买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：长春职业技术学院

摘要：一种基于知识库的中文文本自动校错系统及方法。其首先获取待校对中文语句，接着，对所述待校对中文语句进行分词处理以得到待校对中文词的序列，然后，使用预训练词语义编码器对所述待校对中文词的序列中的各个待校对中文词进行语义编码以得到待校对中文词语义编码特征向量的序列，其中，所述预训练词语义编码器通过知识库来进行训练，接着，对所述待校对中文词的序列中的各个待校对中文词进行词性标注和独热编码处理以得到词粒度词性独热编码特征向量的序列，最后，基于所述待校对中文词语义编码特征向量的序列和所述词粒度词性独热编码特征向量的序列来进行中文文本校错以生成校错后中文文本。

主权项：1.一种基于知识库的中文文本自动校错方法，其特征在于，包括：获取待校对中文语句；对所述待校对中文语句进行分词处理以得到待校对中文词的序列；使用预训练词语义编码器对所述待校对中文词的序列中的各个待校对中文词进行语义编码以得到待校对中文词语义编码特征向量的序列，其中，所述预训练词语义编码器通过知识库来进行训练；对所述待校对中文词的序列中的各个待校对中文词进行词性标注和独热编码处理以得到词粒度词性独热编码特征向量的序列；基于所述待校对中文词语义编码特征向量的序列和所述词粒度词性独热编码特征向量的序列来进行中文文本校错以生成校错后中文文本；其中，基于所述待校对中文词语义编码特征向量的序列和所述词粒度词性独热编码特征向量的序列来进行中文文本校错以生成校错后中文文本，包括：将所述待校对中文词语义编码特征向量的序列和所述词粒度词性独热编码特征向量的序列进行拼接以得到包含词性信息的待校对中文词语义编码特征向量的序列；基于所述包含词性信息的待校对中文词语义编码特征向量的序列，生成所述校错后中文文本；其中，基于所述包含词性信息的待校对中文词语义编码特征向量的序列，生成所述校错后中文文本，包括：对所述包含词性信息的待校对中文词语义编码特征向量的序列中的各个包含词性信息的待校对中文词语义编码特征向量进行特征优化以得到优化后包含词性信息的待校对中文词语义编码特征向量的序列；将所述优化后包含词性信息的待校对中文词语义编码特征向量的序列通过基于解码器的文本自动校错生成器以得到所述校错后中文文本；其中，对所述包含词性信息的待校对中文词语义编码特征向量的序列中的各个包含词性信息的待校对中文词语义编码特征向量进行特征优化以得到优化后包含词性信息的待校对中文词语义编码特征向量的序列，包括：分别计算所述包含词性信息的待校对中文词语义编码特征向量的序列中的每个包含词性信息的待校对中文词语义编码特征向量的加权系数以得到由多个加权系数组成的加权系数向量；以所述加权系数向量中的各个加权系数作为加权因数对所述包含词性信息的待校对中文词语义编码特征向量的序列中的各个包含词性信息的待校对中文词语义编码特征向量进行加权优化以得到所述优化后包含词性信息的待校对中文词语义编码特征向量的序列；其中，分别计算所述包含词性信息的待校对中文词语义编码特征向量的序列中的每个包含词性信息的待校对中文词语义编码特征向量的加权系数以得到由多个加权系数组成的加权系数向量，包括：以如下系数计算公式分别计算所述包含词性信息的待校对中文词语义编码特征向量的序列中的每个包含词性信息的待校对中文词语义编码特征向量的加权系数以得到由多个加权系数组成的加权系数向量；其中，所述系数计算公式为： ；其中，和分别是所述包含词性信息的待校对中文词语义编码特征向量的序列中的第个包含词性信息的待校对中文词语义编码特征向量的最大特征值和第特征值，是特征向量的长度，表示以2为底的对数，表示数值的指数运算，所述数值的指数运算表示计算以所述数值为幂的自然指数函数值，且是权重超参数，是第个加权系数。

全文数据：

权利要求：

百度查询： 长春职业技术学院 基于知识库的中文文本自动校错系统及方法