一种结合LSTM和集成算法的文本校对模型

摘要：

伴随着互联网的飞速发展,各行各业产生了大量的电子文本数据,但是这些文本经常存在语义错误,数据质量良莠不齐,如何提高电子文本的质量是亟待解决的难题.本文设计一种基于集成算法和长短时记忆网络的集成模型,提高语义特征检测和校对的准确性.主要工作分为三部分:(1)使用神经网络和HowNet学习词语-义原之间的搭配关系;(2)将抽象化信息输入至长短时记忆网络集成模型,预测语义搭配关系;(3)结合模糊匹配方法,依据聚合度对预测结果投票并排序,将排名靠前的结果作为校对建议输出.实验结果显示,本文提出的校对模型和算法与其他文献相比在检错准确率和校对准确率上分别提高了1. 8% 和2. 3% .

关键词：文本校对、模糊匹配、集成算法、特征检测

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

资助基金：科技部重点研发计划项目2018YFB1701400

在线出版日期：2020-06-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：967-971