CN110969012A - 文本纠错方法、装置、存储介质及电子设备 - Google Patents

Abstract

本公开实施例涉及一种文本纠错方法、装置、存储介质及电子设备，以得到更加符合实际语义场景的文本纠错结果，提高文本纠错的准确性。该方法包括：获取待纠错的目标文本；将所述目标文本输入到文本纠错模型中进行处理，得到对所述目标文本纠错后的正确文本，所述文本纠错模型是根据标注语义信息后的第一样本文本、不存在文本错误的第二样本文本以及存在文本错误的第三样本文本进行训练得到的。

Description

文本纠错方法、装置、存储介质及电子设备

技术领域

本公开实施例涉及文本技术领域，具体地，涉及一种文本纠错方法、装置、存储介质及电子设备。

背景技术

文本纠错是对文本中的错误进行修正的过程。随着人工智能的不断发展，文本纠错已由最初的人工纠错转变为智能纠错。但是，相关技术中的智能纠错通常是采用错误检测、候选召回、纠错排序三个步骤实现文本纠错。

发明内容

提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

第一方面，本公开实施例提供一种文本纠错方法，所述方法包括：

获取待纠错的目标文本；

将所述目标文本输入到文本纠错模型中进行处理，得到对所述目标文本纠错后的正确文本，所述文本纠错模型是根据标注语义信息的第一样本文本、不存在文本错误的第二样本文本以及存在文本错误的第三样本文本进行训练得到的。

第二方面，本公开实施例提供一种文本纠错装置，所述装置包括：

获取模块，用于获取待纠错的目标文本；

处理模块，用于将所述目标文本到文本纠错模型中进行处理，得到对所述目标文本纠错后的正确文本，所述文本纠错模型是根据标注语义信息后的的第一样本文本、不存在文本错误的第二样本文本以及存在文本错误的第三样本文本进行训练得到的。

第三方面，本公开实施例提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现第一方面中所述方法的步骤。

第四方面，本公开实施例提供一种电子设备，包括：

存储装置，其上存储有计算机程序；

处理装置，用于执行所述存储装置中的所述计算机程序，以实现第一方面中所述方法的步骤。

通过上述技术方案，可以在获取待纠错的目标文本之后，将目标文本输入到文本纠错模型中进行处理，得到对目标文本纠错后的正确文本。由于文本纠错模型是根据标注语义信息后的的第一样本文本、不存在文本错误的第二样本文本以及存在文本错误的第三样本文本进行训练得到的，因此在文本纠错过程中考虑了各分词在文本中的语义信息，从而可以避免将不同语义场景下的同一错误分词纠正为同一正确分词的情况，使得文本纠错结果更加符合实际语义场景，提高文本纠错的准确性。

本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。

在附图中：

图1是根据本公开一示例性实施例示出的一种文本纠错方法的流程图；

图2是根据本公开一示例性实施例示出的一种文本纠错方法的过程示意图；

图3是根据本公开一示例性实施例示出的一种文本纠错装置的框图；

图4是根据本公开一示例性实施例示出的一种电子设备的框图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开实施例的附图仅用于示例性作用，并非用于限制本公开实施例的保护范围。

应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开实施例的范围在此方面不受限制。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。另外，本公开实施例中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开实施例中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

文本纠错是对文本中的错误进行修正的过程。随着人工智能的不断发展，文本纠错已由最初的人工纠错转变为智能纠错。但是，相关技术中的智能纠错通常是采用错误检测、候选召回、纠错排序三个步骤实现文本纠错。其中，纠错排序采用语言模型或者分类模型进行置信度打分。

按照相关技术中的文本纠错方式，由于未考虑分词在文本中的语义信息，因此可以导致将不同语义场景下的同一错误分词纠正为同一正确分词的情况。比如，对于错误分词“消星星”，在音乐应用场景下，应该将该词组纠正为歌曲名“小星星”，而在游戏应用场景下，应该将该词组纠正为游戏名“消灭星星”。但是按照相关技术中的文本纠错方式，不论是在音乐应用场景下，还是在游戏应用场景下，可能均是将该错误分词“消星星”纠正为“小星星”，得到不符合实际语义场景的纠错结果。

有鉴于此，本公开实施例提供一种文本纠错方法、装置、存储介质及电子设备，以得到更加符合实际语义场景的文本纠错结果，提高文本纠错的准确性。

图1是根据本公开一示例性实施例示出的一种文本纠错方法的流程图。参照图1，该文本纠错方法可以包括：

步骤101，获取待纠错的目标文本。示例地，目标文本可以是长度任意的单句，或者可以是包括多个单句的文章，等等，本公开实施例对此不作限定。应当理解的是，如果目标文本为包括多个单句的文章，为了便于处理，则可以先将目标文本划分为多个单句，然后再进行文本纠错。

步骤102，将目标文本输入到文本纠错模型中进行处理，得到对目标文本纠错后的正确文本。其中，文本纠错模型是根据标注语义信息后的第一样本文本、不存在文本错误的第二样本文本以及存在文本错误的第三样本文本进行训练得到的。应当理解的是，如果目标文本存在错误，那么文本纠错模型输出的可以是对目标文本纠错后的正确文本。如果目标文本不存在错误，那么文本纠错模型输出的可以是原始正确的文本。

通过上述技术方案，由于文本纠错模型是根据标注语义信息后的的第一样本文本、不存在文本错误的第二样本文本以及存在文本错误的第三样本文本进行训练得到的，因此在文本纠错过程中考虑了各分词在文本中的语义信息，从而可以避免将不同语义场景下的同一错误分词纠正为同一正确分词的情况，使得文本纠错结果更加符合实际语义场景，提高文本纠错的准确性。例如，对于目标文本中包括的“消星星”这一词组，在音乐应用场景下，可以将该词组纠正为歌曲名“小星星”，而在游戏应用场景下，可以将该词组纠正为游戏名“消灭星星”，得到更符合应用场景的文本纠错结果。

为了使得本领域技术人员更加理解本公开实施例中的文本纠错方法，下面先对本公开实施例可能的应用场景进行说明。

在一种可能的方式中，步骤101可以是响应于用户触发的文本输入请求，从客户端的输入框中获取用户输入的文本作为目标文本。相应地，还可以将纠错后的正确文本在客户端进行显示。

也即是说，本公开实施例的文本纠错方法可以应用于客户端。

示例地，文本输入请求可以是用户在客户端的输入框中输入文本而由客户端自动触发生成的。在生成该文本输入请求之后，客户端可以响应于该文本输入请求，从输入框中获取用户输入的文本作为目标文本。

应当理解的是，在应用于客户端的场景下，可以将用户在客户端实时输入的文本作为目标文本，以对用户输入的文本进行实时纠错，从而降低因疏忽导致的错误表述，提升用户的阅读体验。当然，在其他可能的情况下，也可以将用户输入完成的文本作为目标文本，等等，本公开实施例对此不作限定。例如，用户通过客户端的办公软件Word编辑工作总结，那么可以根据用户实时输入的内容进行文本纠错。或者，也可以在用户编辑完该工作总结点击“保存”后，对完整的工作总结内容进行文本纠错。

在另一种可能的方式中，步骤101可以是先接收客户端发送针对目标文本的文本纠错请求，然后对该文本纠错请求进行解析，得到该文本纠错请求包括的目标文本。相应地，还可以将正确文本发送给网络平台进行显示。

也即是说，本公开实施例中的文本纠错方法还可以应用于服务器。

示例地，在用户需要将本地编辑的文本发表到网络平台的场景下，文本纠错请求可以是用户通过客户端本地编辑完文本内容之后，点击“提交”按钮而触发生成的。客户端可以将生成的文本纠错请求发送给服务器，该文本纠错请求可以包括用户编辑的文本内容，因此服务器在接收到该文本纠错请求后，可以对该文本纠错请求进行解析，以得到对应的文本，并对该文本进行纠错，然后将纠错后的正确文本发送到网络平台进行显示。其中，网络平台可以是各种具有文本展示功能的社交平台，本公开实施例对此不作限定。

例如，用户想要将本地编辑的一篇游记发表到某一旅游社交平台上，用户在客户端编辑完该游记后，可以通过点击“提交”按钮触发客户端生成包括该游记的文本纠错请求，并将该文本纠错请求发生给旅游社交平台的服务器。服务器接收到该文本纠错请求后，通过解析该文本纠错请求，可以得到用户在客户端编辑的游记内容，然后对该游记内容进行文本纠错，并将纠错后的正确文本在旅游社交平台上进行显示。通过这样的方式，可以降低用户在编辑文本的过程中因疏忽导致的错误表述，给其他用户更好的阅读体验。

下面对具体的文本纠错过程进行详细举例说明。

在本公开实施例中，可以将目标文本输入到文本纠错模型中进行处理，得到对目标文本纠错后的正确文本。在可能的方式中，文本纠错模型可以是通过如下方式得到的：

先将第一样本输入到语义模型中，得到标注语义信息后的第一样本文本。然后获取不存在文本错误的第二样本文本。接着，根据预设词表，对第二样本文本中的字词进行替换，得到存在文本错误的第三样本文本。最后，根据标注语义信息后的第一样本文本、第二样本文本和第三样本文本进行模型训练，得到文本纠错模型。

示例地，可以是在大规模文本语料上预训练的通用语义表示模型，可以同时利用目标分词前面的词和后面的词两部分信息。可以得到更加准确的分词语义信息。

应当理解的是，第二样本文本可以是区别于第一样本文本的不存在文本错误的文本。当然，为了减少文本获取量，第二样本文本也可以是与第一样本文本相同的文本，本公开实施例对此不作限定。

示例地，预设词表可以是根据常用字词而制定的，具有普遍适用性，如果文本纠错的应用场景发生变化，可以不重新编写。其中，预设词表可以包括预设错误词表和/或预设乱序词表。预设错误词表可以包括单字以及与该单字对应的形近字和/或音近字、词组以及与该词组对应的形近词和/或音近词，预设乱序词表可以包括词组以及与该词组对应的语序错误的词组。

例如，预设错误词表可以包括单字“晴”以及与该单字对应的形近字“睛”和/或音近字“情”，还可以包括词组“影像”以及与该词组对应的形近词“影响”和/或音近词“映像”。预设乱序词表可以包括词组“想象难以”以及与该词组对应的语序错误的词组“难以想象”，等等，本公开实施例对此不作限定。

应当理解的是，为了进一步提升文本纠错方法的适用性，预设错误词表中的单字可以分别对应多个形近字和/或音近字，词组也可以分别对应多个形近词和/或音近词。比如，在上述举例中，与单字“晴”对应的形近字还可以包括“清”、“青”等，与单字“晴”对应的音近字还可以包括“秦”、“琴”等，本公开实施例对此不作限定。

在一种可能的方式中，预设词表为预设错误词表或预设乱序词表，根据预设词表，对第二样本文本中的字词进行替换，得到存在文本错误的第三样本文本可以是：先获取待替换的字词占第二样本文本的比例，然后在第二样本文本中随机确定该比例对应的目标字词，最后根据预设错误词表或预设乱序词表，对目标字词进行替换，得到存在文本错误的第三样本文本。

示例地，待替换的字词占第二样本文本的比例可以是根据实际情况确定的，本公开实施例对此不作限定。例如，用户可以设定待替换的字词占第二样本文本的比例为15％，或者也可以设定待替换的字词占第二样本文本的比例为25％，等等。

例如，在预设词表为预设错误词表的场景下，用户设定待替换的字词占第二样本文本的比例为15％，即获取到的待替换的字词占第二样本文本的比例可以为15％，那么可以在第二样本文本中随机确定15％的目标字词作为待替换的字词。然后，可以根据目标字词在第二样本文本中的顺序，参照预设错误词表中目标字词对应的音近字、词和/或形近字、词，依次将目标字词进行替换成错误字词，从而得到存在文本错误的第三样本文本。

又例如，在预设词表为预设乱序词表的场景下，用户设定待替换的字词占第二样本文本的比例为25％，即获取到的待替换的字词占第二样本文本的比例可以为25％，那么可以在第二样本文本中随机确定25％的目标字词作为待替换的字词。然后，可以根据目标字词在第二样本文本中的顺序，参照预设乱序词表中目标字词对应的语序错误的字词，依次将目标字词进行替换成语序错误的字词，从而得到存在文本错误的第三样本文本。

通过上述方式，可以通过预设错误词表或预设乱序词表对第二样本文本中的字词进行自动替换，得到存在文本错误的第三样本文本，从而根据标注语义信息的第一样本文本、第二样本文本和第三样本文本进行训练得到文本纠错模型，即使应用场景发生变化，也无需耗费大量人力和时间重新编写错误文本，可以更好地适用于不同的文本纠错场景，提高了文本纠错的适用性。

进一步，预设词表还可以同时为预设错误词表和预设乱序词表，在此种情况下，根据预设词表，对第二样本文本中的字词进行替换，得到存在文本错误的第三样本文本可以是：先获取待替换成错误词的字词占第二样本文本的第一比例，以及待替换成乱序词的字词占第二样本的第二比例。然后，在第二样本文本中随机确定第一比例对应的第一目标字词以及第二比例对应的第二目标字词，其中，第一目标字词与第二目标字词之间不存在相同的字词。最后，根据预设错误词表，对第一目标字词进行替换，并根据预设乱序词表，对第二目标字词进行替换，得到存在文本错误的第三样本文本。

例如，用户输入的待替换成错误词的字词占第二样本文本的第一比例为15％，以及待替换成乱序词的字词占第二样本的第二比例为5％，即获取待替换成错误词的字词占第二样本文本的第一比例为15％，以及待替换成乱序词的字词占第二样本的第二比例为5％。在此种情况下，可以分别在第二样本文本中确定15％的第一目标字词和5％的第二目标字词。然后，根据预设错误词表，对第一目标字词进行替换，并根据预设乱序词表，对第二目标字词进行替换，得到存在文本错误的第三样本文本。

通过上述方式，可以通过预设错误词表和预设乱序词表对第二样本文本中的字词进行自动替换，得到存在文本错误的第三样本文本，从而根据该第二样本文本和第三样本文本进行训练得到文本纠错模型，即使应用场景发生变化，也无需耗费大量人力和时间重新编写错误文本，可以更好地适用于不同的文本纠错场景，提高了文本纠错的适用性。

在得到第二样本文本和第三样本文本之后，可以对标注语义信息后的第一样本文本、不存在文本错误的第二样本文本和存在文本错误的第三样本文本进行训练，得到文本纠错模型，从而可以将目标文本输入该文本纠错模型中处理，得到对目标文本纠错后的正确文本。

下面通过另一示例性实施例对本公开的文本纠错方法进行说明。

参照图2，该文本纠错方法的实施过程可以是：先将第一样本文本输入到语义模型中，得到标注语义信息后的第一样本文本，并且可以对第二样本文本进行错误替换，得到第三样本文本，然后根据标注语义信息后的第一样本文本、第二样本文本和第三样本文本进行训练得到文本纠错模型。最后，将目标文本输入文本纠错模型，得到纠错后的正确文本。通过这样的方式，可以自动生成存在文本错误的样本文本进行模型训练得到纠错模型，并通过纠错模型对文本进行纠错，即使应用场景发生变化，也无需耗费大量人力和时间重新编写错误文本，可以更好地适用于不同的文本纠错场景，提高了文本纠错的适用性。

并且，本公开实施例的文本纠错方法相较于相关技术中的方法，在纠错准确率上也有大幅提升。具体的，针对2015年SIGHAN国际中文分词竞赛的比赛数据，相关技术中的方法在评测指标F1分数(F1Score)方面为0.625，而本公开实施例的方法为0.656。针对新闻样本数据集，本公开实施例的方法在评测指标F1分数上达到了0.545，相较相关技术的方法提升超过50％。

基于同一发明构思，参照图3，本公开实施例还提供一种文本纠错装置300，该装置300可以通过软件、硬件或两者结合的方式成为电子设备的部分或全部，该装置300包括：

获取模块301，用于获取待纠错的目标文本；

处理模块302，用于将所述目标文本输入到文本纠错模型中进行处理，得到对所述目标文本纠错后的正确文本，所述文本纠错模型是根据标注语义信息后的第一样本文本、不存在文本错误的第二样本文本以及存在文本错误的第三样本文本进行训练得到的。

可选地，所述获取模块301用于：

接收客户端发送针对所述目标文本的文本纠错请求；

对所述文本纠错请求进行解析，得到所述文本纠错请求包括的所述目标文本；

所述装置300还包括：

第一显示模块，用于将所述正确文本在网络平台进行显示。

可选地，所述获取模块301用于：

响应于用户触发的文本输入请求，从客户端的输入框中获取用户输入的文本作为所述目标文本；

所述装置300还包括：

第二显示模块，用于将所述正确文本在所述客户端进行显示。

可选地，所述处理模块302包括：

语义子模块，用于将第一样本输入到语义模型中，得到标注语义信息后的第一样本文本；

获取子模块，用于获取不存在文本错误的第二样本文本；

替换子模块，用于根据预设词表，对所述第二样本文本中的字词进行随机替换，得到存在文本错误的第三样本文本；

训练子模块，用于根据所述第二样本文本和所述第三样本文本进行模型训练，得到所述文本纠错模型。

可选地，所述预设词表包括预设错误词表和/或预设乱序词表，其中所述预设错误词表包括单字以及与该单字对应的形近字和/或音近字、词组以及与该词组对应的形近词和/或音近词，所述预设乱序词表包括词组以及与该词组对应的语序错误的词组。

可选地，所述预设词表为所述预设错误词表或所述预设乱序词表，所述替换子模块3022用于：

获取待替换的字词占所述第二样本文本的比例；

在所述第二样本文本中随机确定所述比例对应的目标字词；

根据所述预设错误词表或所述预设乱序词表，对所述目标字词进行替换，得到存在文本错误的第三样本文本。

可选地，所述预设词表为所述预设错误词表和所述预设乱序词表，所述替换子模块3022用于：

获取待替换成错误词的字词占所述第二样本文本的第一比例，以及待替换成乱序词的字词占所述第二样本的第二比例；

在所述第二样本文本中随机确定所述第一比例对应的第一目标字词以及所述第二比例对应的第二目标字词，所述第一目标字词与所述第二目标字词之间不存在相同的字词；

根据所述预设错误词表，对所述第一目标字词进行替换，并根据所述预设乱序词表，对所述第二目标字词进行替换，得到存在文本错误的第三样本文本。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

基于同一发明构思，本公开实施例还提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现上述任一文本纠错方法的步骤。

基于同一发明构思，本公开实施例还提供一种电子设备，包括：

存储装置，其上存储有计算机程序；

处理装置，用于执行所述存储装置中的所述计算机程序，以实现上述任一文本纠错方法的步骤。

下面参考图4，其示出了适于用来实现本公开实施例的电子设备400的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图4示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图4所示，电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。

通常，以下装置可以连接至I/O接口405：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置408；以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置409从网络上被下载和安装，或者从存储装置408被安装，或者从ROM 402被安装。在该计算机程序被处理装置401执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开实施例的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，电子设备400可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取待纠错的目标文本；将所述目标文本输入到文本纠错模型中进行处理，得到对所述目标文本纠错后的正确文本，所述文本纠错模型是根据标注语义信息后的第一样本文本、不存在文本错误的第二样本文本以及存在文本错误的第三样本文本进行训练得到的。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开实施例的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该模块本身的限定。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

在本公开实施例的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

根据本公开的一个或多个实施例，示例一提供了一种文本纠错方法，包括：

获取待纠错的目标文本；

将所述目标文本输入到文本纠错模型中进行处理，得到对所述目标文本纠错后的正确文本，所述文本纠错模型是根据标注语义信息后的第一样本文本、不存在文本错误的第二样本文本以及存在文本错误的第三样本文本进行训练得到的。

根据本公开的一个或多个实施例，示例二提供了示例一的方法，其中，所述获取待纠错的目标文本，包括：

接收客户端发送针对所述目标文本的文本纠错请求；

对所述文本纠错请求进行解析，得到所述文本纠错请求包括的所述目标文本；

所述方法还包括：

将所述正确文本在网络平台进行显示。

根据本公开的一个或多个实施例，示例三提供了示例一的方法，其中，所述获取待纠错的目标文本，包括：

响应于用户触发的文本输入请求，从客户端的输入框中获取用户输入的文本作为所述目标文本；

所述方法还包括：

将所述正确文本在所述客户端进行显示。

根据本公开的一个或多个实施例，示例四提供了示例一至三任一的方法，其中，所述文本纠错模型是通过如下方式得到的：

将第一样本输入到语义模型中，得到标注语义信息后的第一样本文本；

获取不存在文本错误的第二样本文本；

根据预设词表，对所述第二样本文本中的字词进行替换，得到存在文本错误的第三样本文本；

根据所述第二样本文本和所述第三样本文本进行模型训练，得到所述文本纠错模型。

根据本公开的一个或多个实施例，示例五提供了示例四的方法，其中，所述预设词表包括预设错误词表和/或预设乱序词表，其中所述预设错误词表包括单字以及与该单字对应的形近字和/或音近字、词组以及与该词组对应的形近词和/或音近词，所述预设乱序词表包括词组以及与该词组对应的语序错误的词组。

根据本公开的一个或多个实施例，示例六提供了示例五的方法，其中，所述预设词表为所述预设错误词表或所述预设乱序词表，所述根据预设词表，对所述第二样本文本中的字词进行随机替换，得到存在文本错误的第三样本文本，包括：

获取待替换的字词占所述第二样本文本的比例；

在所述第二样本文本中随机确定所述比例对应的目标字词；

根据所述预设错误词表或所述预设乱序词表，对所述目标字词进行替换，得到存在文本错误的第三样本文本。

根据本公开的一个或多个实施例，示例七提供了示例五的方法，其中，所述预设词表为所述预设错误词表和所述预设乱序词表，所述根据预设词表，对所述第二样本文本中的字词进行随机替换，得到存在文本错误的第三样本文本，包括：

获取待替换成错误词的字词占所述第二样本文本的第一比例，以及待替换成乱序词的字词占所述第二样本的第二比例；

在所述第二样本文本中随机确定所述第一比例对应的第一目标字词以及所述第二比例对应的第二目标字词，所述第一目标字词与所述第二目标字词之间不存在相同的字词；

根据所述预设错误词表，对所述第一目标字词进行替换，并根据所述预设乱序词表，对所述第二目标字词进行替换，得到存在文本错误的第三样本文本。

根据本公开的一个或多个实施例，示例八提供了一种文本纠错装置，所述装置包括：

获取模块，用于获取待纠错的目标文本；

处理模块，用于将所述目标文本输入到文本纠错模型中进行处理，得到对所述目标文本纠错后的正确文本，所述文本纠错模型是根据标注语义信息后的第一样本文本、不存在文本错误的第二样本文本以及存在文本错误的第三样本文本进行训练得到的。

根据本公开的一个或多个实施例，示例九提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现示例一至七中任一方法的步骤。

根据本公开的一个或多个实施例，示例十提供了一种电子设备，包括：

存储装置，其上存储有计算机程序；

处理装置，用于执行所述存储装置中的所述计算机程序，以实现示例一至七中任一方法的步骤。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开实施例中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

Claims (10)

1.一种文本纠错方法，其特征在于，所述方法包括：

获取待纠错的目标文本；

将所述目标文本输入到文本纠错模型中进行处理，得到对所述目标文本纠错后的正确文本，所述文本纠错模型是根据标注语义信息后的第一样本文本、不存在文本错误的第二样本文本以及存在文本错误的第三样本文本进行训练得到的。

2.根据权利要求1所述的方法，其特征在于，所述获取待纠错的目标文本，包括：

接收客户端发送针对所述目标文本的文本纠错请求；

对所述文本纠错请求进行解析，得到所述文本纠错请求包括的所述目标文本；

所述方法还包括：

将所述正确文本发送给网络平台进行显示。

3.根据权利要求1所述的方法，其特征在于，所述获取待纠错的目标文本，包括：

响应于用户触发的文本输入请求，从客户端的输入框中获取用户输入的文本作为所述目标文本；

所述方法还包括：

将所述正确文本在所述客户端进行显示。

4.根据权利要求1-3任一所述的方法，其特征在于，所述文本纠错模型是通过如下方式得到的：

将第一样本输入到语义模型中，得到标注语义信息后的第一样本文本；

获取不存在文本错误的第二样本文本；

根据预设词表，对所述第二样本文本中的字词进行替换，得到存在文本错误的第三样本文本；

根据标注语义信息后的第一样本文本、所述第二样本文本和所述第三样本文本进行模型训练，得到所述文本纠错模型。

5.根据权利要求4所述的方法，其特征在于，所述预设词表包括预设错误词表和/或预设乱序词表，其中所述预设错误词表包括单字以及与该单字对应的形近字和/或音近字、词组以及与该词组对应的形近词和/或音近词，所述预设乱序词表包括词组以及与该词组对应的语序错误的词组。

6.根据权利要求5所述的方法，其特征在于，所述预设词表为所述预设错误词表或所述预设乱序词表，所述根据预设词表，对所述第二样本文本中的字词进行替换，得到存在文本错误的第三样本文本，包括：

获取待替换的字词占所述第二样本文本的比例；

在所述第二样本文本中随机确定所述比例对应的目标字词；

根据所述预设错误词表或所述预设乱序词表，对所述目标字词进行替换，得到存在文本错误的第三样本文本。

7.根据权利要求5所述的方法，其特征在于，所述预设词表为所述预设错误词表和所述预设乱序词表，所述根据预设词表，对所述第二样本文本中的字词进行替换，得到存在文本错误的第三样本文本，包括：

获取待替换成错误词的字词占所述第二样本文本的第一比例，以及待替换成乱序词的字词占所述第二样本的第二比例；

在所述第二样本文本中随机确定所述第一比例对应的第一目标字词以及所述第二比例对应的第二目标字词，所述第一目标字词与所述第二目标字词之间不存在相同的字词；

根据所述预设错误词表，对所述第一目标字词进行替换，并根据所述预设乱序词表，对所述第二目标字词进行替换，得到存在文本错误的第三样本文本。

8.一种文本纠错装置，其特征在于，所述装置包括：

获取模块，用于获取待纠错的目标文本；

处理模块，用于将所述目标文本输入到文本纠错模型中进行处理，得到对所述目标文本纠错后的正确文本，所述文本纠错模型是根据标注语义信息后的第一样本文本、不存在文本错误的第二样本文本以及存在文本错误的第三样本文本进行训练得到的。

9.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理装置执行时实现权利要求1-7中任一项所述方法的步骤。

10.一种电子设备，其特征在于，包括：

存储装置，其上存储有计算机程序；

处理装置，用于执行所述存储装置中的所述计算机程序，以实现权利要求1-7中任一项所述方法的步骤。

Images