一種自動生成訓(xùn)練數(shù)據(jù)的錯別字校對方法及裝置

基本信息

申請?zhí)?/td> CN202110190708.8 申請日 -
公開（公告）號 CN112560451A 公開（公告）日 2021-03-26
申請公布號 CN112560451A 申請公布日 2021-03-26
分類號 G06F40/232;G06F40/289;G06F40/247 分類 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 藍(lán)建敏;池沐霖 申請（專利權(quán)）人 京華信息科技股份有限公司
代理機(jī)構(gòu) 廣州三環(huán)專利商標(biāo)代理有限公司 代理人 郭浩輝;顏希文
地址 510520 廣東省廣州市天河區(qū)高普路138號京華信息大樓中座
法律狀態(tài) -

摘要

摘要 本發(fā)明公開了一種自動生成訓(xùn)練數(shù)據(jù)的錯別字校對方法及裝置，上述方法包括對給定語料進(jìn)行分詞處理，獲得若干第一詞組；根據(jù)各第一詞組生成若干易混淆詞集；從給定語料的若干第一詞組中選定待替換第一詞組，繼而將核心詞組與待替換第一詞組相同的易混淆詞集作為選定詞集；將給定語料中的待替換第一詞組替換為選定詞集中的相似詞組生成錯誤語料；將給定語料與錯誤語料作為訓(xùn)練數(shù)據(jù)集，根據(jù)訓(xùn)練數(shù)據(jù)集訓(xùn)練錯別字校對模型；根據(jù)錯別字校對模型對待校對文本進(jìn)行校對。通過實(shí)施本發(fā)明能夠解決現(xiàn)有人工收集錯誤語料耗時(shí)長，效率低的問題。