CN112232062A

CN112232062A - 文本纠错方法、装置、电子设备和存储介质

Info

Publication number: CN112232062A
Application number: CN202011442447.6A
Authority: CN
Inventors: 张睿卿; 张传强; 何中军; 李芝; 吴华
Original assignee: Beijing Baidu Netcom Science and Technology Co Ltd
Current assignee: Beijing Baidu Netcom Science and Technology Co Ltd
Priority date: 2020-12-11
Filing date: 2020-12-11
Publication date: 2021-01-15
Also published as: JP2022003539A; US20210248309A1; US11423222B2; JP7267365B2

Abstract

本申请公开了文本纠错方法、装置、电子设备和存储介质，涉及计算机技术领域，具体涉及自然语言处理和深度学习等人工智能技术领域。具体实现方案为：获取待纠错文本；获取待纠错文本的拼音序列；以及将待纠错文本和拼音序列输入至文本纠错模型，以得到纠错后的已纠错文本。本申请实施例的文本纠错方法，可以有效地对文本进行纠错，进而提高已纠错文本的准确性。

Description

文本纠错方法、装置、电子设备和存储介质

技术领域

本申请涉及计算机技术领域，具体涉及自然语言处理和深度学习等人工智能技术领域，尤其涉及一种文本纠错方法、装置、电子设备和存储介质。

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。然而相关技术中还没有效果较好的文本纠错方法。

发明内容

本申请提供一种文本纠错方法、装置、电子设备和存储介质。

根据本申请的一方面，提供了一种文本纠错方法，包括：

获取待纠错文本；

获取所述待纠错文本的拼音序列；以及

将所述待纠错文本和所述拼音序列输入至文本纠错模型，以得到纠错后的已纠错文本。

根据本申请的另一方面，提供了一种文本纠错装置，包括：

第一获取模块，用于获取待纠错文本；

第二获取模块，用于获取所述待纠错文本的拼音序列；以及

纠错模块，用于将所述待纠错文本和所述拼音序列输入至文本纠错模型，以得到纠错后的已纠错文本。

根据本申请的另一方面，提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述一方面实施例所述的文本纠错方法。

根据本申请另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其上存储有计算机程序，所述计算机指令用于使所述计算机执行上述一方面实施例所述的文本纠错方法。

根据本申请的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现上述一方面实施例所述的文本纠错方法。

上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1为本申请实施例提供的一种文本纠错方法的流程示意图；

图2为本申请实施例提供的文本纠错模生成已纠错文本的流程示意图；

图3为本申请实施例提供的文本纠错方法的原理图；

图4为本申请实施例提供的另一种文本纠错方法的流程示意图；

图5为本申请实施例提供的另一种文本纠错方法的流程示意图；

图6为本申请实施例提供的一种文本纠错装置的结构示意图；

图7为本申请实施例提供的另一种文本纠错装置的结构示意图；以及

图8为根据本申请实施例的文本纠错方法的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

下面参考附图描述本申请实施例的文本纠错方法、装置、电子设备和存储介质。

人工智能是研究使用计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，既有硬件层面的技术领域也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术包括计算机视觉技术、语音识别技术、自然语言处理技术以及深度学习、大数据处理技术、知识图谱技术等几大方向。

自然语言处理是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。

深度学习是机器学习领域中一个新的研究方向。深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。

本申请实施例提供的文本纠错方法，可以由电子设备来执行，该电子设备可为PC（Personal Computer，个人计算机）电脑、平板电脑或掌上电脑等，此处不做任何限定。

在本申请实施例中，电子设备中可以设置有处理组件、存储组件和驱动组件。可选的，该驱动组件和处理组件可以集成设置，该存储组件可以存储操作系统、应用程序或其他程序模块，该处理组件通过执行存储组件中存储的应用程序来实现本申请实施例提供的文本纠错方法。

图1为本申请实施例提供的一种文本纠错方法的流程示意图。

本申请实施例的文本纠错方法，还可由本申请实施例提供的文本纠错装置执行，该装置可配置于电子设备中，以实现获取待纠错文本及待纠错文本的拼音序列，并将待纠错文本和拼音序列输入至文本纠错模型，以得到纠错后的已纠错文本。

作为一种可能的情况，本申请实施例的文本纠错方法还可以在服务器端执行，服务器可以为云服务器，可以在云端执行该文本纠错方法。

如图1所示，该文本纠错方法可包括：

步骤101，获取待纠错文本。应说明的是，该实施例中所描述的待纠错文本可以是采用各种书面语言表现的文本，比如，可以为中文文本。待纠错文本中可以包含一个句子、一个段落或者一个篇章，比如，新闻稿件等。

在本申请实施例中，纠错文本可包括用户通过语音识别输入的文本信息以及用户通过输入法输入至输入法系统的输入内容，输入法系统可以根据用户当前的输入方式，将输入内容转换为所输入文字的字词候选项，提供用户进行选择，用户可以通过多种输入手段进行文本信息的输入，例如键盘，触摸板，鼠标等，同时用户也可以选择任意的输入方式进行文本信息的输入，如拼音，五笔，笔画，手写等，此处不做任何限定。

作为一种可能的情况，上述的纠错文本还可以包括用户通过复制粘贴获取的文本信息。

具体地，电子设备可获取用户通过输入法输入至输入法系统的输入内容，比如，用户通过输入法输入 “他的语说得很好”。

步骤102，获取待纠错文本的拼音序列。

在本申请实施例中，若待纠错文本由汉字组成，则可将汉字的拼音作为待纠错文本的拼音序列；若待纠错文本由汉字和非汉字组成，则可将由汉字的拼音和非汉字本身构成的整体作为待纠错文本的拼音序列；其中，非汉字包括：数字、英文词和/或拼音。

例如，待纠错文本为“他德语说得很好”，则待纠错文本的拼音序列可为“ta de yushuo de hen hao”。例如，待纠错文本为“他de yu 说得很好”，则待纠错文本的拼音序列可为“ta de yu shuo de hen hao”。例如，待纠错文本为“我老婆给了买了一双adidas运动鞋”，则待纠错文本的拼音序列可为“wo lao po gei wo mai le yi shuang adidas yundong xie”。

需要说明的是，该实施例中所描述的拼音序列中的拼音可带有声调符号，在上述的举例中未示出。

作为一种可能的情况，可将待纠错文本输入至拼音提取模型，通过该拼音提取模型提取待纠错文本中的拼音信息，以得到待纠错文本的拼音序列。

需要说明的是，该实施例中所描述的拼音提取模型可以预存在电子设备的存储空间中，以方便调取应用，该存储空间不仅限于基于实体的存储空间，例如，硬盘，上述存储空间还可以是连接电子设备的网络硬盘的存储空间（云存储空间）。

步骤103，将待纠错文本和拼音序列输入至文本纠错模型，以得到纠错后的已纠错文本。

需要说明的是，该实施例中所描述的文本纠错模型可以是提前训练好的，并将其预存在电子设备的存储空间中，以方便调取应用。另外，该实施例中所描述的文本纠错模型可以是基于训练语料训练神经网络模型得到所述文本纠错模型，其中，该神经网络模型可包括多个层。

具体地，电子设备在获取到待纠错文本及待纠错文本的拼音序列之后，可将待纠错文本和待纠错文本的拼音序列输入至文本纠错模型，从而通过该文本纠错模型对待纠错文本和待纠错文本的拼音序列进行处理，以得到对待纠错文本纠错后的已纠错文本。

在本申请实施例中，首先获取待纠错文本及待纠错文本的拼音序列，然后将待纠错文本和拼音序列输入至文本纠错模型，以得到纠错后的已纠错文本。由此，可以有效地对文本进行纠错，进而提高已纠错文本的准确性。

为了清楚说明上一实施例，在本申请的一个实施例中，将待纠错文本和拼音序列输入至文本纠错模型，以得到纠错后的已纠错文本，可包括将待纠错文本和拼音序列输入至文本纠错模型，其中，如图2所示，文本纠错模型可以通过以下步骤生成已纠错文本：

步骤201，文本纠错模型检测待纠错文本中的错字，以确定待纠错文本中的错字。

在本申请实施例中，文本纠错模型中可包括编码器网络层，可通过该编码器网络层检测待纠错文本中的错字，以确定待纠错文本中的错字。

步骤202，文本纠错模型获取错字所对应的拼音序列之中的拼音，并将错字替换为拼音，以得到拼音待纠错文本。以及

步骤203，文本纠错模型对拼音待纠错文本进行纠错，以得到已纠错文本。

在本申请实施例中，文本纠错模型中还可包括纠错网络层，可通过该纠错网络层对拼音待纠错文本进行纠错，以得到已纠错文本。

具体地，电子设备在获取到待纠错文本及待纠错文本的拼音序列之后，可将待纠错文本和待纠错文本的拼音序列输入至文本纠错模型，然后该文本纠错模型之中的编码器网络层检测待纠错文本中的错字，在确定待纠错文本中的错字后，可生成与待纠错文本一一对应检错标注序列，其中，该检错标注序列可以是一个二类序列标注序列，例如，该检错标注序列中包括0类和1类，且待纠错文本中每个字只针对一个类，0类表示其对应的字没有问题（例如，图3中检错标注序列中的浅色的圆圈），1类表示其对应的字有问题（例如，图3中检错标注序列中的深色的圆圈），应该改正（纠正）。

在确定待纠错文本中的错字，并得到检错标注序列后可基于该错误标注序列获取该错字所对应的拼音序列之中的拼音，并在待纠错文本中将该错字替换为拼音，以得到拼音待纠错文本，例如图3中的拼音待纠错文本“他de语说得很好”。最后，文本纠错模型之中的纠错网络层对拼音待纠错文本进行纠错，以得到已纠错文本，例如图3中的“他德语说得很好”。由此，通过上述的文本纠错模型，去掉了相关技术中有可能带来误召回和漏召回的候选生成步骤，避免了由于前置混淆集不准确导致的问题。

为了清楚说明上一实施例，在本申请的一个实施例中，通过以下公式获取拼音待纠错文本：

X_wp=W_w*O_det+X_p*（1-O_det）（1）

其中，X_wp可为拼音待纠错文本，W_w可为待纠错文本，X_p可为拼音序列，O_det可为待纠错文本的检错标注序列，检错标注序列与待纠错文本一一对应。

具体地，在确定待纠错文本中的错字，并得到检错标注序列后可通过上述的公式（1）在将待纠错文本中错误的字替换为对应拼音序列之中的拼音，以得到拼音待纠错文本，从而可以精确的得到拼音待纠错文本，进一步提高文本纠错的准确性。

为了更进一步地提高文本纠错的准确性，在本申请的一个实施例中，如图4所示，文本纠错模型可以通过以下方式训练得到：

步骤401，获取样本文本和样本文本所对应的样本拼音序列。其中，其中，样本文本和其对应的样本拼音序列可以是多个。

在本申请实施例中，获取样本文本和其对应的样本拼音序列的途径有多条，其中，可以通过采集电子设备每次进行文本纠错时的文本和其对应的拼音序列作为样本文本和其对应的样本拼音序列，或者直接由工程师提供的专业的样本文本和其对应的样本拼音序列，此处不做任何限定。

步骤402，获取样本文本的目标文本。

在本申请实施例中，样本文本的目标文本可以由负责训练的工程师提供。

步骤403，将样本文本和样本拼音序列输入文本纠错模型，以生成预测的样本纠正文本。

步骤404，根据预测的纠正文本和目标文本生成损失值，并根据损失值对文本纠错模型进行训练。

具体地，在获取到获取样本文本和样本文本所对应的样本拼音序列,以及样本文本的目标文本后，可将样本文本和样本拼音序列输入文本纠错模型以生成预测的样本纠正文本，并根据预测的纠正文本和目标文本生成损失值，以及根据损失值对文本纠错模型进行训练，从而优化文本纠错模型，提高文本纠错的准确度。

在本申请实施例中，文本纠错模型的训练与生成可由相关的服务器进行，该服务器可以是云端服务器，也可以是一台电脑的主机，该服务器与可执行申请实施例提供的电子设备之间，建立有通信连接，该通信连接可以是无线网络连接和有线网络连接的至少一种。服务器可将训练完成的文本纠错模型发送电子设备，以便电子设备在需要时调用，从而大大减少电子设备的计算压力。

在本申请的另一个实施例中，如图5所示，文本纠错模型还可以通过以下方式训练得到：

步骤501，获取样本文本和样本文本所对应的样本拼音序列。其中，其中，样本文本和其对应的样本拼音序列可以是多个。

步骤502，获取样本文本的目标拼音文本和目标文本。

在本申请实施例中，样本文本的目标拼音文本和目标文本可以由负责训练的工程师提供。

步骤503，将样本文本和样本拼音序列输入文本纠错模型，以生成预测的样本拼音文本和预测的样本纠正文本。

在本申请实施例中，相关的训练工程师可通过技术手段，让文本纠错模型将工作过程中产生的样本拼音文本，与最后输出的样本纠正文本一并输出。

步骤504，根据预测的样本拼音文本和目标拼音文本生成第一损失值，并根据预测的样本纠正文本和目标文本生成第二损失值。

步骤505，根据第一损失值和第二损失值对文本纠错模型进行训练。

具体地，在获取到获取样本文本和样本文本所对应的样本拼音序列,以及样本文本的目标文本后，可将样本文本和样本拼音序列输入文本纠错模型以生成预测的样本拼音文本和预测的样本纠正文本，然后根据预测的样本拼音文本和目标拼音文本生成第一损失值，并根据预测的样本纠正文本和目标文本生成第二损失值，以及根据第一损失值和第二损失值对文本纠错模型进行训练。由此，同时对文本纠错模型最终的输出结果，以及文本纠错模型工作过程中产生的样本拼音文本进行训练，可以进一步优化文本纠错模型，将极大地提高文本纠错的准确度。

在本申请的一个实施例中，上述的样本文本可以包括掩码样本文本、易混淆字样本文本和易混淆字的拼音样本文本中的一种或多种。例如，“他德语说得很好”的掩码样本文本可为“他[MASK][MASK]说得很好”；“他德语说得很好”的易混淆字样本文本可为“他的鱼说得很好”；“他德语说得很好”的拼音样本文本可为“他déyǔ说得很好”。由此，可以通过获取不同种类的样本，对文本纠错模型进行训练，可以极大的优化文本纠错模型的精确度。

图6为本申请实施例提供的一种文本纠错装置的结构示意图。

本申请实施例的文本纠错装置，可配置于电子设备中，以实现获取待纠错文本及待纠错文本的拼音序列，并将待纠错文本和拼音序列输入至文本纠错模型，以得到纠错后的已纠错文本。

如图6所示，该文本纠错装置600可包括：第一获取模块610、第二获取模块620和纠错模块630。

其中，第一获取模块610用于获取待纠错文本。应说明的是，该实施例中所描述的待纠错文本可以是采用各种书面语言表现的文本，比如，可以为中文文本。待纠错文本中可以包含一个句子、一个段落或者一个篇章，比如，新闻稿件等。

具体地，第一获取模块610可获取用户通过输入法输入至输入法系统的输入内容，比如，用户通过输入法输输入 “他的语说得很好”。

第二获取模块620用于获取待纠错文本的拼音序列。

在本申请实施例中，若待纠错文本由汉字组成，则第二获取模块620可将汉字的拼音作为待纠错文本的拼音序列；若待纠错文本由汉字和非汉字组成，则第二获取模块620可将由汉字的拼音和非汉字本身构成的整体作为待纠错文本的拼音序列；其中，非汉字包括：数字、英文词和/或拼音。

作为一种可能的情况，第二获取模块620可将待纠错文本输入至拼音提取模型，通过该拼音提取模型提取待纠错文本中的拼音信息，以得到待纠错文本的拼音序列。

纠错模块630用于将待纠错文本和拼音序列输入至文本纠错模型，以得到纠错后的已纠错文本。

具体地，在第一获取模块610获取到待纠错文本，且第二获取模块620获取到纠错文本的拼音序列之后，纠错模块630可将待纠错文本和待纠错文本的拼音序列输入至文本纠错模型，从而通过该文本纠错模型对待纠错文本和待纠错文本的拼音序列进行处理，以得到对待纠错文本纠错后的已纠错文本。

在本申请实施例中，通过第一获取模块获取待纠错文本，并通过第二获取模块获取待纠错文本的拼音序列，以及通过纠错模块将待纠错文本和拼音序列输入至文本纠错模型，以得到纠错后的已纠错文本。由此，可以有效地对文本进行纠错，进而提高已纠错文本的准确性。

在本申请的一个实施例中，如图6所示，纠错模块630可以用于将待纠错文本和拼音序列输入至文本纠错模型，其中，文本纠错模型通过以下步骤生成已纠错文本：文本纠错模型检测待纠错文本中的错字，以确定待纠错文本中的错字；文本纠错模型获取错字所对应的拼音序列之中的拼音，并将错字替换为拼音，以得到拼音待纠错文本；以及文本纠错模型对拼音待纠错文本进行纠错，以得到已纠错文本。应说明的是，该实施例中所描述的文本纠错模型可设置在文本纠错装置600中，以便于文本纠错装置600随时调用。

在本申请的一个实施例中，文本纠错模型可以通过以下公式获取拼音待纠错文本：X_wp=W_w*O_det+X_p*（1-O_det），其中，X_wp可为拼音待纠错文本，W_w可为待纠错文本，X_p可为拼音序列，O_det可为待纠错文本的检错标注序列，检错标注序列与待纠错文本一一对应。

在本申请的另一个实施例中，如图7所示，文本纠错装置700可以包括：第一获取模块710、第二获取模块720、纠错模块730和第一训练模块740，其中，第一训练模块740用于获取样本文本和样本文本所对应的样本拼音序列；获取样本文本的目标文本；将样本文本和样本拼音序列输入文本纠错模型，以生成预测的样本纠正文本；以及根据预测的纠正文本和目标文本生成损失值，并根据损失值对文本纠错模型进行训练。

需要说明的是，上述实施例中所描述的第一获取模块610和第一获取模块710、第二获取模块620和第二获取模块720、纠错模块630和纠错模块730可具有相同的功能和结构。

在本申请的另一个实施例中，如图7所示，上述文本纠错装置700还可以包括第二训练模块750，其中，第二训练模块750用于获取样本文本和样本文本所对应的样本拼音序列；获取样本文本的目标拼音文本和目标文本；将样本文本和样本拼音序列输入文本纠错模型，以生成预测的样本拼音文本和预测的样本纠正文本；根据预测的样本拼音文本和目标拼音文本生成第一损失值，并根据预测的样本纠正文本和目标文本生成第二损失值；以及根据第一损失值和第二损失值对文本纠错模型进行训练。

在本申请的一个实施例中，样本文本可以包括掩码样本文本、易混淆字样本文本和易混淆字的拼音样本文本中的一种或多种。

需要说明的是，前述对文本纠错方法实施例的解释说明也适用于该实施例的文本纠错装置，此处不再赘述。

本申请实施例的文本纠错装置，通过第一获取模块获取待纠错文本，并通过第二获取模块获取待纠错文本的拼音序列，以及通过纠错模块将待纠错文本和拼音序列输入至文本纠错模型，以得到纠错后的已纠错文本。由此，可以有效地对文本进行纠错，进而提高已纠错文本的准确性。

根据本申请的实施例，本申请还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图8示出了可以用来实施本申请的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图8所示，设备800包括计算单元801，其可以根据存储在只读存储器（ROM）802中的计算机程序或者从存储单元808加载到随机访问存储器（RAM）803中的计算机程序，来执行各种适当的动作和处理。在RAM 803中，还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出（I/O）接口808也连接至总线804。

设备800中的多个部件连接至I/O接口808，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元（CPU）、图形处理单元（GPU）、各种专用的人工智能（AI）计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器（DSP）、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理，例如文本纠错方法。例如，在一些实施例中，文本纠错方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时，可以执行上文描述的文本纠错方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行文本纠错方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、芯片上系统的系统（SOC）、负载可编程逻辑设备（CPLD）、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本申请的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本申请的上下文中，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。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置（例如，CRT（阴极射线管）或者LCD（液晶显示器）监视器）；以及键盘和指向装置（例如，鼠标或者轨迹球），用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈（例如，视觉反馈、听觉反馈、或者触觉反馈）；并且可以用任何形式（包括声输入、语音输入或者、触觉输入）来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统（例如，作为数据服务器）、或者包括中间件部件的计算系统（例如，应用服务器）、或者包括前端部件的计算系统（例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互）、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信（例如，通信网络）来将系统的部件相互连接。通信网络的示例包括：局域网（LAN）、广域网（WAN）和互联网、互联网和区块链网络。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务（"Virtual Private Server"，或简称 "VPS"）中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims

1.一种文本纠错方法，包括：

获取待纠错文本；

获取所述待纠错文本的拼音序列；以及

2.根据权利要求1所述的文本纠错方法，其中，所述将所述待纠错文本和所述拼音序列输入至文本纠错模型，以得到纠错后的已纠错文本，包括：

将所述待纠错文本和所述拼音序列输入至所述文本纠错模型，其中，所述文本纠错模型通过以下步骤生成所述已纠错文本：

所述文本纠错模型检测所述待纠错文本中的错字，以确定所述待纠错文本中的错字；

所述文本纠错模型获取所述错字所对应的所述拼音序列之中的拼音，并将所述错字替换为所述拼音，以得到拼音待纠错文本；以及

所述文本纠错模型对所述拼音待纠错文本进行纠错，以得到所述已纠错文本。

3.根据权利要求2所述的文本纠错方法，其中，通过以下公式获取所述拼音待纠错文本：

X_wp=W_w*O_det+X_p*（1-O_det），

其中，所述X_wp为所述拼音待纠错文本，所述W_w为所述待纠错文本，所述X_p为所述拼音序列，所述O_det为所述待纠错文本的检错标注序列，所述检错标注序列与所述待纠错文本一一对应。

4.根据权利要求1所述的文本纠错方法，其中，所述文本纠错模型通过以下方式训练得到：

获取样本文本和所述样本文本所对应的样本拼音序列；

获取所述样本文本的目标文本；

将所述样本文本和所述样本拼音序列输入所述文本纠错模型，以生成预测的样本纠正文本；以及

根据所述预测的纠正文本和所述目标文本生成损失值，并根据所述损失值对所述文本纠错模型进行训练。

5.根据权利要求1所述的文本纠错方法，其中，所述文本纠错模型通过以下方式训练得到：

获取样本文本和所述样本文本所对应的样本拼音序列；

获取所述样本文本的目标拼音文本和目标文本；

将所述样本文本和所述样本拼音序列输入所述文本纠错模型，以生成预测的样本拼音文本和预测的样本纠正文本；

根据所述预测的样本拼音文本和所述目标拼音文本生成第一损失值，并根据所述预测的样本纠正文本和所述目标文本生成第二损失值；以及

根据所述第一损失值和所述第二损失值对所述文本纠错模型进行训练。

6.根据权利要求4或5所述的文本纠错方法，其中，所述样本文本包括掩码样本文本、易混淆字样本文本和易混淆字的拼音样本文本中的一种或多种。

7.一种文本纠错装置，包括：

第一获取模块，用于获取待纠错文本；

第二获取模块，用于获取所述待纠错文本的拼音序列；以及

8.根据权利要求7所述的文本纠错装置，其中，所述纠错模块，用于：

9.根据权利要求8所述的文本纠错装置，其中，所述文本纠错模型通过以下公式获取所述拼音待纠错文本：

X_wp=W_w*O_det+X_p*（1-O_det），

10.根据权利要求7所述的文本纠错装置，还包括：

第一训练模块，用于获取样本文本和所述样本文本所对应的样本拼音序列；获取所述样本文本的目标文本；将所述样本文本和所述样本拼音序列输入所述文本纠错模型，以生成预测的样本纠正文本；以及根据所述预测的纠正文本和所述目标文本生成损失值，并根据所述损失值对所述文本纠错模型进行训练。

11.根据权利要求7所述的文本纠错装置，还包括：

第二训练模块，用于获取样本文本和所述样本文本所对应的样本拼音序列；获取所述样本文本的目标拼音文本和目标文本；将所述样本文本和所述样本拼音序列输入所述文本纠错模型，以生成预测的样本拼音文本和预测的样本纠正文本；根据所述预测的样本拼音文本和所述目标拼音文本生成第一损失值，并根据所述预测的样本纠正文本和所述目标文本生成第二损失值；以及根据所述第一损失值和所述第二损失值对所述文本纠错模型进行训练。

12.根据权利要求10或11所述的文本纠错装置，其中，所述样本文本包括掩码样本文本、易混淆字样本文本和易混淆字的拼音样本文本中的一种或多种。

13.一种电子设备，其特征在于，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的文本纠错方法。

14.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的文本纠错方法。

15.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的文本纠错方法。