[发明专利]一种泰语文本拼写纠正方法及装置

摘要

本发明公开了一种泰语文本拼写纠正方法及装置。一种泰语文本拼写纠正方法包括对待纠正文本进行音节切分；对切分出的音节进行读音泛化；在预置的词典中，查询与读音泛化结果相匹配的词条；将查询结果作为所述待纠正文本的纠正备选输出。本发明实施例所提供的技术方案，根据泰语中拼写不规范现象的实际产生原因，利用文本的读音特性对为用户的输入文本内容提供纠正备选，与现有技术中根据拼写相似性提供纠正备选的方案相比，更加适用于泰语的实际情况，能够在用户输入不规范拼写文本的情况下，更好地找到用户输入内容的规范形式，为用户提供纠正备选，提高纠正结果的可用性和准确性。

主权项

一种泰语文本拼写纠正方法，其特征在于，包括：以音节为单位，对待纠正文本进行音节切分；对切分出的音节进行读音泛化，包括：采用Soundex算法进行读音泛化；在预置的词典中，查询与读音泛化结果相匹配的词条；将查询结果作为所述待纠正文本的纠正备选输出；其中，所述对待纠正文本进行音节切分，包括：根据泰语字符在泰语音节中的位置及字符类型，对泰语语料进行标注，得到字符训练语料，包括：人工或者半自动标注一批泰语句子，以字位作为标注标签，字符本身、字符类型标签作为特征，生成字符训练语料；根据字符训练语料，训练得到音节切分模型；利用音节切分模型，对所述待纠正文本进行音节切分。