值最大的所述N-gram词组合或者N-gram词性组合不包含所述目标单词，则判断所述目标单词存在语法错误。

6.一种英语口语的语法校正装置，其特征在于，所述装置包括：

获取模块，用于获取用户的英语口语文本；

处理模块，用于对所述英语口语文本进行断句和分词处理得到目标文本；

定位模块，用于在所述目标文本中定位存在语法错误的目标单词；

校正模块，用于当判断所述目标单词存在语法错误时，对所述目标单词进行校正。

7.根据权利要求6所述的装置，其特征在于，所述处理模块用于：

对所述英语口语文本进行断句得到第一文本；

对所述第一文本进行单词划分，并对对划分后的单词进行词性划分后形成目标文本。

8.根据权利要求6所述的装置，其特征在于，所述装置还包括：

提取模块，用于提取与所述目标单词关联的特征信息，所述特征信息包括上下文N元词信息、N-gram词性信息和与所述目标单词相对应的语法错误类型信息；其中，当所述语法错误为冠词错误时，所述特征信息包括所述目标单词所隶属名词短语的核心词信息、前面最接近的动词、形容词修饰信息；当所述语法错误为介词错误时，所述特征信息包括所述目标单词前面最接近的动词、后面的短语信息；

所述校正模块具体用于：

当基于所述特征信息判断所述目标单词存在语法错误时，对所述目标单词进行校正。

9.根据权利要求8所述的装置，其特征在于，所述校正模块还用于：

将所述特征信息包括的上下文N元词信息、N-gram词性信息和与所述目标单词相对应的语法错误类型信息输入至朴素贝叶斯模型，当所述朴素贝叶斯模型输出预设信息时，判断所述目标单词存在语法错误。

10.根据权利要求6所述的装置，其特征在于，所述装置还包括：

替换模块，用于采用先验知识得到用于替换所述目标单词的相似单词；

形成模块，用于将所述相似单词与所述目标单词所在位置的上下文形成N-gram词组合或者经过词性标记形成N-gram词性组合；

评估模块，用于由大数据集训练的语言模型评估所述N-gram词组合或者N-gram词性组合出现的概率；

判断模块，用于如果概率值最大的所述N-gram词组合或者N-gram词性组合不包含所述目标单词，则判断所述目标单词存在语法错误。