[发明专利]文本纠错方法和装置、设备及存储介质

权利要求书

1.一种文本纠错方法，其特征在于，所述方法包括：

获取待纠错文本；其中，所述待纠错文本包括：待纠错字符和所述待纠错字符的原始字音信息、原始字形信息、原始语义信息和相关词窗口；

将所述原始字音信息输入至预设的预训练语言模型进行编码处理得到原始字音嵌入向量，将所述原始字形信息输入至所述预训练语言模型进行编码处理得到原始字形嵌入向量，根据所述原始字音嵌入向量、所述原始字形嵌入向量和所述原始语义信息构建原始上下文信息向量；

根据所述原始字音嵌入向量、所述原始字形嵌入向量和所述原始上下文信息向量构建所述待纠错字符的原始字符键；

根据所述原始字符键、所述相关词窗口在预设的字符字典中进行字符筛选处理，得到选定字符；

将所述待纠错文本中的所述待纠错字符替换为所述选定字符，得到目标文本。

2.根据权利要求1所述的方法，其特征在于，在所述将所述字音信息输入至预设的预训练语言模型进行编码处理得到字音嵌入向量之前，所述方法还包括：

训练所述预训练语言模型，具体包括：

获取训练文本数据；其中，所述训练文本数据包括：训练文本、正样本文本和负样本文本；其中，所述正样本文本为正确的文本，所述负样本文本为包含了一系列错误的文本；

通过预设的预训练语言模型对所述训练文本进行编码处理，得到训练嵌入向量，通过所述预训练语言模型对所述正样本文本进行编码处理得到正样本向量，通过所述预训练语言模型对所述负样本文本进行编码处理得到负样本向量；

根据所述训练嵌入向量、所述正样本向量和所述负样本向量进行损失计算，得到损失数据；

根据所述损失数据对所述预训练语言模型的权重进行修改。

3.根据权利要求1所述的方法，其特征在于，所述将所述原始字音信息输入至预设的预训练语言模型进行编码处理得到原始字音嵌入向量，将所述原始字形信息输入至所述预训练语言模型进行编码处理得到原始字形嵌入向量，根据所述原始字音嵌入向量、所述原始字形嵌入向量和所述原始语义信息构建原始上下文信息向量，包括：

将所述原始字音信息输入至所述预训练语言模型进行序列变换，得到原始字音序列，并对所述原始字音序列进行向量化处理，得到所述原始字音嵌入向量；

将所述原始字形信息输入至所述预训练语言模型进行笔顺转换，得到原始笔顺信息，并对所述原始笔顺信息进行向量化处理，得到所述原始字形嵌入向量；

根据所述原始字音嵌入向量、所述原始字形嵌入向量和所述原始语义信息构建所述原始上下文信息向量。

4.根据权利要求2所述的方法，其特征在于，所述字符字典包括候选字符和所述候选字符的候选字符键、候选字符窗口；在所述根据所述字符键、所述相关词窗口在预设的候选字符字典中进行字符筛选处理，得到选定字符之前，所述方法还包括：

构建所述字符字典，具体包括：

获取所述候选字符的候选字音信息、候选字形信息和候选语义信息；

通过所述预训练语言模型对所述候选字音信息进行编码处理得到候选字音嵌入向量，通过所述预训练语言模型对所述候选字形信息进行编码处理得到候选字形嵌入向量，根据所述候选字音嵌入向量、所述候选字形嵌入向量和所述候选语义信息构建候选上下文信息向量；

根据所述候选字音嵌入向量、所述候选字形嵌入向量和所述候选上下文信息向量构建所述候选字符的候选字符键；

获取所述候选字符的候选字符窗口，并根据所述候选字符窗口、所述候选字符和所述候选字符的所述候选字符键构建所述字符字典。

5.根据权利要求4所述的方法，其特征在于，所述根据所述原始字符键、所述相关词窗口在预设的字符字典中进行字符筛选处理，得到选定字符，包括：

根据所述原始字符键和所述候选字符键进行距离计算，得到字符距离；

根据所述字符距离和预设的筛选数量从所述候选字符中筛选出字符集合；

根据所述字符距离和所述相关词窗口、所述候选字符窗口对所述待纠错字符和所述字符集合的所述候选字符进行相似度计算，得到字符相似度；

根据所述字符相似度对所述候选字符进行筛选处理，得到所述选定字符。