CN111090991A - 场景纠错方法、装置、电子设备和存储介质 - Google Patents

Abstract

本申请公开了场景纠错方法、装置、电子设备和存储介质，涉及纠错技术领域。具体实现方案为：在需要对用户在当前场景下输入的原文本信息进行纠错时，从当前场景对应的语料集合获取与原文本信息匹配的候选语料，并根据候选语料对原文本信息进行事实识别，以确定原文本信息是否存在错误，并在原文本信息存在错误时，根据候选语料对原文本信息进行纠错，并向用户提供纠错后的文本信息。由此，提供了一种基于场景语料对原文本信息进行纠错的方式，结合对原文本信息进行事实例证的结果，准确实现了对不同场景中的原文本信息纠错。

Description

场景纠错方法、装置、电子设备和存储介质

技术领域

本申请涉及计算机技术领域，具体涉纠错技术领域，尤其涉及场景纠错方法、装置、电子设备和存储介质。

背景技术

语言在使用的过程中，若使用者对语言掌握不够或者粗心大意时，则很容易发生用词不当、张冠李戴等错误。在某些场景，很小的语言错误也可能带来非常恶劣的影响。而纠错技术就是解决这一问题的技术。

在对输入文本进行纠错的过程中，相关技术中的纠错方式包括传统纠错方式和基于深度学习的纠错方式，传统纠错方式通过语言模型和翻译模型对错误文本翻译为正确文本，基于深度学习的纠错方式，通过大规模的监督语料对训练纠错模型，并通过训练后的纠错模型直接对输入文本进行纠错。然而，在实现本申请的过程中发明人发现相关技术中至少存在如下技术问题：传统纠错方式在对不同场景的输入文本进行纠错时，需要训练不同场景各自对应的语言模型和翻译模型，并且，对不同场景需要人工挑选特征，同时需要训练场景相关的语言模型和翻译模型，缺乏可扩展性和通用性，并且，该方式所得的纠错后的文本可能并不符合实际事实情况。基于深度学习的纠错方式，需要人工标标注监督语料，对不同场景需要不同的纠错模型，不同场景件模型不能服用，场景纠错成本较高。因此，如何有效地实现场景纠错是目前亟需解决的技术问题。

发明内容

本申请提出一种场景纠错方法、装置、电子设备和存储介质，直接结合场景语料库中与输入文本匹配的候选语料，并结合候选语料对原文本信息进行事实例证，准确实现了对不同场景中的原文本信息纠错。

本申请第一方面实施例提出了一种场景纠错方法，包括：获取用户在当前场景下输入的原文本信息；从预先构建的场景语料库中，获取与所述当前场景对应的语料集合；从所述语料集合中获取与所述原文本信息匹配的候选语料；根据所述候选语料对所述原文本信息进行事实识别，以确定所述原文本信息是否存在错误；如果所述原文本信息存在错误，则根据所述候选语料对所述原文本信息进行纠错，并向所述用户提供纠错后的文本信息。

在本申请的一个实施例中，所述根据所述候选语料对所述原文本信息进行事实识别，以确定所述原文本信息是否存在错误，包括：对所述原文本信息进行事实信息抽取，以得到所述原文本信息中描述的事实信息，其中，所述事实信息包括：实体的属性信息，所述属性信息包括属性以及所述属性的第一属性值；获取所述候选语料中所述属性的第二属性值，其中，所述第二属性值为所述属性的真实属性值；如果所述第一属性值和所述第二属性值不一致，则确定所述原文本信息存在错误；所述根据所述候选语料对所述原文本信息进行纠错，包括：将所述原文本信息中的所述第一属性值替换为所述第二属性值，以得到纠错后的文本信息。

在本申请的一个实施例中，所述根据所述候选语料对所述原文本信息进行事实识别，以确定所述原文本信息是否存在错误，包括：对所述候选语料和所述原文本信息进行推理分析，以得到所述候选语料和所述原文本信息的推理关系；如果所述推理关系为第一类型，则确定所述原文本信息存在错误，其中，所述第一类型，用于表示所述候选语料与所述原文本信息矛盾。

在本申请的一个实施例中，所述对所述候选语料和所述原文本信息进行推理分析，以得到所述候选语料和所述原文本信息的推理关系，包括：将所述候选语料和所述原文本信息输入到预设的自然语言推理模型中，以得到所述候选语料和所述原文本信息的推理关系。

在本申请的一个实施例中，所述从所述语料集合中获取与所述原文本信息匹配的候选语料，包括：确定所述原文本信息与所述语料集合中各个语料的相关度；根据所述相关度，从所述语料集合中选择相关度高的前M个语料作为候选语料，其中，M为正整数。

在本申请的一个实施例中，所述确定所述原文本信息与所述语料集合中各个语料的相关度，包括：针对所述语料集合中的每个语料，获取所述原文本信息中的第一关键词特征，并获取所述语料中的第二关键词特征；根据所述第一关键词特征和所述第二关键词特征，确定所述原文本信息与所述语料的相关度。

在本申请的一个实施例中，所述方法还包括：接收所述用户的场景扩展请求，其中，所述场景扩展请求包括新场景的场景语料数据；将所述新场景的场景语料数据添加到所述场景语料库中。

本申请实施例的场景纠错方法，在需要对用户在当前场景下输入的原文本信息进行纠错时，从当前场景对应的语料集合获取与原文本信息匹配的候选语料，并根据候选语料对原文本信息进行事实识别，以确定原文本信息是否存在错误，并在原文本信息存在错误时，根据候选语料对原文本信息进行纠错，并向用户提供纠错后的文本信息。由此，提供了一种基于场景语料对原文本信息进行纠错的方式，结合对原文本信息进行事实例证的结果，准确实现了对不同场景中的原文本信息纠错。

本申请第二方面实施例提出了一种场景纠错装置，其特征在于，包括：第一获取模块，用于获取用户在当前场景下输入的原文本信息；第二获取模块，用于从预先构建的场景语料库中，获取与所述当前场景对应的语料集合；匹配模块，用于从所述语料集合中获取与所述原文本信息匹配的候选语料；事实识别模块，用于根据所述候选语料对所述原文本信息进行事实识别，以确定所述原文本信息是否存在错误；纠错模块，用于如果所述原文本信息存在错误，则根据所述候选语料对所述原文本信息进行纠错，并向所述用户提供纠错后的文本信息。

在本申请一个实施例中，所述事实识别模块，具体用于：对所述原文本信息进行事实信息抽取，以得到所述原文本信息中描述的事实信息，其中，所述事实信息包括：实体的属性信息，所述属性信息包括属性以及所述属性的第一属性值；获取所述候选语料中所述属性的第二属性值，其中，所述第二属性值为所述属性的真实属性值；如果所述第一属性值和所述第二属性值不一致，则确定所述原文本信息存在错误；所述纠错模块，具体用于：将所述原文本信息中的所述第一属性值替换为所述第二属性值，以得到纠错后的文本信息。

在本申请一个实施例中，所述事实识别模块，包括：推理单元，用于对所述候选语料和所述原文本信息进行推理分析，以得到所述候选语料和所述原文本信息的推理关系；第一确定单元，用于如果所述推理关系为第一类型，则确定所述原文本信息存在错误，其中，所述第一类型，用于表示所述候选语料与所述原文本信息矛盾。

在本申请一个实施例中，所述推理单元，具体用于：将所述候选语料和所述原文本信息输入到预设的自然语言推理模型中，以得到所述候选语料和所述原文本信息的推理关系。

在本申请一个实施例中，所述匹配模块，包括：第二确定单元，用于确定所述原文本信息与所述语料集合中各个语料的相关度；选择单元，用于根据所述相关度，从所述语料集合中选择相关度高的前M个语料作为候选语料，其中，M为正整数。

在本申请一个实施例中，所述第二确定单元，具体用于：针对所述语料集合中的每个语料，获取所述原文本信息中的第一关键词特征，并获取所述语料中的第二关键词特征；根据所述第一关键词特征和所述第二关键词特征，确定所述原文本信息与所述语料的相关度。

在本申请一个实施例中，所述装置还包括：接收模块，用于接收所述用户的场景扩展请求，其中，所述场景扩展请求包括新场景的场景语料数据；添加模块，用于将所述新场景的场景语料数据添加到所述场景语料库中。

本申请实施例的场景纠错装置，在需要对用户在当前场景下输入的原文本信息进行纠错时，从当前场景对应的语料集合获取与原文本信息匹配的候选语料，并根据候选语料对原文本信息进行事实识别，以确定原文本信息是否存在错误，并在原文本信息存在错误时，根据候选语料对原文本信息进行纠错，并向用户提供纠错后的文本信息。由此，提供了一种基于场景语料对原文本信息进行纠错的方式，结合对原文本信息进行事实例证的结果，准确实现了对不同场景中的原文本信息纠错。

本申请第三方面实施例提出了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请实施例的场景纠错方法。

本申请第四方面实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本申请实施例公开的场景纠错方法。

上述申请中的一个实施例具有如下优点或有益效果：直接结合场景语料库中与输入文本匹配的候选语料，并结合候选语料对原文本信息进行事实例证，准确实现了对不同场景中的原文本信息纠错。因为从当前场景对应的语料集合获取与原文本信息匹配的候选语料，并根据候选语料对原文本信息进行事实识别，以确定原文本信息是否存在错误，并在原文本信息存在错误时，根据候选语料对原文本信息进行纠错，并向用户提供纠错后的文本信息的技术手段，所以克服了相关技术中纠错后的文本可能并不符合实际事实情况的技术问题，从而达到了实现了结合对应场景的候选语料对原文本信息进行事实，准确实现了对不同场景中的原文本信息纠错的技术效果。

上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是根据本申请第一实施例的示意图；

图2根据本申请第二实施例的示意图；

图3是根据本申请第三实施例的示意图；

图4是根据本申请一个实施例的具体流程示意图；

图5是根据本申请第四实施例的示意图；

图6是根据本申请第五实施例的示意图；

图7是用来实现本申请实施例的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

下面参考附图描述本申请实施例的场景纠错方法、装置、电子设备和存储介质。

图1是根据本申请第一实施例的示意图。其中，需要说明的是，本实施例的场景纠错方法的执行主体为场景纠错装置，该装置可以由软件和/或硬件的方式实现，该装置可以配置在电子设备中，电子设备可以包括但不限于终端设备、服务器等，该实施例对此不作具体限定。

如图1所示，该场景纠错方法可以包括：

步骤101，获取用户在当前场景下输入的原文本信息。

具体地，在当前场景下，在用户输入文本的过程中，在需要对用户输入的文本进行纠错时，可获取用户在当前场景中当前输入的原文本信息。

在本实施例中，为了满足用户个性化输入的需求，本实施例中的原文本信息可以是基于语音、文本或者图像等方式输入的，可以理解的是，在以语音输入时，在获取用户输入的语音信息后，可对输入的语音信息进行语音识别，并将语音识别所得到的文本信息作为原文本信息。在以图像输入时，在获取用户输入的图像后，可图像进行文字识别，并将所识别到的文字作为原文本信息。

本实施例中的当前场景可以为客服语音场景，文本审核场景、地图场景、搜索场景等场景，该实施例对此不作具体限定。

步骤102，从预先构建的场景语料库中，获取与当前场景对应的语料集合。

本实施例中场景语料库中保存了各个场景对应的语料集合，其中，语料集合中包括大量的语料。

其中，需要理解的是，本实施例中的语料集合中的语料所描述的信息是相应场景下常用的正确文本信息，该正确文本信息是基于实际事实情况所描述的。

步骤103，从语料集合中获取与原文本信息匹配的候选语料。

在本实施例，从语料集合中获取与原文本信息匹配的候选语语料的具体实现方式为：确定原文本信息与语料集合中各个语料的相关度；根据相关度，从语料集合中选择相关度高的前M个语料作为候选语料，其中，M为正整数。

在本实施例中，可基于关键字匹配技术，确定原文本信息与语料集合中各个语料在关键词特征维度上的相关度。

具体地，针对语料集合中的每个语料，可获取原文本信息中的第一关键词特征，并获取语料中的第二关键词特征；根据第一关键词特征和第二关键词特征，确定原文本信息与语料的相关度。

在本实施例中，为了进一步提高所选择的候选语料的准确度，作为一种示例性的实施方式，还可以计算出原文本信息与语料集合中各个语料在各个预设特征维度上的相关度，然后，基于原文本信息与各个语料在各个预设特征维度上的相关度，确定出原文本信息与相应语料之间的相关度。

其中，预设特征维度可以包括关键词特征维度、语义特征维度和依存句法特征维度。

步骤104，根据候选语料对原文本信息进行事实识别，以确定原文本信息是否存在错误。

在本实施例中，根据候选语料对原文本信息进行事实识别，以确定原文本信息是否存在错误的具体实现方式可以为：可对候选语料和原文本信息进行推理分析，以得到候选语料和原文本信息的推理关系，如果确定推理关系为第一类型，则确定原文本信息存在错误。

其中，第一类型，用于表示候选语料与原文本信息矛盾。

其中，本实施例中的推理关系除了包括第一类型外，可以包括第二类型，第二类型用于表示候选语料与原文本信息一致，在推理关系为第二类型时，说明候选语料和原文本信息中的描述事实信息是一致的。

在本实施例中，为了方便快捷地确定出候选语料和原文本信息的推理关系，可通过将候选语料和原文本信息输入到预设的自然语言推理模型(Natural languageinference，NLI)中，以得到候选语料和原文本信息的推理关系。

步骤105，如果原文本信息存在错误，则根据候选语料对原文本信息进行纠错，并向用户提供纠错后的文本信息。

例如，在搜索场景中，在用户在搜索框中输入原文本信息为：“某某的妻子是A”，然而，实际上某某的妻子是B，此时，相关技术中的纠错方式并不会对用户输入的A进行纠错，而本实施例所提供的纠错方式，通过候选资料，对原文本信息进行事实识别时，可确定出原文本信息中所描述的妻子是不对的，并根据候选语料，将原文本信息修改为“某某的妻子是B”，并将修改后的信息“某某的妻子是B”作为纠错后的文本信息提供给用户，从而实现对对应场景下，基于真实事实信息实现了对原文本信息的准确纠错。

本申请实施例的场景纠错方法，在需要对用户在当前场景下输入的原文本信息进行纠错时，从当前场景对应的语料集合获取与原文本信息匹配的候选语料，并根据候选语料对原文本信息进行事实识别，以确定原文本信息是否存在错误，并在原文本信息存在错误时，根据候选语料对原文本信息进行纠错，并向用户提供纠错后的文本信息。由此，提供了一种基于场景语料对原文本信息进行纠错的方式，结合对原文本信息进行事实例证的结果，准确实现了对不同场景中的原文本信息纠错。

基于上述实施例的基础上，在实际应用中，在需要对新场景中用户输入的原文本信息进行纠错时，相关技术中，需要人工进行特征挑选和人力标注，然而，本实施例中，通过将新场景的语料数据添加到场景语料库中，即可方便后续基于更新后的场景语料库，实现对新场景中用户输入的原文本信息的纠错，下面结合图2对本实施例的更新场景语料库进行进一步描述。

如图2所示，该方法还可以包括：

步骤201，接收用户的场景扩展请求，其中，场景扩展请求包括新场景的场景语料数据。

在本实施例中，为了提高后续对新场景中的文本进行准确纠错，可清理新场景的场景语料数据中不符合预定标准的语料，并将处理后的场景语料数据保存到场景语料库中。

步骤202，将新场景的场景语料数据添加到场景语料库中。

在本实施例中，通过在场景语料中增加新场景的场景语料数据即可实现纠错场景的扩展，并且，扩展新场景的过程中，不需要人工进行特征挑选和人工标注，大大减少了纠错场景中所需要的人工成本，方便随时根据需求在场景语料库中扩展纠错场景。

图3是本申请实施例的第三个实施例。其中，需要说明的是，本实施例是对上述实施例的进一步细化或者扩展。

如图3所示，该方法可以包括：

步骤301，获取用户在当前场景下输入的原文本信息。

步骤302，从预先构建的场景语料库中，获取与当前场景对应的语料集合。

步骤303，从语料集合中获取与原文本信息匹配的候选语料。

步骤304，对原文本信息进行事实信息抽取，以得到原文本信息中描述的事实信息，其中，事实信息包括：实体的属性信息，属性信息包括属性以及属性的第一属性值。

步骤305，获取候选语料中属性的第二属性值，其中，第二属性值为属性的真实属性值。

在本实施例中，可对候选语料进行事实信息抽取，以得到原文本信息中描述的事实信息，其中，原文本信息中描述的事实信息可以包括实体的属性的第一属性值，还可以包括实体的其他属性的属性值。

步骤306，如果第一属性值和第二属性值不一致，则确定原文本信息存在错误。

步骤307，将原文本信息中的第一属性值替换为第二属性值，以得到纠错后的文本信息，并向用户提供纠错后的文本信息。

为了使得本领域技术人员更加清楚了解本申请，下面结合图4对本实施例的场景纠错方法进行描述。

其中，在本实施例中，语料库中包括特定场景语料和通用语料，具体地，在用户在当前场景下输入文本后，可判断场景语料库中是否存在该当前场景的语料数据，如果不存在，则可通过搜索引擎从通用场景语料中抽取与输入文本相关的候选语料，如果存在，则通过搜索引擎从当前场景对应的场景语料中抽取与输入文本相关的候选语料，然后，将输入文本和候选语料输入到验证模块中，验证模块用于基于自然语言推理模型或者语义匹配模型，利用候选文本，确定输入文本是否正确，并在输入文本错误时，基于候选文本对输入文本进行纠错，并输出纠错文本。

为了实现上述实施例，本申请实施例还提供一种场景纠错装置。

图5是根据本申请第五实施例的示意图。如图5所示，该场景纠错装置100包括第一获取模块110、第二获取模块120、匹配模块130、事实识别模块140和纠错模块150，其中：

第一获取模块110，用于获取用户在当前场景下输入的原文本信息。

第二获取模块120，用于从预先构建的场景语料库中，获取与当前场景对应的语料集合。

匹配模块130，用于从语料集合中获取与原文本信息匹配的候选语料。

事实识别模块140，用于根据候选语料对原文本信息进行事实识别，以确定原文本信息是否存在错误。

纠错模块150，用于如果原文本信息存在错误，则根据候选语料对原文本信息进行纠错，并向用户提供纠错后的文本信息。

在本申请一个实施例中，事实识别模块140具体用于：对原文本信息进行事实信息抽取，以得到原文本信息中描述的事实信息，其中，事实信息包括：实体的属性信息，属性信息包括属性以及属性的第一属性值。获取候选语料中属性的第二属性值，其中，第二属性值为属性的真实属性值。如果第一属性值和第二属性值不一致，则确定原文本信息存在错误。

在本申请一个实施例中，纠错模块150具体用于：将原文本信息中的第一属性值替换为第二属性值，以得到纠错后的文本信息。

在本申请一个实施例中，事实识别模块140包括：

推理单元，用于对候选语料和原文本信息进行推理分析，以得到候选语料和原文本信息的推理关系。

第一确定单元，用于如果推理关系为第一类型，则确定原文本信息存在错误，其中，第一类型，用于表示候选语料与原文本信息矛盾。

推理单元，具体用于：将候选语料和原文本信息输入到预设的自然语言推理模型中，以得到候选语料和原文本信息的推理关系。

在本申请一个实施例中，匹配模块130可以包括：

第二确定单元，用于确定原文本信息与语料集合中各个语料的相关度。

选择单元，用于根据相关度，从语料集合中选择相关度高的前M个语料作为候选语料，其中，M为正整数。

在本申请一个实施例中，第二确定单元，具体用于：针对语料集合中的每个语料，获取原文本信息中的第一关键词特征，并获取语料中的第二关键词特征。根据第一关键词特征和第二关键词特征，确定原文本信息与语料的相关度。

基于上述实施例的基础上，在图5所示的实施例的基础上，如图6所示，装置还包括：

接收模块160，用于接收用户的场景扩展请求，其中，场景扩展请求包括新场景的场景语料数据。

添加模块170，用于将新场景的场景语料数据添加到场景语料库中。

其中，需要说明的是，前述对场景纠错方法的解释说明也适用于本实施例的场景纠错装置，此处不再赘述。

本申请实施例的场景纠错装置，在需要对用户在当前场景下输入的原文本信息进行纠错时，从当前场景对应的语料集合获取与原文本信息匹配的候选语料，并根据候选语料对原文本信息进行事实识别，以确定原文本信息是否存在错误，并在原文本信息存在错误时，根据候选语料对原文本信息进行纠错，并向用户提供纠错后的文本信息。由此，提供了一种基于场景语料对原文本信息进行纠错的方式，结合对原文本信息进行事实例证的结果，准确实现了对不同场景中的原文本信息纠错。

根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。

如图7所示，是根据本申请实施例的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图7所示，该电子设备包括：一个或多个处理器701、存储器702，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图7中以一个处理器701为例。

存储器702即为本申请所提供的非瞬时计算机可读存储介质。其中，存储器存储有可由至少一个处理器执行的指令，以使至少一个处理器执行本申请所提供的场景纠错方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的场景纠错方法。

存储器702作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的场景纠错方法对应的程序指令/模块。处理器701通过运行存储在存储器702中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的场景纠错方法。

存储器702可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器702可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器702可选包括相对于处理器701远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

电子设备还可以包括：输入装置703和输出装置704。处理器701、存储器702、输入装置703和输出装置704可以通过总线或者其他方式连接，图7中以通过总线连接为例。

输入装置703可接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置704可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (16)

1.一种场景纠错方法，其特征在于，所述方法包括：

获取用户在当前场景下输入的原文本信息；

从预先构建的场景语料库中，获取与所述当前场景对应的语料集合；

从所述语料集合中获取与所述原文本信息匹配的候选语料；

根据所述候选语料对所述原文本信息进行事实识别，以确定所述原文本信息是否存在错误；

如果所述原文本信息存在错误，则根据所述候选语料对所述原文本信息进行纠错，并向所述用户提供纠错后的文本信息。

2.根据权利要求1所述的方法，其特征在于，所述根据所述候选语料对所述原文本信息进行事实识别，以确定所述原文本信息是否存在错误，包括：

对所述原文本信息进行事实信息抽取，以得到所述原文本信息中描述的事实信息，其中，所述事实信息包括：实体的属性信息，所述属性信息包括属性以及所述属性的第一属性值；

获取所述候选语料中所述属性的第二属性值，其中，所述第二属性值为所述属性的真实属性值；

如果所述第一属性值和所述第二属性值不一致，则确定所述原文本信息存在错误；

所述根据所述候选语料对所述原文本信息进行纠错，包括：

将所述原文本信息中的所述第一属性值替换为所述第二属性值，以得到纠错后的文本信息。

3.根据权利要求1所述的方法，其特征在于，所述根据所述候选语料对所述原文本信息进行事实识别，以确定所述原文本信息是否存在错误，包括：

对所述候选语料和所述原文本信息进行推理分析，以得到所述候选语料和所述原文本信息的推理关系；

如果所述推理关系为第一类型，则确定所述原文本信息存在错误，其中，所述第一类型，用于表示所述候选语料与所述原文本信息矛盾。

4.根据权利要求3所述的方法，其特征在于，所述对所述候选语料和所述原文本信息进行推理分析，以得到所述候选语料和所述原文本信息的推理关系，包括：

将所述候选语料和所述原文本信息输入到预设的自然语言推理模型中，以得到所述候选语料和所述原文本信息的推理关系。

5.根据权利要求1所述的方法，其特征在于，所述从所述语料集合中获取与所述原文本信息匹配的候选语料，包括：

确定所述原文本信息与所述语料集合中各个语料的相关度；

根据所述相关度，从所述语料集合中选择相关度高的前M个语料作为候选语料，其中，M为正整数。

6.根据权利要求5所述的方法，其特征在于，所述确定所述原文本信息与所述语料集合中各个语料的相关度，包括：

针对所述语料集合中的每个语料，获取所述原文本信息中的第一关键词特征，并获取所述语料中的第二关键词特征；

根据所述第一关键词特征和所述第二关键词特征，确定所述原文本信息与所述语料的相关度。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

接收所述用户的场景扩展请求，其中，所述场景扩展请求包括新场景的场景语料数据；

将所述新场景的场景语料数据添加到所述场景语料库中。

8.一种场景纠错装置，其特征在于，所述装置包括：

第一获取模块，用于获取用户在当前场景下输入的原文本信息；

第二获取模块，用于从预先构建的场景语料库中，获取与所述当前场景对应的语料集合；

匹配模块，用于从所述语料集合中获取与所述原文本信息匹配的候选语料；

事实识别模块，用于根据所述候选语料对所述原文本信息进行事实识别，以确定所述原文本信息是否存在错误；

纠错模块，用于如果所述原文本信息存在错误，则根据所述候选语料对所述原文本信息进行纠错，并向所述用户提供纠错后的文本信息。

9.根据权利要求8所述的装置，其特征在于，所述事实识别模块，具体用于：

对所述原文本信息进行事实信息抽取，以得到所述原文本信息中描述的事实信息，其中，所述事实信息包括：实体的属性信息，所述属性信息包括属性以及所述属性的第一属性值；

获取所述候选语料中所述属性的第二属性值，其中，所述第二属性值为所述属性的真实属性值；

如果所述第一属性值和所述第二属性值不一致，则确定所述原文本信息存在错误；

所述纠错模块，具体用于：

将所述原文本信息中的所述第一属性值替换为所述第二属性值，以得到纠错后的文本信息。

10.根据权利要求8所述的装置，其特征在于，所述事实识别模块，包括：

推理单元，用于对所述候选语料和所述原文本信息进行推理分析，以得到所述候选语料和所述原文本信息的推理关系；

第一确定单元，用于如果所述推理关系为第一类型，则确定所述原文本信息存在错误，其中，所述第一类型，用于表示所述候选语料与所述原文本信息矛盾。

11.根据权利要求10所述的装置，其特征在于，所述推理单元，具体用于：

将所述候选语料和所述原文本信息输入到预设的自然语言推理模型中，以得到所述候选语料和所述原文本信息的推理关系。

12.根据权利要求8所述的装置，其特征在于，所述匹配模块，包括：

第二确定单元，用于确定所述原文本信息与所述语料集合中各个语料的相关度；

选择单元，用于根据所述相关度，从所述语料集合中选择相关度高的前M个语料作为候选语料，其中，M为正整数。

13.根据权利要求12所述的装置，其特征在于，所述第二确定单元，具体用于：

针对所述语料集合中的每个语料，获取所述原文本信息中的第一关键词特征，并获取所述语料中的第二关键词特征；

根据所述第一关键词特征和所述第二关键词特征，确定所述原文本信息与所述语料的相关度。

14.根据权利要求8所述的装置，其特征在于，所述装置还包括：

接收模块，用于接收所述用户的场景扩展请求，其中，所述场景扩展请求包括新场景的场景语料数据；

添加模块，用于将所述新场景的场景语料数据添加到所述场景语料库中。

15.一种电子设备，其特征在于，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。

16.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述的方法。

Images