买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:哈尔滨工业大学
摘要:本发明提出一种基于预训练的字音字形知识增强的中文拼写纠正方法。属于自然语言处理技术领域。本发明的目的是为了改进中文拼写纠正技术的准确性,更好地解决字音或字形混淆导致的拼写错误,节省人工复核的时间。本发明首先从数据库中取出待纠错文本对应的拼音和仓颉码序列,然后将文本和拼音、仓颉码序列一同输入模型中。模型会整合文本的上下文语义信息和字音字形知识,给出拼写纠正建议。本发明还采用了特定的mask策略和预训练任务,在大规模中文语料上预训练得到更适用于中文拼写纠正技术的预训练语言模型。本发明可用于各种文本纠错场景,提高了校验文章的效率。
主权项:1.一种基于预训练的字音字形知识增强的中文拼写纠正方法,其特征在于,所述方法具体包括:步骤一、对于输入的文本,从数据库中取出每个汉字的拼音和仓颉码作为字音和字形知识;步骤二、将汉字的拼音和仓颉码映射到可训练的嵌入,然后将拼音序列和仓颉码序列嵌入进行编码,获得汉字的字音和字形特征向量;步骤三、使用特定预训练任务在海量中文文本上预训练得到的语言模型作为编码器,将文本的字音字形特征向量和文本一起输入模型中,获得每个位置的字的上下文表示;步骤四、使用词表大小的分类器,选择得分最高的分类结果对应的字符作为该位置的纠正结果,将步骤二中获得的字音和字形特征向量作为BERT模型的输入之一,一同输入BERT模型中,从而获得该位置的上下文表示;所述BERT模型,其输入包含五个部分:TokenEmbeddings,PositionEmbeddings,SegmentEmbeddings,PhoneticEmbeddings和GraphicEmbeddings;PhoneticEmbeddings和GraphicEmbeddings分别对应步骤二中经过GRU编码得到的字音特征向量和字形特征向量,在输入端将这五个部分的嵌入相加并经过LayerNorm后,一同输入BERT模型中。
全文数据:
权利要求:
百度查询: 哈尔滨工业大学 一种基于预训练的字音字形知识增强的中文拼写纠正方法
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。