CN113743094B 文本纠错方法、电子设备及计算机可读存储介质 （上海携宁计算机科技股份有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN113743094B(45)授权公告日2025.07.08

(21)申请号202111012472.5

(22)申请日2021.08.31

(65)同一申请的已公布的文献号申请公布号CN113743094A

(43)申请公布日2021.12.03

(73)专利权人上海携宁计算机科技股份有限公

GO6F40/289(2020.01)

GO6F40/242(2020.01)

GO6F16/334(2025.01)

GO6F16/31(2019.01)

(56)对比文件

CNCN102393850

CN

CN

102393850

110032722

A,2019.07.19

司

审查员李娜

地址200030上海市徐汇区乐山路33号403

室

(72)发明人张浩波

(74)专利代理机构上海晨皓知识产权代理事务所(普通合伙)31260

专利代理师成丽杰

(51)Int.CI.

GO6F40/232(2020.01)权利要求书3页说明书19页附图4页

(54)发明名称

文本纠错方法、电子设备及计算机可读存储介质

(57)摘要

CN113743094B本申请实施例涉及计算机技术领域，公开了一种文本纠错方法、电子设备及计算机可读存储介质。对待纠错词汇按字粒度进行切分，得到若干检索片段；其中，检索片段的类型为单个字母或汉字拼音；在预设的索引词元集合中，确定与检索片段一致的目标索引词元；其中，索引词元集合中的索引词元的类型包括单个字母和汉字拼音；根据目标索引词元在预设的索引中进行检索，得到和目标索引词元顺序一致的若干专有名词作为候选词；根据待纠错词汇的字频和候选词的字频计算编辑距离，对候选词打分，得到候选词对应的分数；将分数最高的候选词作为纠错结果，替换待纠错词汇，可以显著降低文本纠错的

CN113743094B

101

101

对待纠错词汇按字粒度进行切分，得到若干检索片段

在预设的索引词元集合中，确定与检索片段一致的目标索引词元

103

根据目标索引词元在预设的索引中进行

检索，得到和目标索引词元顺序一致的

若干专有名词作为候选词

104

根据待纠错词汇的字频和候选词的字频

计算编辑距离，对候选词打分，得到

候选词对应的分数

105

将分数最高的候选词作为纠错结果，替换待纠错词汇

CN113743094B权利要求书1/3页

2

1.一种文本纠错方法，其特征在于，包括：

对待纠错词汇按字粒度进行切分，得到若干检索片段；其中，所述检索片段的类型为单个字母或汉字拼音；

在预设的索引词元集合中，确定与所述检索片段一致的目标索引词元；其中，所述索引词元集合中的索引词元的类型包括单个字母和汉字拼音；

根据所述目标索引词元在预设的索引中进行检索，得到和所述目标索引词元顺序一致的若干专有名词作为候选词；其中，所述索引为预设的所述索引词元到所述专有名词之间的映射关系的集合；

根据所述待纠错词汇的字频和所述候选词的字频计算编辑距离，对所述候选词打分，得到所述候选词对应的分数；

将分数最高的候选词作为纠错结果，替换所述待纠错词汇；

其中，所述根据所述待纠错词汇的字频和所述候选词的字频计算编辑距离，对所述候选词打分，得到所述候选词对应的分数，包括：

对所述待纠错词汇按字粒度进行切分，得到若干打分片段；

统计所述索引词元集合中各索引词元的字频，并根据所述各索引词元的字频，确定第一目标字的字频和第二目标字的字频；其中，所述第一目标字为所述打分片段，所述第二目标字为所述打分片段在所述候选词中对应的索引词元；

根据所述第一目标字的字频、所述第二目标字的字频和预设的成本函数，计算所述第一目标字与所述第二目标字之间的编辑成本；

根据所述编辑成本，计算所述待纠错词汇与所述候选词之间的编辑距离；

根据所述编辑距离，计算所述待纠错词汇与所述候选词之间的编辑相似度；

根据所述编辑相似度对所述候选词进行打分，得到所述候选词对应的分数。

2.根据权利要求1所述的文本纠错方法，其特征在于，所述索引词元集合和所述索引通过以下步骤获取：

获取预设的专有名词集合，所述专有名词集合中包括若干个所述专有名词；

遍历所述专有名词，对所述专有名词按字粒度进行