[发明专利]一种输入语句的纠错方法及装置

摘要

本发明适用于信息处理领域，提供了一种输入语句的纠错方法及装置，包括基于训练语料构建并训练语言模型；获取语言模型的判错阈值，判错阈值表示输入语句为错误语句的临界概率值；将待识别语句输入语言模型，以计算出待识别语句的正确概率；当待识别语句的正确概率低于判错阈值时，判定待识别语句为错误语句并对待识别语句执行纠错处理。本发明实施例实现了对语句正确性的自动检测，通过对判断为错误语句的待识别语句进行纠错处理，保证了用户在智能问答系统中即使输入了错误的字词，也能将该错误的字词自动调整为符合用户实际意愿的语句，从而使智能问答系统能够准确理解用户的问题，提高自动问答的成功率，由此进一步促进智能问答技术的发展。

主权项

一种输入语句的纠错方法，其特征在于，包括：基于训练语料构建并训练语言模型,所述训练语料是在实际使用中真实出现过的语言材料，所述训练语料包括语篇、语句以及短语三大类，以N‑Gram模型作为所述语言模型的原始模型；获取所述语言模型的判错阈值，所述判错阈值表示输入语句为错误语句的临界概率值；将待识别语句输入所述语言模型，以计算出所述待识别语句的正确概率；当所述待识别语句的正确概率低于所述判错阈值时，判定所述待识别语句为用户输入错误的错误语句并对所述待识别语句执行纠错处理；所述基于训练语料训练并构建语言模型包括：对每条所述训练语料执行分词操作，得到多个词语；分别计算每个所述词语在训练语料中与其后邻接词之间的条件概率；将所述多个词语对应的所述条件概率相乘，并根据相乘后得到的结果，构建并训练所述语言模型；其中，所述条件概率的计算过程包括：获取所述词语在所有所述训练语料中出现的第一次数，及获取所述词语的后邻接词在所有所述训练语料中出现在所述词语的后邻接位置的第二次数；根据所述第一次数以及所述第二次数，计算所述词语与对应的所述后邻接词之间的条件概率；所述获取所述语言模型的判错阈值包括：分别将M条错误语句与N条正确语句作为测试语料输入所述语言模型，得到每条所述错误语句的所述正确概率与每条所述正确语句的所述正确概率；通过预设算法对每条所述错误语句的所述正确概率与每条所述正确语句的所述正确概率进行统计处理，得到所述语言模型的判错阈值；其中，所述M和N为大于1的整数。