[发明专利]数据纠错方法、装置及电子设备

权利要求书

1.一种数据纠错方法，其特征在于，包括：

根据待纠错的碱基序列所采用的编码方式选择对应的解码方式，将所述待纠错的碱基序列解码为第一文本，所述待纠错的碱基序列由多个碱基组成；

对所述第一文本进行分词，得到多个文本单元；

对所述多个文本单元进行错误检测，得到存在错误的文本单元；

根据所述存在错误的文本单元对所述待纠错的碱基序列进行纠错。

2.如权利要求1所述的数据纠错方法，其特征在于，所述根据所述存在错误的文本单元对所述待纠错的碱基序列进行纠错，包括：

根据所述存在错误的文本单元确定存在错误的碱基组，得到目标碱基组，其中，每个所述碱基组由所述待纠错的碱基序列中的每连续的N个碱基组成，N为大于1的自然数；

根据所述目标碱基组对所述待纠错的碱基序列进行纠错。

3.如权利要求2所述的数据纠错方法，其特征在于，在所述将待纠错的碱基序列解码为第一文本之前，还包括：

检测所述待纠错的碱基序列中是否存在不满足预设的编码要求的碱基组，并将不满足所述预设的编码要求的碱基组判定为所述目标碱基组，所述预设的编码要求为得到所述待纠错的碱基序列所采用的编码要求；

所述将待纠错的碱基序列解码为第一文本，包括：

若所述待纠错的碱基序列中不存在不满足预设的编码要求的碱基组，则将所述待纠错的碱基序列解码为第一文本。

4.如权利要求3所述的数据纠错方法，其特征在于，所述预设的编码要求包括：

碱基组中的指定碱基的占比满足所述占比要求，和/或，碱基组属于预设的碱基组集合，所述预设的碱基组集合用于存储预设的多个碱基组。

5.如权利要求2至4任一项所述的数据纠错方法，其特征在于，所述根据所述目标碱基组对所述待纠错的碱基序列进行纠错，包括：

根据所述目标碱基组确定所有可能的碱基组，得到M个候选碱基组，M为自然数；

将所述M个候选碱基组分别替换所述待纠错的碱基序列中的目标碱基组，得到M个新的碱基序列，分别解码所述M个新的碱基序列，得到M个第二文本；

从所有所述第二文本中确定出一个第二文本作为所述待纠错的碱基序列对应的纠错后的文本。

6.如权利要求1至4任一项所述的数据纠错方法，其特征在于，所述对所述多个文本单元进行错误检测，得到存在错误的文本单元，包括：

将多个所述文本单元逐个输入预设的自然语言处理模型，得到自然语言处理模型输出的与输入的文本单元对应的得分；

在所述输入的文本单元对应的得分不满足第一预设要求时，判定所述输入的文本单元为存在错误的文本单元。

7.如权利要求6所述的数据纠错方法，其特征在于，所述对所述多个文本单元进行错误检测，得到存在错误的文本单元，包括：

在所有的所述文本单元中，将每连续R个文本单元分为一组，得到至少两组文本单元组，R为大于1的自然数；

将所述文本单元组逐个输入所述自然语言处理模型，得到所述自然语言处理模型输出的与输入的文本单元组对应的得分；

在所述输入的文本单元组对应的得分不满足第二预设要求时，判定所述输入的文本单元组为存在错误的文本单元组，所述存在错误的文本单元组包括的各个文本单元均为所述存在错误的文本单元。

8.一种数据纠错装置，其特征在于，包括：

第一文本确定模块，用于根据待纠错的碱基序列所采用的编码方式选择对应的解码方式，将所述待纠错的碱基序列解码为第一文本，所述待纠错的碱基序列由多个碱基组成；

第一文本分词模块，用于对所述第一文本进行分词，得到多个文本单元；

错误检测模块，用于对所述多个文本单元进行错误检测，得到存在错误的文本单元；

纠错模块，用于根据所述存在错误的文本单元对所述待纠错的碱基序列进行纠错。