一种文本纠错方法、装置及电子设备

摘要文本

本申请实施例涉及大模型技术领域，具体公开了一种文本纠错方法、装置及电子设备，方法包括：获取预训练大模型；获取公文数据集；根据标点符号对公文数据集进行切分；使用切分后的公文数据集基于低秩适配器方法LoRA对预训练大模型进行微调，得到文本纠错模型；将待纠错文本输入文本纠错模型，得到纠错后的文本；将纠错后的文本与待纠错文本比较，得到纠错位置和错误文本；对纠错后的文本进行校正，输出目标文本。通过LoRA能够减少内存占用，简化计算需求，加速了大模型的训练和微调过程，同时对硬件要求较低。基于生成式大模型能够根据上下文信息进行纠错，处理语法、语义等多种类型的错误，全面地考虑句子的结构和含义，更好地纠正不同层次的错误。