[发明专利]一种语音识别文本的校正方法、装置、计算机设备和存储介质

说明书

本申请涉及一种语音识别文本的校正方法、装置、计算机设备和存储介质。方法包括：获取经语音识别得到的识别文本中各个词的拼音；基于语料库和所述各个词的拼音中声音单元的模糊音确定候选文本；所述声音单元包括声母、韵母和整体认读音节中的至少一种；根据所述识别文本和所述候选文本间的词数差、拼音总字母数和词总数，确定所述候选文本对应的编辑距离；按照所述编辑距离从所述候选文本中筛选出校正文本。采用本方法提出的编辑距离方法来筛选候选文本的校正文本，在识别文本较长时，可有效的校正语音识别文本，提高校正的准确率。

技术领域

本申请涉及计算机技术领域，特别是涉及一种语音识别文本的校正方法、装置、计算机设备和存储介质。

背景技术

随着互联网的发展，语音识别技术已经得到越来越广泛的应用。语音识别技术是机器通过识别和理解将输入的语音信号转变成相应的文本，实现人与机器的交流互动。

目前，大部分语音识别技术采用人工智能方法来自动识别语音，然而该语音识别技术的准确率容易受到环境、人的发音等因素的影响，准确率低。

发明内容

基于此，有必要针对上述技术问题，提供一种语音识别文本的校正方法、装置、计算机设备和存储介质。

一种语音识别文本的校正方法，所述方法包括：

获取经语音识别得到的识别文本中各个词的拼音；

基于语料库和所述各个词的拼音中声音单元的模糊音确定候选文本；所述声音单元包括声母、韵母和整体认读音节中的至少一种；

根据所述识别文本和所述候选文本间的词数差、拼音总字母数和词总数，确定所述候选文本对应的编辑距离；

按照所述编辑距离从所述候选文本中筛选出校正文本。

在其中一个实施例中，所述获取经语音识别得到的识别文本中各个词的拼音包括：

获取经语音识别得到的识别文本；

对所述识别文本进行分词，获得词序列；

从所述词序列中删除属于停用词表的词，得到经过预处理的识别文本；

确定经过预处理的识别文本中各个词的拼音。

在其中一个实施例中，所述基于语料库和所述各个词的拼音中声音单元的模糊音确定候选文本，包括：

将所述各个词的拼音中的声音单元替换为相应的模糊音，得到候选词拼音；

基于所述候选词拼音按照倒排索引在语料库中查询相应候选词所在语句；

从查询到的所述语句中，按照所述识别文本和所述语句间的编辑距离，筛选出候选文本。

在其中一个实施例中，所述语料库的生成步骤包括：

获取初始语料库；

提取所述初始语料库中语句的关键词；

将所述语句中的所述关键词替换为所述关键词的同义词，得到扩充语句；

在所述初始语料库中添加所述扩充语句，得到语料库。

在其中一个实施例中，所述方法还包括：

通过词向量模型，确定所述关键词的词向量和候选词的词向量；

根据所述关键词的词向量和所述候选词的词向量确定所述关键词和候选词的相似度；

根据所述相似度确定所述关键词的同义词。在其中一个实施例中，所述候选文本对应的编辑距离与所述词数差的绝对值正相关，且与所述拼音总字母数正向关，且与所述词总数负相关。