一种多文本差异识别方法、装置以及电子设备.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113962211A(43)申请公布日2022.01.21(21)申请号202111258033.2(22)申请日2021.10.27(71)申请人北京百度网讯科技有限公司地址100085北京市海淀区上地十街10号百度大厦2层(72)发明人王伟杰王伟吴越(74)专利代理机构北京柏杉松知识产权代理事务所(普通合伙)11413代理人孙翠贤马敬(51)Int.Cl.G06F40/194(2020.01)权利要求书3页说明书13页附图5页(54)发明名称一种多文本差异识别方法、装置以及电子设备(57)摘要本公开提供了一种多文本差异识别方法，涉及计算机技术领域，尤其涉及文本识别技术领域，具体涉及一种多文本差异识别方法、装置以及电子设备。具体实现方案为：确定针对音频的标准文本，以及待识别差异的多个目标文本；针对每一目标文本，识别该目标文本相对于所述标准文本的差异，得到差异元素；从该目标文本中，确定所述差异元素所包括的第一元素的上下文信息；其中，所述第一元素为属于更改类型的元素；基于所述第一元素的上下文信息，从所述标准文本和其他文本中，分别确定与所述第一元素位置匹配的目标元素；若所确定的目标元素相同，则在所述其他文本中，对所确定的目标元素进行第一预定标注。CN113962211ACN113962211A权利要求书1/3页1.一种多文本差异识别方法，包括：确定针对音频的标准文本，以及待识别差异的多个目标文本；其中，每一目标文本为所述音频的字幕文本；针对每一目标文本，识别该目标文本相对于所述标准文本的差异，得到差异元素；从该目标文本中，确定所述差异元素所包括的第一元素的上下文信息；其中，所述第一元素为属于更改类型的元素；基于所述第一元素的上下文信息，从所述标准文本和其他文本中，分别确定与所述第一元素位置匹配的目标元素；其中，所述其他文本为多个目标文本中除该目标文本以外的一文本；若所确定的目标元素相同，则在所述其他文本中，对所确定的目标元素进行第一预定标注。2.根据权利要求1所述的方法，所述方法还包括：在该目标文本中，对所述差异元素所包括的各元素进行第二预定标注；其中，所述第二预定标注不同于所述第一预定标注。3.根据权利要求1或2所述的方法，其中，所述基于所述第一元素的上下文信息，从所述标准文本和其他文本中，分别确定与所述第一元素位置匹配的目标元素，包括：从所述标准文本中，检测与所述第一元素的上文信息匹配的元素的第一位置，以及与所述第一元素的下文信息相匹配的元素的第二位置；并确定所述第一位置和第二位置之间的位置上的元素，作为所述标准文本中，与所述第一元素位置匹配的目标元素；从所述其他文本中，检测与所述第一元素的上文信息匹配的元素的第三位置，以及与所述第一元素的下文信息相匹配的元素的第四位置；确定所述第三位置和所述第四位置之间的位置上的元素，作为所述其他文本中，与所述第一元素位置匹配的目标元素。4.根据权利要求1或2所述的方法，其中，所述从该目标文本中，确定所述差异元素所包括的第一元素的上下文信息之前，还包括：对所述差异元素所包括的各元素进行合并处理；其中，所述合并处理包括将位置连续的元素进行合并。5.根据权利要求1或2所述的方法，其中，所述针对每一目标文本，识别该目标文本相对于所述标准文本的差异，得到差异元素之前，所述方法还包括：检测当前的标注模式；其中，所述标注模式为字符标注模式或标点标注模式；针对每一目标文本，识别该目标文本相对于所述标准文本的差异，得到差异元素，包括：针对每一目标文本，若检测到标注模式为字符标注模式，则识别该目标文本相对于所述标准文本的、关于字符的差异，得到差异元素；若检测到标注模式为标点标注模式，则识别该目标文本相对于所述标准文本的、关于标点的差异，得到差异元素。6.根据权利要求1或2所述的方法，还包括：识别所述标准文本中的各个专有名词，以及相对应的索引位置；利用所述各个专有名词相对应的索引位置，查找针对所述各个专有名词的上下文信息；2CN113962211A权利要求书2/3页基于所述各个专有名词的上下文信息，从所述每一目标文本中，分别确定与所述各个专有名词位置匹配的目标专有名词；若所确定的目标专有名词中包括第二预定标注的元素，则判定该目标专有名词属于识别有误的目标专有名词。7.一种多文本差异识别装置，包括：第一确定模块，用于确定针对音频的标准文本，以及待识别差异的多个目标文本；其中，每一目标文本为所述音频的字幕文本；第一识别模块，用于针对每一目标文本，识别该目标文本相对于所述标准文本的差异，得到差异元素；第二确定模块，用于从该目标文本中，确定所述差异元素所包括的第一元素的上下文信息；其中，所述第一元素为属于更改类型的元素；第一匹配模块，用于基于