[发明专利]识别文本纠错方法及装置

说明书

本发明提供一种识别文本纠错方法及装置，属于语言处理技术领域。该方法包括：确定识别文本中每一识别错误的错误分词对应的纠错词；将每一纠错词替换识别文本中对应的错误分词，以得到识别文本对应的纠错候选文本；确定每一纠错候选文本对应的纠错置信度，并将纠错置信度大于第一预设阈值的纠错候选文本作为纠错后的识别文本。本发明通过确定每一纠错候选文本对应的纠错置信度，并将纠错置信度大于第一预设阈值的纠错候选文本作为纠错后的识别文本。由于在通过语音识别得到识别文本后，可选取可信程度较高的纠错候选文本作为纠错后的识别文本，以实现对识别文本进行纠错，从而提高了后续翻译的准确性。

技术领域

本发明实施例涉及语言处理技术领域，更具体地，涉及一种识别文本纠错方法及装置。

背景技术

目前，语言沟通成为不同种族群体在相互交流时所面临的一个重要课题。传统的翻译方式通常是采用人工陪同口译、交替口译以及同声传译等，以解决语言沟通障碍问题，但受限于人力不足以及成本限制，无法满足普通人进行沟通交流的需求。而语音翻译技术的发展对传统翻译方式做出了有益补充，为普通人日常沟通交流提供了另一条途径，并在成本及时效性等方面更具优势。语音翻译包括语音识别、机器翻译和语音合成这三个步骤，由于在语音识别环节中引入的错误，会直接影响后续翻译准确度，从而如何对识别文本进行纠错是提升翻译准确度的关键。

发明内容

为了解决上述问题，本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的识别文本纠错方法及装置。

根据本发明实施例的第一方面，提供了一种识别文本纠错方法，该方法包括：

确定识别文本中每一识别错误的错误分词对应的纠错词，每一错误分词对应至少一个纠错词；

将每一纠错词替换识别文本中对应的错误分词，以得到识别文本对应的纠错候选文本，识别文本对应至少一个纠错候选文本；

确定每一纠错候选文本对应的纠错置信度，并将纠错置信度大于第一预设阈值的纠错候选文本作为纠错后的识别文本，每一纠错候选文本对应的纠错置信度用于表示每一纠错候选文本作为纠错后的识别文本的可信程度。

本发明实施例提供的方法，通过确定识别文本中每一识别错误的错误分词对应的纠错词，将每一纠错词替换识别文本中对应的错误分词，以得到识别文本对应的纠错候选文本。确定每一纠错候选文本对应的纠错置信度，并将纠错置信度大于第一预设阈值的纠错候选文本作为纠错后的识别文本。由于在通过语音识别得到识别文本后，可选取可信程度较高的纠错候选文本作为纠错后的识别文本，以实现对识别文本进行纠错，从而提高了后续翻译的准确性。

结合第一方面的第一种可能的实现方式，在第二种可能的实现方式中，确定识别文本中每一识别错误的错误分词对应的纠错词之前，还包括：

确定识别文本中每一分词的识别置信度，并将识别置信度小于第二预设阈值的分词作为错误分词；

或者，确定识别文本经过翻译后得到的目标语言文本中每一目标分词的翻译准确度，并将翻译准确度小于第三预设阈值的目标分词在识别文本中对应的分词作为错误分词，每一目标分词的翻译准确度用于表示每一目标分词作为翻译结果的可信程度。

结合第一方面的第一种可能的实现方式，在第三种可能的实现方式中，确定识别文本中每一识别错误的错误分词对应的纠错词，包括：

对于识别文本中任一错误分词，确定任一错误分词对应的易混淆词，确定任一错误分词对应的每一易混淆词的易混淆度，任一错误分词对应至少一个易混淆词；

基于任一错误分词对应易混淆词的易混淆度，按照预设规则对任一错误分词对应的易混淆词进行选取，将选取结果作为任一错误分词对应的纠错词。

结合第一方面的第三种可能的实现方式，在第四种可能的实现方式中，确定任一错误分词对应的每一易混淆词的易混淆度，包括：