[发明专利]一种用于提升语音识别能力的语言模型纠错方法

说明书

本发明公开了一种用于提升语音识别能力的语言模型纠错方法、装置、设备及存储介质，该方法包括：获取识别语音得到的文本信息为待纠文本，获取待纠文本中各词语及各词语的分数，确定该分数低于对应阈值的词语为待纠词语；任意词语的分数为在待纠文本中位于该任意词语之前的词语出现前提下出现该任意词语的概率；确定待纠文本中待纠词语前一个词语为待纠前驱词，由词库中确定与待纠前驱词搭配的备选词为待纠备选词；词库包含多个前驱词及与各前驱词搭配的多个备选词；将各待纠备选词分别替换待纠文本中待纠词语，获取各待纠备选词的分数，确定该分数最高的待纠备选词为对待纠词语进行纠正所得词语。本申请能够提高语音识别准确性。

技术领域

本发明涉及语音识别技术领域，更具体地说，涉及一种用于提升语音识别能力的语言模型纠错方法、装置、设备及存储介质。

背景技术

为了提升客户体验，当前许多行业都采用智能化设备响应客户发出的语音，实现相应的操作；在实现语音识别时，通常采用语音识别模型进行相应的语音识别，但是发明人发现，现有的技术方案在对语音进行识别得到相应的文本信息后，可能出现对语音识别得到的文本信息与语音所要表达的文本信息不一致的情况，进而导致语音识别的准确性较低。

发明内容

本发明的目的是提供一种用于提升语音识别能力的语言模型纠错方法、装置、设备及存储介质，能够对语音识别得到的文本信息进行纠错，进而提高语音识别的准确性。

为了实现上述目的，本发明提供如下技术方案：

一种用于提升语音识别能力的语言模型纠错方法，包括：

获取利用语言模型识别输入的语音对应音素得到的文本信息，确定该文本信息为待纠文本；

获取所述待纠文本包含的各个词语及各个词语的分数，确定该分数低于第一分数阈值的词语为待纠词语；其中，任意词语的分数为在所述待纠文本中位于该任意词语之前的词语出现的前提下出现该任意词语的概率；

确定所述待纠文本中所述待纠词语的前一个词语为待纠前驱词，由预先设置的词库中确定与所述待纠前驱词搭配的备选词均为待纠备选词；其中，所述词库包含多个前驱词及与每个所述前驱词搭配的多个备选词；

将每个所述待纠备选词分别替换所述待纠文本中的待纠词语，获取各个所述待纠备选词的分数，确定该分数最高的待纠备选词为对所述待纠词语进行纠正所得的词语。

优选的，设置所述词库，包括：

通过依存句法分析在预先获取的语料中提取互相搭配的多对词语，确定每对词语中位于前面的词语为前驱词，每对词语中位于后面的词语为备选词；

获取每个所述备选词的分数，删除分数小于第二分数阈值的备选词，并将每个所述前驱词及每个所述前驱词对应的备选词均存储至预设的词库中；其中，任意备选词的分数为该任意备选词在对应的前驱词出现的前提下出现的概率。

优选的，获取所述待纠文本包含的任意词语及任意所述待纠备选词及任意所述备选词的分数，包括：

确定所述待纠文本包含的任意词语或任意所述待纠备选词或任意所述备选词为待打分词语，将所述待打分词语所属的信息输入至预先训练得到的通用模型及定制模型中，将所述通用模型及所述定制模型输出的所述待打分词语的分数进行加权求和，得到所述待打分词语的分数；其中，所述待纠文本包含的任意词语及任意所述待纠备选词所属的信息为所述待纠文本，所述备选词所属的信息为所述备选词及对应的前驱词，所述通用模型为利用通用的文本信息训练得到的，所述定制模型为利用对应业务场景下符合该业务场景下用语规则的文本信息训练得到的，所述待纠文本为对在相应业务场景下输入的语音进行识别得到的文本信息。

优选的，将每个所述前驱词及每个所述前驱词对应的备选词均存储至预设的词库中，包括：