一種基于拼音特征表征的中文糾錯(cuò)方法及系統(tǒng)

基本信息

申請(qǐng)?zhí)?/td> CN202110544990.5 申請(qǐng)日 -
公開（公告）號(hào) CN112966496A 公開（公告）日 2021-06-15
申請(qǐng)公布號(hào) CN112966496A 申請(qǐng)公布日 2021-06-15
分類號(hào) G06F40/232（2020.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I 分類 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 許振興;曾慶斌;龐洵;朱留鋒 申請(qǐng)（專利權(quán)）人 燈塔財(cái)經(jīng)信息有限公司
代理機(jī)構(gòu) 北京集智東方知識(shí)產(chǎn)權(quán)代理有限公司 代理人 吳倩;龔建蓉
地址 430040湖北省武漢市東西湖區(qū)臺(tái)商投資區(qū)高橋產(chǎn)業(yè)園臺(tái)中大道特1號(hào)
法律狀態(tài) -

摘要

摘要 本發(fā)明提出了一種基于拼音特征表征的中文糾錯(cuò)方法及系統(tǒng)，其包括如下步驟：S1、構(gòu)建漢字的拼音模糊集以及構(gòu)造含有漢字錯(cuò)別字的中文語句訓(xùn)練樣本；S2、利用上述訓(xùn)練樣本進(jìn)行模型訓(xùn)練；以及S3、提取目標(biāo)中文語句中漢字的漢字字符嵌入序列和拼音字符嵌入序列，并輸入到訓(xùn)練模型中，以得到目標(biāo)中文語句中每個(gè)位置的漢字預(yù)測(cè)結(jié)果，最終獲得糾錯(cuò)后的中文語句。本發(fā)明通過正確漢字和錯(cuò)別字之間以拼音作為媒介的映射關(guān)系來獲得拼音模糊集，并基于混合注意力模塊建立訓(xùn)練模型，以此提高錯(cuò)別字的學(xué)習(xí)效率和預(yù)測(cè)的準(zhǔn)確度。