申请/专利权人：云海时空(北京)科技有限公司

申请日：2024-04-19

公开（公告）日：2024-07-02

公开（公告）号：CN118278392A

主分类号：G06F40/232

分类号：G06F40/232;G06F40/30;G06N3/0464;G06N3/0455;G06N3/0442;G06N3/048

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.07.19#实质审查的生效;2024.07.02#公开

摘要：本发明公开了一种基于深度学习的中文拼写纠错方法及系统，本发明从语义、字形和字音三个维度上，来提取出文本中每个字符的特征；而后，通过包含有拼写检测网络和拼写纠错网络的中文拼写纠错模型，并结合文本的BERT嵌入向量，以及文本中每个字符的语义、字形和字音特征，来进行文本的纠错处理，从而在纠错处理后，得到纠错后的文本；基于此，本发明在传统基于语义信息进行文本纠错的基础上，额外增加了字符的字音和字形特征，如此，基于多维度的字符特征来进行文本纠错处理，可提高纠错的准确性和可靠性，因此，非常适用于在中文拼写纠错领域的大规模应用与推广。

主权项：1.一种基于深度学习的中文拼写纠错方法，其特征在于，包括：获取目标中文文本以及所述目标中文文本的BERT嵌入向量；对所述目标中文文本进行字符分割，得到所述目标中文文本中的每个字符；对每个字符依次进行语义特征提取处理、字形特征提取处理以及字音特征提取处理，以分别得到每个字符对应的语义特征向量、字形特征向量和字音特征向量；获取中文拼写纠错模型，其中，所述中文拼写纠错模型包括拼写检测网络和拼写纠错网络；将所述BERT嵌入向量输入至所述中文拼写纠错模型中的拼写检测网络中，得到所述目标中文文本的拼写检测结果序列，其中，所述拼写检测结果序列中包含有目标中文文本内每个字符的拼写检测标签，且任一字符的拼写检测标签用于表征该任一字符拼写正确或拼写错误；基于所述BERT嵌入向量，确定出每个字符的BERT嵌入分量，并利用所述拼写检测结果序列，以及每个字符的BERT嵌入分量、语义特征向量、字形特征向量和字音特征向量，构建出每个字符的综合特征向量；将每个字符的综合特征向量，输入至所述中文拼写纠错模型中的拼写纠错网络中进行拼写纠错处理，以得到所述目标中文文本的纠错文本。

全文数据：

权利要求：

百度查询： 云海时空(北京)科技有限公司 一种基于深度学习的中文拼写纠错方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD