[发明专利]文本处理方法和装置、用于文本处理的装置

说明书

本发明实施例提供了一种文本处理方法和装置、用于文本处理的装置，其中的方法具体包括：从语音信号对应的源文本中获取符合预置过滤条件的目标字符；对所述源文本的语言模型得分与目标文本的语言模型得分进行比较；所述目标文本为从所述源文本中过滤掉目标字符后得到的文本；在所述目标文本的语言模型得分不低于所述源文本的语言模型得分时，将所述目标文本作为所述语音信号对应的语音识别结果输出。本发明实施例可以通过目标字符的过滤提高语音识别结果的流畅性，并且，可以有效避免由于从所述源文本中过滤掉目标字符而导致语言质量下降的情况，进而可以提高语音信号对应的语音识别结果的质量。

技术领域

本发明涉及语音识别技术领域，特别是涉及一种文本处理方法和装置、以及一种用于文本处理的装置。

背景技术

随着语音识别技术的不断发展，基于语音识别的应用也越来越广泛。语音识别技术已经渗透入家庭生活、办公领域、娱乐等应用场景。目前，用户可以通过例如个人计算机、笔记本电脑、平板电脑、专用的学习终端、智能手机的智能终端上外接或内置的麦克风来输入语音信号(例如，朗读一句话)，经由语音识别引擎完成语音识别也即语音信号到文本的转换，并向用户提供对应的语音识别结果。

然而，在实际应用中，讲话用户的口头禅、结巴语等因素容易影响语音识别结果的流畅性，进而影响用户的使用体验。例如，语音识别结果“今天这个天气很不错啊”中包括讲话用户的口头禅“这个”；又如，语音识别结果“今今天天气不错”中包括讲话用户的结巴语“今”，这使得语音识别结果的流畅性较差。

发明内容

鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的文本处理方法、文本处理装置、用于文本处理的装置，本发明实施例可以通过目标字符的过滤提高语音识别结果的流畅性，并且，可以有效避免由于从所述源文本中过滤掉目标字符而导致语言质量下降的情况，进而可以提高语音信号对应的语音识别结果的质量。

为了解决上述问题，本发明公开了一种文本处理方法，包括：

从语音信号对应的源文本中获取符合预置过滤条件的目标字符；

对所述源文本的语言模型得分与目标文本的语言模型得分进行比较；所述目标文本为从所述源文本中过滤掉目标字符后得到的文本；

在所述目标文本的语言模型得分不低于所述源文本的语言模型得分时，将所述目标文本作为所述语音信号对应的语音识别结果输出。

可选地，所述从语音信号对应的源文本中获取符合预置过滤条件的目标字符，包括：

从语音信号对应的源文本中获取与预置词典中预置过滤字符相匹配的字符，作为目标字符。

可选地，所述预置过滤字符包括：口头禅字符和/或话语标记字符和/或语气字符。

可选地，所述从语音信号对应的源文本中获取符合预置过滤条件的目标字符，包括：

对语音信号对应的源文本进行分词，以得到所述源文本包括的词汇；

判断所述源文本包括的相邻词汇是否符合预置的结巴语识别规则，若是，则将相邻词汇中在前的词汇作为目标字符。

可选地，所述预置的结巴语识别规则包括：

相邻词汇中在前的词汇与在后的词汇相同，或者，相邻词汇中在前的词汇为在后的词汇的前缀；或者

相邻词汇中在前的词汇的发音与在后的词汇的发音相同，或者，相邻词汇中在前的词汇的发音与在后的词汇的前缀的发音相同。

可选地，所述从语音信号对应的源文本中获取符合预置过滤条件的目标字符，包括：

确定源文本对应的句子成分；