[发明专利]混淆语句的生成方法、终端设备及计算机可读存储介质

说明书

本申请适用于数据处理技术领域，提供了一种混淆语句的生成方法、终端设备及计算机可读存储介质，包括：将目标语句拆分为多个第一词语；按照预设规则从所述多个第一词语中确定出第二词语；生成所述第二词语的混淆词语；将所述混淆词语替换所述目标语句中的所述第二词语，得到所述目标语句的混淆语句。通过上述方法，能够自动生成任意语句的混淆语句，有利于实现文本纠错中语句级别的纠错、提高文本纠错的准确率。

技术领域

本申请属于数据处理技术领域，尤其涉及一种混淆语句的生成方法、终端设备及计算机可读存储介质。

背景技术

随着人工智能技术的发展，自然语言处理技术的应用也越来越广泛。在自然语言处理过程中，随着待处理文本中错误词语的增加，自然语言处理结果的准确度也随之降低。因此，文本纠错是自然语言处理中的关键步骤。文本纠错是指将文本中错误的语句纠正为正确语句的过程。例如：将语句“大会按照会议驿城审议了议案”纠正为“大会按照会议议程审议了议案”。

现有技术中，文本纠错主要依赖于混淆字字典，混淆字字典中包括正确词语和每个正确词语的混淆词语。换言之，现有的本文纠错通常是基于词语级别的纠错。对于一个完整语句而言，只进行词语级别的纠错将会丢掉较多的语义信息。例如，上述示例中，“驿城”作为一个独立的词语是正确的，但从整个语句来看，这个词语是错误的。如果对该语句进行词语级别的纠错，纠错结果的准确度较低。因此，构建混淆语句字典是提高语句纠错的准确率的关键。

发明内容

本申请实施例提供了一种混淆语句的生成方法、终端设备及计算机可读存储介质，可以自动生成任意语句的混淆语句，有利于实现文本纠错中语句级别的纠错、提高文本纠错的准确率。

第一方面，本申请实施例提供了一种混淆语句的生成方法，包括：

将目标语句拆分为多个第一词语；

按照预设规则从所述多个第一词语中确定出第二词语；

生成所述第二词语的混淆词语；

将所述混淆词语替换所述目标语句中的所述第二词语，得到所述目标语句的混淆语句。

在本申请实施例中，从由目标语句拆分出的多个第一词语中确定出第二词语，然后生成第二词语的混淆词语，并将混淆词语替换原目标语句中的第二词语，得到目标语句的混淆语句。通过上述方法，能够根据目标语句中的不同词语自动生成目标语句的多个混淆语句，该方法能够适应不同的文本纠错环境。进一步的，基于本申请实施例中的方法能够构建语句级别的混淆字典，有利于实现文本纠错中语句级别的纠错，进而提高文本纠错的准确率。

在第一方面的一种可能的实现方式中，所述将目标语句拆分为多个第一词语，包括：

按照词性将所述目标语句划分为多个第三词语；

将满足预设词性的所述第三词语确定为所述第一词语。

在第一方面的一种可能的实现方式中，所述第一词语中包括单字词语和多字词语；

所述按照预设规则从所述多个第一词语中确定出第二词语，包括：

获取第一随机数；

若所述第一随机数在第一预设范围内，则从所述单字词语中确定出所述第二词语；

若所述第一随机数在第二预设范围内，则从所述多字词语中确定出所述第二词语。

在第一方面的一种可能的实现方式中，当所述第二词语为所述单字词语时，所述生成所述第二词语的混淆词语，包括：

获取第二随机数；

若所述第二随机数在第三预设范围内，则生成所述单字词语的形近字；将所述单字词语的形近字确定为所述第二词语的混淆词语；