发明名称 |
一种文本矫正的方法和装置 |
摘要 |
本发明提供了一种文本矫正的方法和装置,其中方法包括:获取待矫正文本;利用预设的标准文本库查找待矫正文本的相似文本;将相似文本与待矫正文本进行比较,确定差异词对,其中差异词对中待矫正文本中的差异词为原始词,相似文本中的差异词为原始词对应的候选词;利用候选词分别对待矫正文本中对应的原始词进行替换构成M1个候选文本,M1为正整数;分别针对候选文本和待矫正文本计算文本流利度,选出流利度最高的M2个文本,M2为小于或等于M1+1的正整数;分别计算M2个文本的搭配概率,选出搭配概率排在前M3个的文本作为矫正后的文本,M3为小于或等于M2的正整数。本发明能够实现对文本中不地道的表达或者不恰当的词语搭配进行矫正。 |
申请公布号 |
CN102999483B |
申请公布日期 |
2016.04.27 |
申请号 |
CN201110276241.5 |
申请日期 |
2011.09.16 |
申请人 |
北京百度网讯科技有限公司 |
发明人 |
刘占一;吴华;王海峰 |
分类号 |
G06F17/27(2006.01)I |
主分类号 |
G06F17/27(2006.01)I |
代理机构 |
北京鸿德海业知识产权代理事务所(普通合伙) 11412 |
代理人 |
袁媛 |
主权项 |
一种文本矫正的方法,其特征在于,该方法包括:S1、获取待矫正文本;S2、利用预设的标准文本库查找所述待矫正文本的相似文本;S3、将所述相似文本与待矫正文本进行比较,确定差异词对,其中所述差异词对中待矫正文本中的差异词为原始词,相似文本中的差异词为所述原始词对应的候选词;S4、利用候选词分别对所述待矫正文本中对应的原始词进行替换构成M1个候选文本,M1为正整数;S5、分别针对所述候选文本和所述待矫正文本计算文本流利度,选出流利度最高的M2个文本,M2为小于或等于M1+1的正整数;S6、分别计算所述M2个文本的搭配概率,选出搭配概率排在前M3个的文本作为矫正后的文本,M3为小于或等于M2的正整数,其中文本的搭配概率由文本中对象词与其他各词语在所述标准文本库中的搭配概率确定,所述对象词为文本中的原始词或候选词。 |
地址 |
100085 北京市海淀区上地十街10号百度大厦2层 |