CN113947066A - 基于asr的文本比对方法、装置、电子设备及存储介质 - Google Patents
基于asr的文本比对方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113947066A CN113947066A CN202111219782.4A CN202111219782A CN113947066A CN 113947066 A CN113947066 A CN 113947066A CN 202111219782 A CN202111219782 A CN 202111219782A CN 113947066 A CN113947066 A CN 113947066A
- Authority
- CN
- China
- Prior art keywords
- text
- asr
- character
- sensitive
- comparison result
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000004590 computer program Methods 0.000 claims description 8
- 238000000586 desensitisation Methods 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 abstract description 10
- 238000013473 artificial intelligence Methods 0.000 abstract description 5
- 230000006870 function Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/194—Calculation of difference between files
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/38—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/387—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
- G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Bioethics (AREA)
- Computational Linguistics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Artificial Intelligence (AREA)
- Library & Information Science (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- Character Discrimination (AREA)
Abstract
本发明涉及人工智能技术,揭露一种基于ASR的文本比对方法,包括:记录ASR识别文本中的每个字符的时间标签对应的字符位置,识别所述ASR识别文本的敏感词位置及其对应的标准文本的敏感词位置,在所述ASR识别文本与所述标准文本的原始比对结果中,利用每个所述敏感词的位置定位所述原始比对结果中的敏感词,利用预设的替换词替换所述原始比对结果中的敏感词,利用所述每个时间标签对应的字符位置定位所述原始比对结果中的对应字符位置,将相应的时间标签添加到所述对应字符位置。本发明还提出一种基于ASR的文本比对装置、设备以及介质。本发明可以解决文本比对结果中存在个人隐私泄露的风险以及问题定位效率低的问题。
Description
技术领域
本发明涉及人工智能技术领域及数字医疗技术领域,尤其涉及一种基于ASR的文本比对方法、装置、电子设备及计算机可读存储介质。
背景技术
自动语音识别(Automatic Speech Recognition,ASR)技术是一种将人的语音转换为文本的技术。近年来ASR技术已经广泛应用在各个行业中。例如,在证券、理财和保险等金融领域,为了保护普通投资人的利益,在用户办理证券、理财或保险等交易之前,通常需要采用对用户录音或录像的方式进行业务留痕。并利用自动语音识别技术,将用户的录音或录像中的语音信息转换为文本内容,再利用文本比对算法,将所述文本内容与标准文本内容进行比对,根据比对结果,判断用户的录音或录像是否符合业务留痕的要求。
但是当前的文本比对算法存在以下问题:
一、在利用自动语音识别技术转换得到的文本内容中,每一个字符均带有该字符在相应的用户语音信息中的播报时间信息,即时间标签。可以根据所述时间标签定位到相应的录音或录像的播报时刻,辅助快速定位问题。但是当前文本比对算法输出的比对结果中不含时间标签信息,因此在核对比对结果中的差异字符时,不能准确定位到差异字符在对应录音或录像中的具***置。
二、当前文本比对算法较多采用明文比对,这样不利于对个人隐私的保护,尤其是在金融领域,存在个人隐私泄露的风险。
发明内容
本发明提供一种基于ASR的文本比对方法、装置及计算机可读存储介质,其主要目的在于解决文本比对结果中存在个人隐私泄露的风险以及问题定位效率低的问题。
为实现上述目的,本发明提供的一种基于ASR的文本比对方法,包括:
接收ASR识别文本及其对应的标准文本;
识别并记录所述ASR识别文本中的每个字符的时间标签及每个时间标签对应的字符位置;
分别对所述ASR识别文本及所述标准文本执行敏感词识别操作,并记录识别得到的每个敏感词的位置;
将所述ASR识别文本与所述标准文本进行一致性比对,得到原始比对结果;
利用所述每个敏感词的位置定位所述原始比对结果中的敏感词,利用预设的替换词替换所述原始比对结果中对应的敏感词,其中所述替换词与对应的敏感词长度相同;
利用所述每个时间标签对应的字符位置定位到脱敏后的所述原始比对结果中的对应字符位置,将相应的时间标签添加到所述对应字符位置,得到调整后的比对结果。
可选地,所述识别并记录所述ASR识别文本中的每个字符的时间标签及每个时间标签对应的字符位置,包括:
为所述ASR识别文本中的每个字符分配一个唯一的位置编号;
遍历所述ASR识别文本中每个字符的时间标签,并将每个字符的位置编号作为相应的时间标签的字符位置;
将所述每个字符的时间标签及相应的时间标签的字符位置存储到预设的存储区域。
可选地,所述分别对所述ASR识别文本及所述标准文本执行敏感词识别操作,包括:
利用预设的敏感信息关键字库,分别对所述ASR识别文本及所述标准文本执行关键字匹配操作;
在所述ASR识别文本中,若存在与所述预设的敏感信息关键字库中的关键字相匹配的字符串,将匹配得到的字符串作为所述ASR识别文本的敏感词;
在所述ASR识别文本中,若不存在与所述预设的敏感信息关键字库中的关键字相匹配的字符串,则退出对所述ASR识别文本执行的关键字匹配操作;
在所述标准文本中,若存在与所述预设的敏感信息关键字库中的关键字相匹配的字符串,将匹配得到的字符串作为所述标准文本的敏感词;
在所述标准文本中,若不存在与所述预设的敏感信息关键字库中的关键字相匹配的字符串,则退出对所述标准文本执行的关键字匹配操作。
可选地,所述记录识别得到的每个敏感词的位置,包括:
统计每个所述ASR识别文本的敏感词在所述ASR识别文本中的起始位置和结束位置,并统计每个所述标准文本的敏感词在所述标准文本中的起始位置和结束位置;
对所述ASR识别文本分配一个ASR识别文本标识,并对所述标准文本分配一个标准文本标识;
将每个所述ASR识别文本的敏感词的起始位置、结束位置及对应的ASR识别文本标识联合组成每个所述ASR识别文本的敏感词的位置,并存储到预设的存储区域;
将每个所述标准文本的敏感词的起始位置、结束位置及对应的标准文本标识联合组成每个所述标准文本的敏感词的位置,并存储到预设的存储区域。
可选地,所述将所述ASR识别文本与所述标准文本进行一致性比对,得到原始比对结果,包括:
逐次将所述ASR识别文本中的每一个字符与所述标准文本中的对应位置的字符进行比较,得到所述ASR识别文本与所述标准文本之间相同的字符串,将所述相同的字符串标记为相同部分;
将所述相同部分之外的位于所述ASR识别文本的字符标记为删除部分;
将所述相同部分之外的位于所述标准文本中的字符标记为增加部分;
将所述相同部分、所述删除部分及所述增加部分组合成原始比对结果。
可选地,所述利用所述每个敏感词的位置定位所述原始比对结果中的敏感词,利用预设的替换词替换所述原始比对结果中对应的敏感词,包括:
识别所述原始比对结果中的属于所述ASR识别文本部分及属于所述标准文本部分;
从所述预设的存储区域中,获取所述ASR识别文本的敏感词的位置及所述标准文本的敏感词的位置;
利用所述ASR识别文本的敏感词的位置中指定的起始位置及结束位置定位属于所述ASR识别文本部分中的敏感词,并利用预设的替换词替换对应的敏感词;
利用所述标准文本的敏感词的位置中指定的起始位置及结束位置定位属于所述标准文本部分中的敏感词,并利用预设的替换词替换对应的敏感词。
可选地,所述识别所述原始比对结果中的属于所述ASR识别文本部分及属于所述标准文本部分,包括:
识别所述原始比对结果中的相同部分、删除部分及增加部分;
将所述相同部分及所述删除部分作为属于所述ASR识别文本部分;
将所述相同部分及所述增加部分作为属于所述标准文本部分。
为了解决上述问题,本发明还提供一种基于ASR的文本比对装置,所述装置包括:
比对对象获取模块,用于接收ASR识别文本及其对应的标准文本;
敏感词及时间标签识别模块,用于识别并记录所述ASR识别文本中的每个字符的时间标签及每个时间标签对应的字符位置;分别对所述ASR识别文本及所述标准文本执行敏感词识别操作,并记录识别得到的每个敏感词的位置;
文本比对模块,用于将所述ASR识别文本与所述标准文本进行一致性比对,得到原始比对结果;
比对结果调整模块,用于利用所述每个敏感词的位置定位所述原始比对结果中的敏感词,利用预设的替换词替换所述原始比对结果中对应的敏感词,其中所述替换词与对应的敏感词长度相同;利用所述每个时间标签对应的字符位置定位到脱敏后的所述原始比对结果中的对应字符位置,将相应的时间标签添加到所述对应字符位置,得到调整后的比对结果。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
存储器,存储至少一个指令;及
处理器,执行所述存储器中存储的指令以实现上述所述的基于ASR的文本比对方法。
为了解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个计算机程序,所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于ASR的文本比对方法。
本发明申请通过识别ASR识别文本中每个时间标签对应的字符位置、所述ASR识别文本中敏感词位置及所述ASR识别文本对应的标准文本中的敏感词位置,在所述ASR识别文本与所述标准文本的文本对比结果中,利用敏感词位置定位敏感词并对定位的敏感词进行脱敏,降低了比对结果中的个人隐私泄露的风险。利用每个时间标签的字符位置,对相应位置的字符添加时间标签,可以借助时间标签快速定位比对结果中的出现的问题,提升了问题定位的效率。
附图说明
图1为本发明一实施例提供的基于ASR的文本比对方法的流程示意图;
图2为图1所示基于ASR的文本比对方法中其中一个步骤的详细实施流程示意图;
图3为图1所示基于ASR的文本比对方法中其中一个步骤的详细实施流程示意图;
图4为图1所示基于ASR的文本比对方法中其中一个步骤的详细实施流程示意图;
图5为图1所示基于ASR的文本比对方法中其中一个步骤的详细实施流程示意图;
图6为本发明一实施例提供的基于ASR的文本比对装置的功能模块图;
图7为本发明一实施例提供的实现所述基于ASR的文本比对方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种基于ASR的文本比对方法。所述基于ASR的文本比对方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述基于ASR的文本比对方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示,为本发明一实施例提供的基于ASR的文本比对方法的流程示意图。在本实施例中,所述基于ASR的文本比对方法包括:
S1、接收ASR识别文本及其对应的标准文本;
本发明申请提供一种基于ASR的文本比对方法,ASR(Automatic SpeechRecognition,自动语音识别)是一种语音识别技术,可以识别用户语音中的词汇信息,将用户语音转换为文本内容。
本发明实施例,以金融领域中的业务留痕场景为例,说明所述基于ASR的文本比对方法。国家为保护普通投资人的利益,在金融领域,例如,证券、理财和保险等行业中推行业务留痕的要求,并且要求在相关业务留痕中要有清晰准确的风险提示内容及投资人本人回答的内容。例如,普通用户在进行证券、基金等业务开户时,在开户流程中均有投资风险提示内容,需要用户诵读并对用户进行相关的录音或录像进行存档,这种操作方式就是业务留痕的一种。利用ASR技术,将用户在录音或录像中产生的语音信息转换为文本内容,即所述ASR识别文本,其中用户诵读的投资风险提示内容为所述标准文本。
S2、识别并记录所述ASR识别文本中的每个字符的时间标签及每个时间标签对应的字符位置;
本发明实施例中,可以理解的是,在用户的一条语音信息中,用户发出的每个语音符号的时间不同,因此在所述ASR识别文本中,可以采用时间标签的方式标记每个字符对应的产生时间,用户可以结合用户语音信息,根据每个字符的产生时间,对所述ASR识别文本进行检查和校对。
详细地,参阅图2所示,所述S2,包括:
S21、为所述ASR识别文本中的每个字符分配一个唯一的位置编号;
S22、遍历所述ASR识别文本中每个字符的时间标签,并将每个字符的位置编号作为相应的时间标签的字符位置;
S23、将所述每个字符的时间标签及相应的时间标签的字符位置存储到预设的存储区域。
本发明实施例中,所述位置编号可以是由数字、字母或特殊符号组成的位置编码,为了便于区分所述ASR识别文本中每个字符以及统计所述ASR识别文本的长度,较佳地,可以按照从左往右的顺序,为所述ASR识别文本每个字符分配一个由数字组成的位置编号,字符的顺序往右增加一位,相应的字符的位置编号加1。
本发明实施例中,较佳地,可以将所述每个字符的时间标签及时间标签的位置存储到一张数据库表中,以便后续执行针对所述ASR识别文本的数据查询操作。
S3、分别对所述ASR识别文本及所述标准文本执行敏感词识别操作,并记录识别得到的每个敏感词的位置;
本发明实施例中,所述敏感词包括用户的真实姓名、联系方式、家庭住址、经济状况等数据。在对用户的录音或录像等业务留痕进行质量检测中,如果不对其中的敏感词进行识别及遮蔽,可能会存在泄露个人隐私的风险。
详细地,参阅图3所示,所述分别对所述ASR识别文本及所述标准文本执行敏感词识别操作,包括:
S31、利用预设的敏感信息关键字库,对所述ASR识别文本执行关键字匹配操作;
在所述ASR识别文本中,若存在与所述预设的敏感信息关键字库中的关键字相匹配的字符串,则执行S32、将匹配得到的字符串作为所述ASR识别文本的敏感词;
在所述ASR识别文本中,若不存在与所述预设的敏感信息关键字库中的关键字相匹配的字符串,则执行S33、退出对所述ASR识别文本执行的关键字匹配操作;
S34、利用预设的敏感信息关键字库,对所述标准文本执行关键字匹配操作;
在所述标准文本中,若存在与所述预设的敏感信息关键字库中的关键字相匹配的字符串,则执行S35、将匹配得到的字符串作为所述标准文本的敏感词;
在所述标准文本中,若不存在与所述预设的敏感信息关键字库中的关键字相匹配的字符串,则执行S36、退出对所述标准文本执行的关键字匹配操作。
本发明实施例中,所述预设的敏感信息关键字库包括常见的敏感信息对应的关键字,例如,关于个人收入的关键字可以包括年薪、月薪、收入等,关于个人姓名的关键字可以包括先生、女士、小姐等称号。本发明实施例中,可以采用正则表达式进行关键字匹配操作。
详细地,所述记录识别得到的每个敏感词的位置,包括:统计每个所述ASR识别文本的敏感词在所述ASR识别文本中的起始位置和结束位置,并统计每个所述标准文本的敏感词在所述标准文本中的起始位置和结束位置;对所述ASR识别文本分配一个ASR识别文本标识,并对所述标准文本分配一个标准文本标识;将每个所述ASR识别文本的敏感词的起始位置、结束位置及对应的ASR识别文本标识联合组成每个所述ASR识别文本的敏感词的位置,并存储到预设的存储区域;将每个所述标准文本的敏感词的起始位置、结束位置及对应的标准文本标识联合组成每个所述标准文本的敏感词的位置,并存储到预设的存储区域。
本发明实施例中,所述ASR识别文本标识及标准文本标识用于将所述ASR识别文本及所述标准文本进行区分,通过设置标识可以明确同一敏感词是来自所述ASR识别文本还是来自所述标准文本。
本发明实施例中,较佳地,可以采用数组的方式存储每个敏感词的位置,例如,一个敏感词的位置为[A,18,21],其中,所述A为所述敏感词对应的ASR识别文本的标识,所述18及所述21分别表示所述敏感词在对应的ASR识别文中的起始位置及结束位置,即在所述ASR识别文本中,从左往右第18位到第21位之间的字符串为1个敏感词。
S4、将所述ASR识别文本与所述标准文本进行一致性比对,得到原始比对结果;
本发明实施例中,可以采用具有文本比对功能的工具或具有文本比对功能的算法或者利用基于深度学习的语言模型对所述ASR识别文本与所述标准文本进行比对,例如,文本比对工具TextDiff、VisualDiffer,开源的Myer算法及BERT模型。
详细地,参阅图4所示,所述S4,包括:
S41、逐次将所述ASR识别文本中的每一个字符与所述标准文本中的对应位置的字符进行比较,得到所述ASR识别文本与所述标准文本之间相同的字符串,将所述相同的字符串标记为相同部分;
S42、将所述相同部分之外的位于所述ASR识别文本的字符标记为删除部分;
S43、将所述相同部分之外的位于所述标准文本中的字符标记为增加部分;
S44、将所述相同部分、所述删除部分及所述增加部分组合成原始比对结果。
本发明实施例中,所述原始比对结果中包括所述ASR识别文本及所述标准文本相同的字符串,即所述相同部分、所述ASR识别文本相较于所述标准文本缺失的字符串,即所述删除部分、所述标准文本相较于所述ASR识别文本多出的字符串,即所述增加部分。
S5、利用所述每个敏感词的位置定位所述原始比对结果中的敏感词,利用预设的替换词替换所述原始比对结果中对应的敏感词,其中所述替换词与对应的敏感词长度相同;
本发明实施例中,所述预设的替换词可以是一些特殊符号的掩码,例如,“尊敬的张某某先生”,可以利用预设的替换词替换为“尊敬的※※※先生”。
本发明实施例中,要求所述替换词与对应的敏感词长度相同,这样可以保障所述ASR识别文本及所述标准文本的长度不会发生变化,相应地,每个敏感词的位置才会准确。
详细地,参阅图5所示,所述S5,包括:
S51、识别所述原始比对结果中的属于所述ASR识别文本部分及属于所述标准文本部分;
S52、从所述预设的存储区域中,获取所述ASR识别文本的敏感词的位置及所述标准文本的敏感词的位置;
S53、利用所述ASR识别文本的敏感词的位置中指定的起始位置及结束位置定位属于所述ASR识别文本部分中的的敏感词,并利用预设的替换词替换对应的敏感词;
S54、利用所述标准文本的敏感词的位置中指定的起始位置及结束位置定位属于所述标准文本部分中的敏感词,并利用预设的替换词替换对应的敏感词。
详细地,所述识别所述原始比对结果中的属于所述ASR识别文本部分及属于所述标准文本部分,包括:识别所述原始比对结果中的相同部分、删除部分及增加部分;将所述相同部分及所述删除部分作为属于所述ASR识别文本部分;将所述相同部分及所述增加部分作为属于所述标准文本部分。
本发明实施例中,对所述原始比对结果进行脱敏操作,可以降低在比对结果中的存在的个人隐私泄露的风险。
S6、利用所述每个时间标签对应的字符位置定位到脱敏后的所述原始比对结果中的对应字符位置,将相应的时间标签添加到所述对应字符位置,得到调整后的比对结果。
本发明实施例中,可以利用文本编辑器将所述ASR识别文本中的每个时间标签按照每个时间标签对应的字符位置迁移到所述脱敏后的比对结果中的ASR识别文本中的对应位置。
本发明实施例中,通过在脱敏后的所述原始比对结果中添加ASR识别文本的时间标签,可以辅助快速定位到比对结果中的不一致字符在用户语音信息中的位置。
本发明申请通过识别ASR识别文本中每个时间标签对应的字符位置、所述ASR识别文本中敏感词位置及所述ASR识别文本对应的标准文本中的敏感词位置,在所述ASR识别文本与所述标准文本的文本对比结果中,利用敏感词位置定位敏感词并对定位的敏感词进行脱敏,降低了比对结果中的个人隐私泄露的风险。利用每个时间标签的字符位置,对相应位置的字符添加时间标签,可以借助时间标签快速定位比对结果中的出现的问题,提升了问题定位的效率。
如图6所示,是本发明一实施例提供的基于ASR的文本比对装置的功能模块图。
本发明所述基于ASR的文本比对装置100可以安装于电子设备中。根据实现的功能,所述基于ASR的文本比对装置100可以包括比对对象获取模块101、敏感词及时间标签识别模块102、文本比对模块103及比对结果调整模块104。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述比对对象获取模块101,用于接收ASR识别文本及其对应的标准文本;
所述敏感词及时间标签识别模块102,用于识别并记录所述ASR识别文本中的每个字符的时间标签及每个时间标签对应的字符位置;分别对所述ASR识别文本及所述标准文本执行敏感词识别操作,并记录识别得到的每个敏感词的位置;
所述文本比对模块103,用于将所述ASR识别文本与所述标准文本进行一致性比对,得到原始比对结果;
所述比对结果调整模块104,用于利用所述每个敏感词的位置定位所述原始比对结果中的敏感词,利用预设的替换词替换所述原始比对结果中对应的敏感词,其中所述替换词与对应的敏感词长度相同;利用所述每个时间标签对应的字符位置定位到脱敏后的所述原始比对结果中的对应字符位置,将相应的时间标签添加到所述对应字符位置,得到调整后的比对结果。
详细地,本发明实施例中所述基于ASR的文本比对装置100中的各个模块在使用时采用与上述的图1至图5中所述的快速取号方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
如图7所示,是本发明一实施例提供的实现基于ASR的文本比对方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如基于ASR的文本比对程序。
其中,所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元,例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备,例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(SecureDigital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据,例如基于ASR的文本比对程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如基于ASR的文本比对程序等),以及调用存储在所述存储器11内的数据,以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图7仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图7示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备1还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
进一步地,所述电子设备1还可以包括网络接口,可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地,该电子设备1还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的基于ASR的文本比对程序是多个指令的组合,在所述处理器10中运行时,可以实现:
接收ASR识别文本及其对应的标准文本;
识别并记录所述ASR识别文本中的每个字符的时间标签及每个时间标签对应的字符位置;
分别对所述ASR识别文本及所述标准文本执行敏感词识别操作,并记录识别得到的每个敏感词的位置;
将所述ASR识别文本与所述标准文本进行一致性比对,得到原始比对结果;
利用所述每个敏感词的位置定位所述原始比对结果中的敏感词,利用预设的替换词替换所述原始比对结果中对应的敏感词,其中所述替换词与对应的敏感词长度相同;
利用所述每个时间标签对应的字符位置定位到脱敏后的所述原始比对结果中的对应字符位置,将相应的时间标签添加到所述对应字符位置,得到调整后的比对结果。
具体地,所述处理器10对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
接收ASR识别文本及其对应的标准文本;
识别并记录所述ASR识别文本中的每个字符的时间标签及每个时间标签对应的字符位置;
分别对所述ASR识别文本及所述标准文本执行敏感词识别操作,并记录识别得到的每个敏感词的位置;
将所述ASR识别文本与所述标准文本进行一致性比对,得到原始比对结果;
利用所述每个敏感词的位置定位所述原始比对结果中的敏感词,利用预设的替换词替换所述原始比对结果中对应的敏感词,其中所述替换词与对应的敏感词长度相同;
利用所述每个时间标签对应的字符位置定位到脱敏后的所述原始比对结果中的对应字符位置,将相应的时间标签添加到所述对应字符位置,得到调整后的比对结果。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用***。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。***权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种基于ASR的文本比对方法,其特征在于,所述方法包括:
接收ASR识别文本及其对应的标准文本;
识别并记录所述ASR识别文本中的每个字符的时间标签及每个时间标签对应的字符位置;
分别对所述ASR识别文本及所述标准文本执行敏感词识别操作,并记录识别得到的每个敏感词的位置;
将所述ASR识别文本与所述标准文本进行一致性比对,得到原始比对结果;
利用所述每个敏感词的位置定位所述原始比对结果中的敏感词,利用预设的替换词替换所述原始比对结果中对应的敏感词,其中所述替换词与对应的敏感词长度相同;
利用所述每个时间标签对应的字符位置定位到脱敏后的所述原始比对结果中的对应字符位置,将相应的时间标签添加到所述对应字符位置,得到调整后的比对结果。
2.如权利要求1所述的基于ASR的文本比对方法,其特征在于,所述识别并记录所述ASR识别文本中的每个字符的时间标签及每个时间标签对应的字符位置,包括:
为所述ASR识别文本中的每个字符分配一个唯一的位置编号;
遍历所述ASR识别文本中每个字符的时间标签,并将每个字符的位置编号作为相应的时间标签的字符位置;
将所述每个字符的时间标签及相应的时间标签的字符位置存储到预设的存储区域。
3.如权利要求1所述的基于ASR的文本比对方法,其特征在于,所述分别对所述ASR识别文本及所述标准文本执行敏感词识别操作,包括:
利用预设的敏感信息关键字库,分别对所述ASR识别文本及所述标准文本执行关键字匹配操作;
在所述ASR识别文本中,若存在与所述预设的敏感信息关键字库中的关键字相匹配的字符串,将匹配得到的字符串作为所述ASR识别文本的敏感词;
在所述ASR识别文本中,若不存在与所述预设的敏感信息关键字库中的关键字相匹配的字符串,则退出对所述ASR识别文本执行的关键字匹配操作;
在所述标准文本中,若存在与所述预设的敏感信息关键字库中的关键字相匹配的字符串,将匹配得到的字符串作为所述标准文本的敏感词;
在所述标准文本中,若不存在与所述预设的敏感信息关键字库中的关键字相匹配的字符串,则退出对所述标准文本执行的关键字匹配操作。
4.如权利要求1所述的基于ASR的文本比对方法,其特征在于,所述记录识别得到的每个敏感词的位置,包括:
统计每个所述ASR识别文本的敏感词在所述ASR识别文本中的起始位置和结束位置,并统计每个所述标准文本的敏感词在所述标准文本中的起始位置和结束位置;
对所述ASR识别文本分配一个ASR识别文本标识,并对所述标准文本分配一个标准文本标识;
将每个所述ASR识别文本的敏感词的起始位置、结束位置及对应的ASR识别文本标识联合组成每个所述ASR识别文本的敏感词的位置,并存储到预设的存储区域;
将每个所述标准文本的敏感词的起始位置、结束位置及对应的标准文本标识联合组成每个所述标准文本的敏感词的位置,并存储到预设的存储区域。
5.如权利要求4所述的基于ASR的文本比对方法,其特征在于,所述将所述ASR识别文本与所述标准文本进行一致性比对,得到原始比对结果,包括:
逐次将所述ASR识别文本中的每一个字符与所述标准文本中的对应位置的字符进行比较,得到所述ASR识别文本与所述标准文本之间相同的字符串,将所述相同的字符串标记为相同部分;
将所述相同部分之外的位于所述ASR识别文本的字符标记为删除部分;
将所述相同部分之外的位于所述标准文本中的字符标记为增加部分;
将所述相同部分、所述删除部分及所述增加部分组合成原始比对结果。
6.如权利要求5所述的基于ASR的文本比对方法,其特征在于,所述利用所述每个敏感词的位置定位所述原始比对结果中的敏感词,利用预设的替换词替换所述原始比对结果中对应的敏感词,包括:
识别所述原始比对结果中的属于所述ASR识别文本部分及属于所述标准文本部分;
从所述预设的存储区域中,获取所述ASR识别文本的敏感词的位置及所述标准文本的敏感词的位置;
利用所述ASR识别文本的敏感词的位置中指定的起始位置及结束位置定位属于所述ASR识别文本部分中的敏感词,并利用预设的替换词替换对应的敏感词;
利用所述标准文本的敏感词的位置中指定的起始位置及结束位置定位属于所述标准文本部分中的敏感词,并利用预设的替换词替换对应的敏感词。
7.如权利要求6所述的基于ASR的文本比对方法,其特征在于,所述识别所述原始比对结果中的属于所述ASR识别文本部分及属于所述标准文本部分,包括:
识别所述原始比对结果中的相同部分、删除部分及增加部分;
将所述相同部分及所述删除部分作为属于所述ASR识别文本部分;
将所述相同部分及所述增加部分作为属于所述标准文本部分。
8.一种基于ASR的文本比对装置,其特征在于,所述装置包括:
比对对象获取模块,用于接收ASR识别文本及其对应的标准文本;
敏感词及时间标签识别模块,用于识别并记录所述ASR识别文本中的每个字符的时间标签及每个时间标签对应的字符位置;分别对所述ASR识别文本及所述标准文本执行敏感词识别操作,并记录识别得到的每个敏感词的位置;
文本比对模块,用于将所述ASR识别文本与所述标准文本进行一致性比对,得到原始比对结果;
比对结果调整模块,用于利用所述每个敏感词的位置定位所述原始比对结果中的敏感词,利用预设的替换词替换所述原始比对结果中对应的敏感词,其中所述替换词与对应的敏感词长度相同;利用所述每个时间标签对应的字符位置定位到脱敏后的所述原始比对结果中的对应字符位置,将相应的时间标签添加到所述对应字符位置,得到调整后的比对结果。
9.一种电子设备,其特征在于,所述电子设备包括:
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计算机程序,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如权利要求1至7中任意一项所述的基于ASR的文本比对方法。
10.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的基于ASR的文本比对方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111219782.4A CN113947066A (zh) | 2021-10-20 | 2021-10-20 | 基于asr的文本比对方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111219782.4A CN113947066A (zh) | 2021-10-20 | 2021-10-20 | 基于asr的文本比对方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113947066A true CN113947066A (zh) | 2022-01-18 |
Family
ID=79331603
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111219782.4A Pending CN113947066A (zh) | 2021-10-20 | 2021-10-20 | 基于asr的文本比对方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113947066A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115544974A (zh) * | 2022-11-28 | 2022-12-30 | 药融云数字科技(成都)有限公司 | 一种文本数据提取方法、***、存储介质及终端 |
-
2021
- 2021-10-20 CN CN202111219782.4A patent/CN113947066A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115544974A (zh) * | 2022-11-28 | 2022-12-30 | 药融云数字科技(成都)有限公司 | 一种文本数据提取方法、***、存储介质及终端 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112507936B (zh) | 图像信息审核方法、装置、电子设备及可读存储介质 | |
CN112446207A (zh) | 标题生成方法、装置、电子设备及存储介质 | |
CN113704429A (zh) | 基于半监督学习的意图识别方法、装置、设备及介质 | |
CN113704614A (zh) | 基于用户画像的页面生成方法、装置、设备及介质 | |
CN113205814A (zh) | 语音数据标注方法、装置、电子设备及存储介质 | |
CN113821622A (zh) | 基于人工智能的答案检索方法、装置、电子设备及介质 | |
CN114416939A (zh) | 智能问答方法、装置、设备及存储介质 | |
CN114399775A (zh) | 文档标题生成方法、装置、设备及存储介质 | |
CN113434542B (zh) | 数据关系识别方法、装置、电子设备及存储介质 | |
CN114491646A (zh) | 数据脱敏方法、装置、电子设备及存储介质 | |
CN114756669A (zh) | 问题意图的智能分析方法、装置、电子设备及存储介质 | |
CN113947066A (zh) | 基于asr的文本比对方法、装置、电子设备及存储介质 | |
CN112104662B (zh) | 远端数据读写方法、装置、设备及计算机可读存储介质 | |
CN115544566A (zh) | 日志脱敏方法、装置、设备及存储介质 | |
CN115203364A (zh) | 软件故障反馈处理方法、装置、设备及可读存储介质 | |
CN114943306A (zh) | 意图分类方法、装置、设备及存储介质 | |
CN114780688A (zh) | 基于规则匹配的文本质检方法、装置、设备及存储介质 | |
CN114627419A (zh) | 基于多应用场景的视频质检方法、装置、设备及存储介质 | |
CN114595321A (zh) | 问题标注方法、装置、电子设备及存储介质 | |
CN114385815A (zh) | 基于业务需求的新闻筛选方法、装置、设备及存储介质 | |
CN114120347A (zh) | 表单校验方法、装置、电子设备及存储介质 | |
CN113902404A (zh) | 基于人工智能的员工晋升分析方法、装置、设备及介质 | |
CN113434650A (zh) | 问答对扩展方法、装置、电子设备及可读存储介质 | |
CN113177543A (zh) | 证件识别方法、装置、设备及存储介质 | |
CN111738005A (zh) | 命名实体对齐方法、装置、电子设备及可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |