CN112509581B - 语音识别后文本的纠错方法、装置、可读介质和电子设备 - Google Patents

Abstract

本公开涉及一种语音识别后文本的纠错方法、装置、可读介质和电子设备，属于语音识别领域，能够提高语音识别句准率。一种语音识别后文本的纠错方法，包括：基于词中字文本的表达特点，检查语音识别后的文本是否属于词中字文本；若语音识别后的文本属于词中字文本，则从语音识别后的文本中提取需要被纠错的字和用于对需要被纠错的字进行修正的词，其中，需要被纠错的字与用于对需要被纠错的字进行修正的词之间是词中字的关系；利用发音混淆矩阵，从对需要被纠错的字进行修正的词中寻找用于对需要被纠错的字进行纠错的候选字，其中，发音混淆矩阵中包括每个发音被识别为其他发音的概率；利用候选字对需要被纠错的字进行纠错。

Description

语音识别后文本的纠错方法、装置、可读介质和电子设备

技术领域

本公开涉及语音识别领域，具体地，涉及一种语音识别后文本的纠错方法、装置、可读介质和电子设备。

背景技术

随着智能设备的普及和自然语言处理技术的发展，语音输入因其方便快捷的特点而成为越来越重要的人机交互手段。但是，由于语言的复杂多样和周围环境噪声的影响，语音识别结果往往与用户实际想输入的内容有较大的偏差，这就需要针对语音识别后的文本做进一步的纠错处理，才能应用到实际系统中。

因此，如何提供一种语音识别后文本纠错方案，能够有效解决语音识别不准的问题，成为目前亟待解决的技术问题。

发明内容

提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

第一方面，本公开提供一种语音识别后文本的纠错方法，包括：基于词中字文本的表达特点，检查语音识别后的文本是否属于词中字文本；若所述语音识别后的文本属于词中字文本，则从所述语音识别后的文本中提取需要被纠错的字和用于对所述需要被纠错的字进行修正的词，其中，所述需要被纠错的字与用于对所述需要被纠错的字进行修正的词之间是词中字的关系；利用发音混淆矩阵，从所述对所述需要被纠错的字进行修正的词中寻找用于对所述需要被纠错的字进行纠错的候选字，其中，所述发音混淆矩阵中包括每个发音被识别为其他发音的概率；利用所述候选字对所述需要被纠错的字进行纠错。

第二方面，本公开提供一种语音识别后文本的纠错装置，包括：检查模块，用于基于词中字文本的表达特点，检查语音识别后的文本是否属于词中字文本；提取模块，用于若所述语音识别后的文本属于词中字文本，则从所述语音识别后的文本中提取需要被纠错的字和用于对所述需要被纠错的字进行修正的词，其中，所述需要被纠错的字与用于对所述需要被纠错的字进行修正的词之间是词中字的关系；寻找模块，用于利用发音混淆矩阵，从所述对所述需要被纠错的字进行修正的词中寻找用于对所述需要被纠错的字进行纠错的候选字，其中，所述发音混淆矩阵中包括每个发音被识别为其他发音的概率；纠错模块，用于利用所述候选字对所述需要被纠错的字进行纠错。

第三方面，本公开提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现本公开第一方面所述方法的步骤。

第四方面，本公开提供一种电子设备，包括：存储装置，其上存储有计算机程序；处理装置，用于执行所述存储装置中的所述计算机程序，以实现本公开第一方面所述方法的步骤。

通过采用上述技术方案，首先基于词中字文本的表达特点，检查语音识别后的文本是否属于词中字文本，然后若语音识别后的文本属于词中字文本，则从语音识别后的文本中提取需要被纠错的字和用于对需要被纠错的字进行修正的词，然后利用发音混淆矩阵，从对需要被纠错的字进行修正的词中寻找用于对需要被纠错的字进行纠错的候选字，最后利用候选字对需要被纠错的字进行纠错，这样就能够利用语音识别后的词中字文本中语音识别正确的词对语音识别错误的字进行纠错，从而能够大幅度提高语音识别的句准率，纠正识别结果中的词中字，提升语音识别的用户体验。

本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。在附图中：

图1是根据本公开一种实施例的语音识别后文本的纠错方法的流程图。

图2是根据本公开一种实施例的语音识别后文本的纠错装置的示意框图。

图3是根据本公开一种实施例的电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

图1是根据本公开一种实施例的语音识别后文本的纠错方法的流程图。如图1所示，该方法包括以下步骤S11至S14。

在步骤S11中，基于词中字文本的表达特点，检查语音识别后的文本是否属于词中字文本。

词中字文本通常具有如下的表达特点，也即，例如“…A的B…”，其中，A代表一个词，例如成语、诗句等等，B代表A中的字。例如，“请问恋恋不舍的舍可以组什么词”、“两只黄鹂鸣翠柳的黄鹂怎么写”、“三顾茅庐中的顾什么意思”、“数九寒天中的数是第三声还是第四声”、“缠绕的缠的拼音是什么”、“正确的正有多少笔画”、“觉醒的觉怎么写”等等，这些都是词中字文本，其中，“恋恋不舍”、“两只黄鹂鸣翠柳”、“三顾茅庐”、“数九寒天”、“缠绕”、“正确”、“觉醒”等是词中字文本中的词，“舍”、“黄鹂”、“顾”、“数”、“缠”、“正”、“觉”等是前述的词中的字。

如果语音识别后的文本符合词中字文本的表达特点，则认为语音识别后的文本属于词中字文本，否则则认为不属于词中字文本。如果认为不属于词中字文本，则不执行后续步骤，而是继续检查其他的语音识别后文本。

在进行语音识别时，通常词中字文本中的词会被正确识别，而词中字文本中的如上所述的字则有可能会被识别错误。例如，“请问恋恋不舍的舍可以组什么词”有可能会被识别为“请问恋恋不舍的设可以组什么词”，“两只黄鹂鸣翠柳的鹂怎么写”有可能会被识别为“两只黄鹂鸣翠柳的离怎么写”。因此，这就需要对语音识别后的词中字文本进行纠错，以使得语音识别的结果变得更为准确合理。

在步骤S12中，若语音识别后的文本属于词中字文本，则从语音识别后的文本中提取需要被纠错的字和用于对需要被纠错的字进行修正的词，其中，需要被纠错的字与用于对需要被纠错的字进行修正的词之间是词中字的关系。

在该步骤中，主要是基于词中字文本的表达特点来进行提取。例如，可以首先基于词中字文本的表达特点，对语音识别后的文本中的字词进行边界划分；然后，基于词中字文本的表达特点，从边界划分后的字词中提取需要被纠错的字和用于对需要被纠错的字进行修正的词。

仍然以上面描述的通用的词中字文本“…A的B…”为例。在进行边界划分时，可以将词中字文本划分为5个部分，也即：A之前的部分、A、“的”、B、B之后的部分；B是可能被语音识别错误的字词，A是用于对B进行修正的候选字词。以“请问恋恋不舍的设可以组什么词”为例，A之前的部分是“请问”，A是“恋恋不舍”、B是“设”、B之后的部分是“可以组什么词”。在进行提取时，从划分的5个部分中提取A和B。

另外，基于汉语字词的长度特点，通常需要被纠错的字最长为两个字，对需要被纠错的字进行修正的词最长为7个字。

在步骤S13中，利用发音混淆矩阵，从对需要被纠错的字进行修正的词中寻找用于对需要被纠错的字进行纠错的候选字，其中，发音混淆矩阵中包括每个发音被识别为其他发音的概率。

发音混淆矩阵可以通过如下的方式获得。

首先，利用声学模型和标注文本得到每个句子每帧的概率分布y∈R^v，其中v是发音词典的大小，y中最大概率的下标为idx，发音词典(如“ai1”、“ai2”等，其中的数字表示音调)构成的列表为tokens，y则表示tokens[idx]这个字的识别结果的概率分布。其中，声学模型指的是针对输入的一段音频特征能够返回该音频对应的发音序列的模型，标注文本指的是一个音频对应的文字。

然后，通过多个测试集中y的均值，可以得到每个发音被识别为其他发音的概率矩阵，也即发音混淆矩阵。通过在语音识别后的文本纠错过程中使用发音混淆矩阵，能够使得获取到的发音相似度中含有的发音信息更为完备，使得语音识别纠错效果更好。

例如，假设发音词典有3种发音，分别为“ai1”、“ai2”和“ai3”，得到如下表1所示的发音混淆矩阵。从该发音混淆矩阵中可以看到，“ai1”被读为“ai1”的概率为0.8，“ai1”被读为“ai2”的概率为0.15，“ai1”被读为“ai3”的概率为0.05。

	ai1	ai2	ai3
				ai1	0.8	0.15	0.05
ai2	0.2	0.75	0.05
				ai3	0.15	0.05	0.8

表1

步骤S13可以有多种实现方式，其中一种实现方式可以为：首先，利用发音混淆矩阵，获取对需要被纠错的字进行修正的词中的每个字的拼音与需要被纠错的字的拼音的相似度；然后，若相似度大于预设阈值，则确定该字是用于对需要被纠错的字进行纠错的候选字。

在一个实施例中，在需要被纠错的字为一个字的情况下，可以利用发音混淆矩阵，获取对需要被纠错的字进行修正的词中的每个字的拼音与该需要被纠错的字的拼音的相似度。

例如，以语音识别后的文本是“觉醒的绝怎么写”为例，在在步骤S12中提取出了需要被纠错的字是“绝”、对需要被纠错的字进行修正的词是“觉醒”之后，在步骤S13中利用发音混淆矩阵获取“觉醒”中的每个字也即“觉”和“醒”的拼音与需要被纠错的字“绝”的拼音的相似度。

在又一实施例中，在需要被纠错的字为两个字的情况下，可以利用发音混淆矩阵，获取从对需要被纠错的字进行修正的词中最开始的字依次选择两个字的拼音与需要被纠错的字的两个字的拼音的相似度。

例如，以语音识别后的文本是“两只黄鹂鸣翠柳的黄历怎么写”为例，在在步骤S12中提取出了需要被纠错的字是“黄历”、对需要被纠错的字进行修正的词是“两只黄鹂鸣翠柳”之后，在步骤S13中，首先利用发音混淆矩阵获取“两只黄鹂鸣翠柳”中的“两只”与需要被纠错的字“黄历”的拼音相似度，然后利用发音混淆矩阵获取“两只黄鹂鸣翠柳”中的“只黄”与需要被纠错的字“黄历”的拼音相似度，然后利用发音混淆矩阵获取“两只黄鹂鸣翠柳”中的“黄鹂”与需要被纠错的字“黄历”的拼音相似度，然后利用发音混淆矩阵获取“两只黄鹂鸣翠柳”中的“鹂鸣”与需要被纠错的字“黄历”的拼音相似度，然后利用发音混淆矩阵获取“两只黄鹂鸣翠柳”中的“鸣翠”与需要被纠错的字“黄历”的拼音相似度，然后利用发音混淆矩阵获取“两只黄鹂鸣翠柳”中的“翠柳”与需要被纠错的字“黄历”的拼音相似度。

另外，在需要被纠错的字为一个字或两个字的情况下，都可能出现需要被纠错的字是多音字，也即有多个发音的情况。在出现多音字的情况下，则需要获取对需要被纠错的字进行修正的词中的每个字的拼音与该需要被纠错的字的每个发音的相似度。

以语音识别后的文本是“绵绵不绝的觉怎么写”为例，由于“觉”有多个发音，例如，可以读“jué”，也可以读“jiào”，所以在获取相似度时，需要获取“觉”的每个发音与“绵绵不绝”中的每个字的拼音的相似度。

再以语音识别后的文本是“大旱逢甘霖的大汉怎么写”为例，由于“大汉”有多个发音，例如，可以读“Dà hán”，也可以读“Dà hàn”，所以在获取相似度时，需要获取“大汉”的每个发音与“大旱逢甘霖”中每两个连续字的拼音的相似度。

在步骤S14中，利用候选字对需要被纠错的字进行纠错。

也即，在该步骤中，从候选字中选择相似度最大的候选字对需要被纠错的字进行纠错。仍然以上述的“两只黄鹂鸣翠柳”的示例为例，假设在步骤S13中获取到，“黄鹂”与需要被纠错的字“黄历”的拼音相似度最大，则在步骤S14中，将需要被纠错的字“黄历”纠正为“黄鹂”。从而，在经过后处理之后，使得语音识别后的文本从“两只黄鹂鸣翠柳的黄历怎么写”被纠正成“两只黄鹂鸣翠柳的黄鹂怎么写”。

通过采用上述技术方案，首先基于词中字文本的表达特点，检查语音识别后的文本是否属于词中字文本，然后若语音识别后的文本属于词中字文本，则从语音识别后的文本中提取需要被纠错的字和用于对需要被纠错的字进行修正的词，然后利用发音混淆矩阵，从对需要被纠错的字进行修正的词中寻找用于对需要被纠错的字进行纠错的候选字，最后利用候选字对需要被纠错的字进行纠错，这样就能够利用语音识别后的词中字文本中语音识别正确的词对语音识别错误的字进行纠错，从而能够大幅度提高语音识别的句准率，纠正识别结果中的词中字，提升语音识别的用户体验。

图2是根据本公开一种实施例的语音识别后文本的纠错装置的示意框图。如图2所示，该装置包括：检查模块21，用于基于词中字文本的表达特点，检查语音识别后的文本是否属于词中字文本；提取模块22，用于若语音识别后的文本属于词中字文本，则从语音识别后的文本中提取需要被纠错的字和用于对需要被纠错的字进行修正的词，其中，需要被纠错的字与用于对需要被纠错的字进行修正的词之间是词中字的关系；寻找模块23，用于利用发音混淆矩阵，从对需要被纠错的字进行修正的词中寻找用于对需要被纠错的字进行纠错的候选字，其中，发音混淆矩阵中包括每个发音被识别为其他发音的概率；纠错模块24，用于利用候选字对需要被纠错的字进行纠错。

通过采用上述技术方案，首先基于词中字文本的表达特点，检查语音识别后的文本是否属于词中字文本，然后若语音识别后的文本属于词中字文本，则从语音识别后的文本中提取需要被纠错的字和用于对需要被纠错的字进行修正的词，然后利用发音混淆矩阵，从对需要被纠错的字进行修正的词中寻找用于对需要被纠错的字进行纠错的候选字，最后利用候选字对需要被纠错的字进行纠错，这样就能够利用语音识别后的词中字文本中语音识别正确的词对语音识别错误的字进行纠错，从而能够大幅度提高语音识别的句准率，纠正识别结果中的词中字，提升语音识别的用户体验。

可选地，所述检查模块21还用于：检查所述语音识别后的文本是否满足“A的B”的表达特点，其中，A是一个词，B是A中的字；若所述语音识别后的文本满足所述“A的B”的表达特点，则所述语音识别后的文本属于词中字文本。

可选地，提取模块22包括：边界划分子模块，用于基于词中字文本的表达特点，对语音识别后的文本中的字词进行边界划分；提取子模块，用于基于词中字文本的表达特点，从边界划分后的字词中提取需要被纠错的字和用于对需要被纠错的字进行修正的词。

可选地，需要被纠错的字最长为两个字，对需要被纠错的字进行修正的词最长为7个字。

可选地，寻找模块23包括：获取子模块，用于利用发音混淆矩阵，获取对需要被纠错的字进行修正的词中的每个字的拼音与需要被纠错的字的拼音的相似度；确定子模块，用于若相似度大于预设阈值，则确定该字是用于对需要被纠错的字进行纠错的候选字。

可选地，获取子模块用于：在需要被纠错的字为一个字的情况下，利用发音混淆矩阵，获取对需要被纠错的字进行修正的词中的每个字的拼音与该需要被纠错的字的拼音的相似度。

可选地，获取子模块用于：在需要被纠错的字为两个字的情况下，利用发音混淆矩阵，获取从对需要被纠错的字进行修正的词中最开始的字依次选择两个字的拼音与需要被纠错的字的两个字的拼音的相似度。

可选地，获取子模块还用于：若所述需要被纠错的字有多个发音，则获取所述对所述需要被纠错的字进行修正的词中的每个字的拼音与该需要被纠错的字的每个发音的相似度。

可选地，纠错模块24还用于：从候选字中选择相似度最大的候选字对需要被纠错的字进行纠错。

下面参考图3，其示出了适于用来实现本公开实施例的电子设备600的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图3示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图3所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：基于词中字文本的表达特点，检查语音识别后的文本是否属于词中字文本；若所述语音识别后的文本属于词中字文本，则从所述语音识别后的文本中提取需要被纠错的字和用于对所述需要被纠错的字进行修正的词，其中，所述需要被纠错的字与用于对所述需要被纠错的字进行修正的词之间是词中字的关系；利用发音混淆矩阵，从所述对所述需要被纠错的字进行修正的词中寻找用于对所述需要被纠错的字进行纠错的候选字，其中，所述发音混淆矩阵中包括每个发音被识别为其他发音的概率；利用所述候选字对所述需要被纠错的字进行纠错。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该模块本身的限定。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

根据本公开的一个或多个实施例，示例1提供了一种语音识别后文本的纠错方法，包括：基于词中字文本的表达特点，检查语音识别后的文本是否属于词中字文本；若所述语音识别后的文本属于词中字文本，则从所述语音识别后的文本中提取需要被纠错的字和用于对所述需要被纠错的字进行修正的词，其中，所述需要被纠错的字与用于对所述需要被纠错的字进行修正的词之间是词中字的关系；利用发音混淆矩阵，从所述对所述需要被纠错的字进行修正的词中寻找用于对所述需要被纠错的字进行纠错的候选字，其中，所述发音混淆矩阵中包括每个发音被识别为其他发音的概率；利用所述候选字对所述需要被纠错的字进行纠错。

根据本公开的一个或多个实施例，示例2提供了示例1的方法，其中，所述基于词中字文本的表达特点，检查语音识别后的文本是否属于词中字文本，包括：检查所述语音识别后的文本是否满足“A的B”的表达特点，其中，A是一个词，B是A中的字；若所述语音识别后的文本满足所述“A的B”的表达特点，则所述语音识别后的文本属于词中字文本。

根据本公开的一个或多个实施例，示例3提供了示例1的方法，其中，所述从所述语音识别后的文本中提取需要被纠错的字和用于对所述需要被纠错的字进行修正的词，包括：基于所述词中字文本的表达特点，对所述语音识别后的文本中的字词进行边界划分；基于所述词中字文本的表达特点，从边界划分后的字词中提取需要被纠错的字和用于对所述需要被纠错的字进行修正的词。

根据本公开的一个或多个实施例，示例4提供了示例1的方法，其中，所述利用发音混淆矩阵，从所述对所述需要被纠错的字进行修正的词中寻找用于对所述需要被纠错的字进行纠错的候选字，包括：利用所述发音混淆矩阵，获取所述对所述需要被纠错的字进行修正的词中的每个字的拼音与所述需要被纠错的字的拼音的相似度；若所述相似度大于预设阈值，则确定该字是用于对所述需要被纠错的字进行纠错的候选字。

根据本公开的一个或多个实施例，示例5提供了示例4的方法，其中，所述利用所述发音混淆矩阵，获取所述对所述需要被纠错的字进行修正的词中的每个字的拼音与所述需要被纠错的字的拼音的相似度，包括：在所述需要被纠错的字为一个字的情况下，利用所述发音混淆矩阵，获取所述对所述需要被纠错的字进行修正的词中的每个字的拼音与该需要被纠错的字的拼音的相似度。

根据本公开的一个或多个实施例，示例6提供了示例4的方法，其中，所述利用所述发音混淆矩阵，获取所述对所述需要被纠错的字进行修正的词中的每个字的拼音与所述需要被纠错的字的拼音的相似度，包括：在所述需要被纠错的字为两个字的情况下，利用所述发音混淆矩阵，获取从所述对所述需要被纠错的字进行修正的词中最开始的字依次选择两个字的拼音与所述需要被纠错的字的两个字的拼音的相似度。

根据本公开的一个或多个实施例，示例7提供了示例5或6的方法，其中，若所述需要被纠错的字有多个发音，则获取所述对所述需要被纠错的字进行修正的词中的每个字的拼音与该需要被纠错的字的每个发音的相似度。

根据本公开的一个或多个实施例，示例8提供了示例1的方法，其中，所述利用所述候选字对所述需要被纠错的字进行纠错，包括：从所述候选字中选择相似度最大的候选字对所述需要被纠错的字进行纠错。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

Claims (11)

1.一种语音识别后文本的纠错方法，其特征在于，包括：

基于词中字文本的表达特点，检查语音识别后的文本是否属于词中字文本；

若所述语音识别后的文本属于词中字文本，则从所述语音识别后的文本中提取需要被纠错的字和用于对所述需要被纠错的字进行修正的词，其中，所述需要被纠错的字与用于对所述需要被纠错的字进行修正的词之间是词中字的关系；

利用发音混淆矩阵，从所述对所述需要被纠错的字进行修正的词中寻找用于对所述需要被纠错的字进行纠错的候选字，其中，所述发音混淆矩阵中包括每个发音被识别为其他发音的概率；

利用所述候选字对所述需要被纠错的字进行纠错。

2.根据权利要求1所述的方法，其特征在于，所述基于词中字文本的表达特点，检查语音识别后的文本是否属于词中字文本，包括：

检查所述语音识别后的文本是否满足“A的B”的表达特点，其中，A是一个词，B是A中的字；

若所述语音识别后的文本满足所述“A的B”的表达特点，则所述语音识别后的文本属于词中字文本。

3.根据权利要求1所述的方法，其特征在于，所述从所述语音识别后的文本中提取需要被纠错的字和用于对所述需要被纠错的字进行修正的词，包括：

基于所述词中字文本的表达特点，对所述语音识别后的文本中的字词进行边界划分；

基于所述词中字文本的表达特点，从边界划分后的字词中提取需要被纠错的字和用于对所述需要被纠错的字进行修正的词。

4.根据权利要求1所述的方法，其特征在于，所述利用发音混淆矩阵，从所述对所述需要被纠错的字进行修正的词中寻找用于对所述需要被纠错的字进行纠错的候选字，包括：

利用所述发音混淆矩阵，获取所述对所述需要被纠错的字进行修正的词中的每个字的拼音与所述需要被纠错的字的拼音的相似度；

若所述相似度大于预设阈值，则确定该字是用于对所述需要被纠错的字进行纠错的候选字。

5.根据权利要求4所述的方法，其特征在于，所述利用所述发音混淆矩阵，获取所述对所述需要被纠错的字进行修正的词中的每个字的拼音与所述需要被纠错的字的拼音的相似度，包括：

在所述需要被纠错的字为一个字的情况下，利用所述发音混淆矩阵，获取所述对所述需要被纠错的字进行修正的词中的每个字的拼音与该需要被纠错的字的拼音的相似度。

6.根据权利要求4所述的方法，其特征在于，所述利用所述发音混淆矩阵，获取所述对所述需要被纠错的字进行修正的词中的每个字的拼音与所述需要被纠错的字的拼音的相似度，包括：

在所述需要被纠错的字为两个字的情况下，利用所述发音混淆矩阵，获取从所述对所述需要被纠错的字进行修正的词中最开始的字依次选择两个字的拼音与所述需要被纠错的字的两个字的拼音的相似度。

7.根据权利要求5或6所述的方法，其特征在于，若所述需要被纠错的字有多个发音，则获取所述对所述需要被纠错的字进行修正的词中的每个字的拼音与该需要被纠错的字的每个发音的相似度。

8.根据权利要求1所述的方法，其特征在于，所述利用所述候选字对所述需要被纠错的字进行纠错，包括：

从所述候选字中选择相似度最大的候选字对所述需要被纠错的字进行纠错。

9.一种语音识别后文本的纠错装置，其特征在于，包括：

检查模块，用于基于词中字文本的表达特点，检查语音识别后的文本是否属于词中字文本；

提取模块，用于若所述语音识别后的文本属于词中字文本，则从所述语音识别后的文本中提取需要被纠错的字和用于对所述需要被纠错的字进行修正的词，其中，所述需要被纠错的字与用于对所述需要被纠错的字进行修正的词之间是词中字的关系；

寻找模块，用于利用发音混淆矩阵，从所述对所述需要被纠错的字进行修正的词中寻找用于对所述需要被纠错的字进行纠错的候选字，其中，所述发音混淆矩阵中包括每个发音被识别为其他发音的概率；

纠错模块，用于利用所述候选字对所述需要被纠错的字进行纠错。

10.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理装置执行时实现权利要求1-8中任一项所述方法的步骤。

11.一种电子设备，其特征在于，包括：

存储装置，其上存储有计算机程序；

处理装置，用于执行所述存储装置中的所述计算机程序，以实现权利要求1-8中任一项所述方法的步骤。