[发明专利]文本处理方法、装置、电子设备及计算机可读存储介质

说明书

本公开实施例公开了一种文本处理方法、装置、电子设备及计算机可读存储介质，所述方法包括：获取文本对象，并对所述文本对象进行向量化处理，得到与所述文本对象对应的向量化矩阵；对于所述向量化矩阵进行第一特征提取，得到第一特征矩阵，并基于所述第一特征矩阵进行拼写检查，得到拼写检查概率矩阵；对于所述第一特征矩阵进行第二特征提取，得到第二特征矩阵，并基于所述拼写检查概率矩阵和第二特征矩阵执行处理得到所述文本对象的处理结果。该技术方案综合使用了拼写检查特征数据和拼写纠错特征数据，在保证文本处理质量、提高文本处理鲁棒性的前提下，还能够有效提高文本处理的效率，节约人工成本。

技术领域

本公开实施例涉及图像处理技术领域，具体涉及一种文本处理方法、装置、电子设备及计算机可读存储介质。

背景技术

人们在使用输入工具输入文本时，经常会出现拼写错误、形近字错误、音近字错误等输入错误，上述输入错误通常会使得文本容易被误解，进而影响人们文字交流的效果和效率，而且在很多严谨的文书场景中，比如政策、司法、合同文本等，对于上述输入错误的容忍度几乎是零。因此，很多情况下都需要对于文本进行校对，现有技术中存在人工校对和机器校对两种校对方式，其中，人工校对方式相对校对质量较高，但其耗时耗力，校对效率低下；机器校对方式校对速度快，但由于中文文本表达方式非常复杂，很多拼写错误难以被准确识别，另外，现有机器校对方法中使用的拼写检查特征数据和拼写纠错特征数据是相对独立的数据，无论哪种数据都不足以提高文本校对的鲁棒性，因此校对质量低下。综上，亟需一种能够同时保障校对质量和校对效率又能够节约人工成本的文本处理方法。

发明内容

本公开实施例提供一种文本处理方法、装置、电子设备及计算机可读存储介质。

第一方面，本公开实施例中提供了一种文本处理方法。

具体的，所述文本处理方法，包括：

获取文本对象，并对所述文本对象进行向量化处理，得到与所述文本对象对应的向量化矩阵；

对于所述向量化矩阵进行第一特征提取，得到第一特征矩阵，并基于所述第一特征矩阵进行拼写检查，得到拼写检查概率矩阵；

对于所述第一特征矩阵进行第二特征提取，得到第二特征矩阵，并基于所述拼写检查概率矩阵和第二特征矩阵执行处理得到所述文本对象的处理结果。

结合第一方面，本公开实施例在第一方面的第一种实现方式中，所述获取文本对象，并对所述文本对象进行向量化处理，得到与所述文本对象对应的向量化矩阵，被实施为：

获取文本对象；

对于所述文本对象进行字分割得到字集合；

对于所述字集合进行向量化矩阵映射，得到与所述文本对象对应的向量化矩阵，其中，所述向量化矩阵的维度为n*d，n为字集合中字的数量，d为预设向量化维度。

结合第一方面和第一方面的第一种实现方式，本公开实施例在第一方面的第二种实现方式中，所述对于所述向量化矩阵进行第一特征提取，得到第一特征矩阵，被实施为：

确定上下文特征提取模型；

利用所述上下文特征提取模型提取所述向量化矩阵的上下文特征，得到第一特征矩阵，其中，所述第一特征矩阵的维度为n*h1，n为字集合中字的数量，h1为所述上下文特征提取模型的预设输出维度。

结合第一方面、第一方面的第一种实现方式和第一方面的第二种实现方式，本公开在第一方面的第三种实现方式中，所述基于所述第一特征矩阵进行拼写检查，得到拼写检查概率矩阵，被实施为：

确定拼写检查模型；

将所述第一特征矩阵作为所述拼写检查模型的输入进行计算，得到拼写检查概率矩阵，其中，所述拼写检查概率矩阵的维度为n*r，n为字集合中字的数量，r为拼写检查结果类别的数量。