一种数据处理方法、装置和电子设备与流程

本发明涉及数据处理技术领域，特别是涉及一种数据处理方法、装置和电子设备。

背景技术：

人工智能包括十分广泛的科学，由不同的领域组成，如机器学习，计算机视觉等等。总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作；自人工智能诞生以来，理论和技术日益成熟，应用领域也不断扩大。如机器翻译领域，例如将汉语翻译成英语、将英语翻译成汉语等等。

随着机器翻译技术不断的成熟，基于机器的同传翻译应运而生，同传翻译可以包括：语音识别和机器翻译，如图1所示；其中，所述语音识别包括多个阶段：获取语音数据、vad(voiceactivitydetection，语音端点检测)断句、语音识别、文本断句；其中，vad断句是根据静音时间将语音切断为多个语音片段，文本断句是给各语音片段对应的语音识别文本加上标点符号，如语音识别文本“大家好我叫李磊”，然后给这句文本添加标点符号如“大家好，我叫李磊”。

用户在说没有标点的一句话的过程中，可能会停顿，例如用户先说一句：“我们热切期待着的”，然后停顿了一会再接着说：“这个新技术”；当停顿时间超过阈值，这句话就会被分为多段；例如上述两句话之间停顿了20ms，此时这一完整语句的语音会被切分为两段语音片段：“我们热切期待着的”对应的语音片段和“这个新技术”对应的语音片段。然后在为每个语音片段对应的语音识别文本段添加标点时，可能会给这一段末尾添加标点，例如可能会“我们热切期待着的”这句文本的末尾会添加句号，得到“我们热切期待着的。”显然“我们热切期待着的”后面是不应该添加标点符号的，导致标点添加错误。

技术实现要素：

本发明实施例提供一种数据处理方法，以提高添加标点的准确率。

相应的，本发明实施例还提供了一种数据处理装置和一种电子设备，用以保证上述方法的实现及应用。

为了解决上述问题，本发明实施例公开了一种数据处理方法，具体包括：获取当前语音识别文本；将所述当前语音识别文本和上n条输出文本进行拼接，得到拼接文本，其中，所述n为正整数；在所述拼接文本中添加标点，从添加标点的拼接文本中提取除所述上n条输出文本之外的数据作为当前输出文本并输出。

可选地，所述在所述拼接文本中添加标点，包括：对所述拼接文本进行分词处理，得到对应的多个分词片段；依据符号匹配模型，确定各分词片段对应的符号标识；若所述分词片段的符号标识是设定标识，则在所述拼接文本中所述分词片段对应文字之后添加所述符号标识。

可选地，所述符号匹配模型包括第一符号匹配模型和第二符号匹配模型，所述依据符号匹配模型，确定各分词片段对应的符号标识，包括：依次将各分词片段输入至所述第一符号匹配模型中，得到各分词片段对应各符号标识的第一概率信息；依次将各分词片段输入至所述第二符号匹配模型中，得到各分词片段对应各符号标识的第二概率信息；针对一个分词片段，依据所述分词片段对应各符号标识的第一概率信息和第二概率信息，确定所述分词片段对应的符号标识。

可选地，所述依据所述分词片段对应各符号标识的第一概率信息和第二概率信息，确定所述分词片段对应的符号标识，包括：依据所述分词片段对应各符号标识的第一概率信息，计算第一方差信息；依据所述分词片段对应各符号标识的第二概率信息，计算第二方差信息；若所述第一方差信息大于第二方差信息，则选取第一概率信息最大的符号标识作为所述分词片段对应的符号标识；若所述第二方差信息大于第一方差信息，则选取第二概率信息最大的符号标识作为所述分词片段对应的符号标识。

可选地，所述的方法还包括：若所述添加标点的拼接文本末尾不存在标点，且所述当前语音识别文本是语音数据的最后一条语音识别文本，则在所述添加标点的拼接文本的末尾添加设定标点；若添加标点的拼接文本末尾存在标点，且所述当前语音识别文本不是语音数据的最后一条语音识别文本，则删除所述添加标点的拼接文本末尾的标点。

可选地，所述将所述当前翻译文本和上n条输出文本进行拼接，得到拼接文本，包括：若n为1，则获取上一条输出文本中最后一段文本，所述最后一段文本是所述上一条输出文本中最后一个标点之后的文本；将所述当前翻译文本拼接在所述最后一段文本之后，得到拼接文本。

可选地，所述方法应用于同传领域。

本发明实施例还公开了一种数据处理装置，具体包括：文本获取模块，用于获取当前语音识别文本；文本拼接模块，用于将所述当前语音识别文本和上n条输出文本进行拼接，得到拼接文本，其中，所述n为正整数；标点添加模块，用于在所述拼接文本中添加标点，从添加标点的拼接文本中提取除所述上n条输出文本之外的数据作为当前输出文本并输出。

可选地，所述标点添加模块包括：分词子模块，用于对所述拼接文本进行分词处理，得到对应的多个分词片段；标点确定子模块，用于依据符号匹配模型，确定各分词片段对应的符号标识；符号添加子模块，用于若所述分词片段的符号标识是设定标识，则在所述拼接文本中所述分词片段对应文字之后添加所述符号标识。

可选地，所述符号匹配模型包括第一符号匹配模型和第二符号匹配模型，所述标点确定子模块包括：第一信息确定单元，用于依次将各分词片段输入至所述第一符号匹配模型中，得到各分词片段对应各符号标识的第一概率信息；第二信息确定单元，用于依次将各分词片段输入至所述第二符号匹配模型中，得到各分词片段对应各符号标识的第二概率信息；符号确定单元，用于针对一个分词片段，依据所述分词片段对应各符号标识的第一概率信息和第二概率信息，确定所述分词片段对应的符号标识。

可选地，所述符号确定单元，用于依据所述分词片段对应各符号标识的第一概率信息，计算第一方差信息；依据所述分词片段对应各符号标识的第二概率信息，计算第二方差信息；若所述第一方差信息大于第二方差信息，则选取第一概率信息最大的符号标识作为所述分词片段对应的符号标识；若所述第二方差信息大于第一方差信息，则选取第二概率信息最大的符号标识作为所述分词片段对应的符号标识。

可选地，所述的装置还包括：末尾标点添加模块，用于若所述添加标点的拼接文本末尾不存在标点，且所述当前语音识别文本是语音数据的最后一条语音识别文本，则在所述添加标点的拼接文本的末尾添加设定标点；末尾标点删除模块，用于若添加标点的拼接文本末尾存在标点，且所述当前语音识别文本不是语音数据的最后一条语音识别文本，则删除所述添加标点的拼接文本末尾的标点。

可选地，所述文本拼接模块，用于若n为1，则获取上一条输出文本中最后一段文本，所述最后一段文本是所述上一条输出文本中最后一个标点之后的文本；将所述当前翻译文本拼接在所述最后一段文本之后，得到拼接文本。

可选地，所述装置应用于同传领域。

本发明实施例还公开了一种可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如本发明实施例任一所述的数据处理方法。

本发明实施例还公开了一种电子设备，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：获取当前语音识别文本；将所述当前语音识别文本和上n条输出文本进行拼接，得到拼接文本,其中，所述n为正整数；在所述拼接文本中添加标点，从添加标点的拼接文本中提取除所述上n条输出文本之外的数据作为当前输出文本并输出。

可选地，所述在所述拼接文本中添加标点，包括：对所述拼接文本进行分词处理，得到对应的多个分词片段；依据符号匹配模型，确定各分词片段对应的符号标识；若所述分词片段的符号标识是设定标识，则在所述拼接文本中所述分词片段对应文字之后添加所述符号标识。

可选地，所述符号匹配模型包括第一符号匹配模型和第二符号匹配模型，所述依据符号匹配模型，确定各分词片段对应的符号标识，包括：依次将各分词片段输入至所述第一符号匹配模型中，得到各分词片段对应各符号标识的第一概率信息；依次将各分词片段输入至所述第二符号匹配模型中，得到各分词片段对应各符号标识的第二概率信息；针对一个分词片段，依据所述分词片段对应各符号标识的第一概率信息和第二概率信息，确定所述分词片段对应的符号标识。

可选地，所述依据所述分词片段对应各符号标识的第一概率信息和第二概率信息，确定所述分词片段对应的符号标识，包括：依据所述分词片段对应各符号标识的第一概率信息，计算第一方差信息；依据所述分词片段对应各符号标识的第二概率信息，计算第二方差信息；若所述第一方差信息大于第二方差信息，则选取第一概率信息最大的符号标识作为所述分词片段对应的符号标识；若所述第二方差信息大于第一方差信息，则选取第二概率信息最大的符号标识作为所述分词片段对应的符号标识。

可选地，所述的电子设备还包含用于进行以下操作的指令：若所述添加标点的拼接文本末尾不存在标点，且所述当前语音识别文本是语音数据的最后一条语音识别文本，则在所述添加标点的拼接文本的末尾添加设定标点；若添加标点的拼接文本末尾存在标点，且所述当前语音识别文本不是语音数据的最后一条语音识别文本，则删除所述添加标点的拼接文本末尾的标点。

可选地，所述将所述当前翻译文本和上n条输出文本进行拼接，得到拼接文本，包括：若n为1，则获取上一条输出文本中最后一段文本，所述最后一段文本是所述上一条输出文本中最后一个标点之后的文本；将所述当前翻译文本拼接在所述最后一段文本之后，得到拼接文本。

可选地，所述电子设备应用于同传领域。

本发明实施例包括以下优点：

本发明实施例中，在获取到当前语音识别文本后，可以将所述当前语音识别文本和上n条输出文本进行拼接，得到拼接文本，然后在所述拼接文本中添加标点；进而能够结合上下文确定上一条输出文本末尾的标点；后续再从添加标点的拼接文本中提取除所述上n条输出文本之外的数据作为当前输出文本并输出，进而在输出下一句语音识别文本时给出上一句输出文本末尾的标点。本发明实施例可以通过结合停顿前后的两条文本，确定停顿之前的文本末尾标点，解决因为停顿错加标点的问题，从而提高添加标点的准确率。

附图说明

图1是本发明的一种数据处理方法实施例的步骤流程图；

图2是本发明的一种数据处理方法可选实施例的步骤流程图；

图3是本发明的一种数据处理装置实施例的结构框图；

图4是本发明的一种数据处理装置可选实施例的结构框图；

图5根据一示例性实施例示出的一种用于数据处理的电子设备的结构框图；

图6是本发明根据另一示例性实施例示出的一种用于数据处理的电子设备的结构示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

本发明实施例的核心构思之一是，在接收到一句语音识别文本后，结合该句语音识别文本和上几句输出文本，确定上一句输出文本末尾的标点，并在输出该句语音识别文本时给出上一句输出文本末尾的标点；进而通过结合停顿前后的文本，确定停顿之前的文本末尾标点，解决因为停顿错加标点的问题，从而提高添加标点的准确率。

参照图1，示出了本发明的一种数据处理方法实施例的步骤流程图，具体可以包括如下步骤：

步骤102、获取当前语音识别文本。

步骤104、将所述当前语音识别文本和上n条输出文本进行拼接，得到拼接文本。

步骤106、在所述拼接文本中添加标点，从添加标点的拼接文本中提取除所述上n条输出文本之外的数据作为当前输出文本并输出。

本发明实施例中，在进行语音识别的过程中，可以根据静音时间间隔将语音切分为多个语音片段；然后依次对每个语音片段进行语音识别，得到语音识别文本，并为该语音识别文本添加标点后输出。后续可以对输出的文本进行其他处理，如直接展示输出的文本，又如将输出文本翻译成另一种语言的翻译文本后再展示，等等。

本发明实施例中，在获取到语音识别文本之后，可以判断该语音识别文本是否是语音数据的第一条语音识别文本；若该语音识别文本是语音数据的第一条语音识别文本，此时可以在该语音识别文本添加标点，其中，可以在该语音识别文本中文字之间添加标点，而末尾不添加标点，然后输出添加标点后的语音识别文本(可称为输出文本)。

若该语音识别文本不是语音数据的第一条语音识别文本，则可将该语音识别文本称为当前语音识别文本，此时可以将所述当前语音识别文本和其之前的输出文本进行拼接，然后再为拼接文本添加标点。其中，用户语音输出过程中，可能一个句话分成两次输出，也可能分成多于两次输出；因此本发明实施例为保证添加标点符号的准确性，可以获取当前语音识别文本的上n条输出文本,其中，n是正整数，再将当前语音识别文本与所述上n条输出文本进行拼接，得到拼接文本。然后从添加标点的拼接文本中提取除所述上n条输出文本之外的数据作为当前输出文本并输出。其中，若添加标点后的拼接文本中，上一条输出文本与当前语音识别文本之间存在标点，则当前输出文本可以包括该标点和添加标点后的当前语音文本；若添加标点后的拼接文本中，上一条输出文本与当前语音识别文本之间不存在标点，则当前输出文本只包括添加标点后的当前语音识别文本；进而能够输出下一句语音识别文本时给出上一句输出文本末尾的标点。

需要注意的是，每条语音识别文本(或拼接文本)的文字之间可能需要添加标点，也可能不需要添加标点，因此在语音识别文本(或拼接文本)中添加标点后，语音识别文本(或拼接文本)的文字之间可能被添加上标点，此时添加标点后的语音识别文本(或拼接文本)和语音识别文本(或拼接文本)是不相同的；语音识别文本(或拼接文本)的文字之间也可能未被添加上标点，此时添加标点后的语音识别文本(或拼接文本)和语音识别文本(或拼接文本)是相同的。

本发明一个实施例中，例如“大家好，我叫李磊，很高兴认识大家”这句话，用户在说这句话时先说了“大家好，我叫李磊”，间隔了20ms再说“很”，再间隔了20ms说“高兴”，再间隔了20ms说“认识”，又间隔了20ms说“大家”；此时将“大家好，我叫李磊”、“很”、“高兴”、“认识”和“大家”对应的语音数据分别作为一个语音片段。首先可以对“大家好，我叫李磊”这个语音片段进行语音识别，得到语音识别文本“大家好我叫李磊”；由于这句是语音数据的第一条语音识别文本，因此可以在这句中添加标点，得到添加标点后的语音识别文本“大家好，我叫李磊”，然后输出。然后对“很”这个语音片段进行语音识别，得到对应的语音识别文本“很”，由于这个语音识别文本不是语音数据的第一条语音识别文本，因此可以将该语音识别文本称为当前语音识别文本，再将所述当前语音识别文本和上一条输出文本进行拼接，得到拼接文本如“大家好，我叫李磊很”。然后在所述拼接文本中添加标点，得到添加标点后的拼接文本如“大家好，我叫李磊，很”；然后从添加标点的拼接文本中提取除所述上一条输出文本之外的数据作为当前输出文本，例如提取“，很”作为当前输出文本并输出。然后对“高兴”这个语音片段进行语音识别，得到对应的语音识别文本“高兴”，由于这个语音识别文本不是语音数据的第一条语音识别文本，因此可以将该语音识别文本称为当前语音识别文本，再将所述当前语音识别文本和上一条输出文本进行拼接，得到拼接文本如“,很高兴”。然后在所述拼接文本中添加标点，得到添加标点后的拼接文本如“,很高兴”；然后从添加标点的拼接文本中提取除所述上一条输出文本之外的数据作为当前输出文本，例如提取“高兴”作为当前输出文本并输出。然后对“认识”这个语音片段进行语音识别，得到对应的语音识别文本“认识”，由于这个语音识别文本不是语音数据的第一条语音识别文本，因此可以将该语音识别文本称为当前语音识别文本，再将所述当前语音识别文本和上两条输出文本(“，很”和“高兴”)进行拼接，得到拼接文本如“,很高兴认识”。然后在所述拼接文本中添加标点，得到添加标点后的拼接文本如“,很高兴认识”；然后从添加标点的拼接文本中提取除所述上两条输出文本之外的数据作为当前输出文本，例如提取“认识”作为当前输出文本并输出。然后对“大家”这个语音片段进行语音识别，得到对应的语音识别文本“大家”，由于这个语音识别文本不是语音数据的第一条语音识别文本，因此可以将该语音识别文本称为当前语音识别文本，再将所述当前语音识别文本和上三条输出文本(“，很”、“高兴”和“认识”)进行拼接，得到拼接文本如“,很高兴认识大家”。然后在所述拼接文本中添加标点，得到添加标点后的拼接文本如“,很高兴认识大家”；然后从添加标点的拼接文本中提取除所述上三条输出文本之外的数据作为当前输出文本，例如提取“大家”作为当前输出文本并输出。

本发明一个实施例中，例如“我是六月份到的伦敦”这句话，用户在说这句话时先说了“我是六月份到的”，然后间隔了30ms再说“伦敦”；此时将“我是六月份到的”对应的语音数据作为一个语音片段，“伦敦”作为另一个语音片段。首先可以对“我是六月份到的”这个语音片段进行语音识别，得到语音识别文本“我是六月份到的”；由于这句是语音数据的第一条语音识别文本，因此可以在这句中添加标点，得到添加标点后的语音识别文本“我是六月份到的”，然后输出。然后对“伦敦”这个语音片段进行语音识别，得到对应的语音识别文本“伦敦”，由于这个语音识别文本不是语音数据的第一条语音识别文本，因此可以将该语音识别文本称为当前语音识别文本，再将所述当前语音识别文本和上一条输出文本进行拼接，得到拼接文本如“我是六月份到的伦敦”。然后在所述拼接文本中添加标点，得到添加标点后的拼接文本如“我是六月份到的伦敦”；再从添加标点的拼接文本中提取除所述上一条输出文本之外的数据作为当前输出文本，例如提取“伦敦”作为当前输出文本并输出。

本发明实施例中，在获取到当前语音识别文本后，可以将所述当前语音识别文本和上n条输出文本进行拼接，得到拼接文本，然后在所述拼接文本中添加标点；进而能够结合上下文确定上一条输出文本末尾的标点；后续再从添加标点的拼接文本中提取除所述上n条输出文本之外的数据作为当前输出文本并输出，进而在输出下一句语音识别文本时给出上一句输出文本末尾的标点。本发明实施例可以通过结合停顿前后的两条文本，确定停顿之前的文本末尾标点，解决因为停顿错加标点的问题，从而提高添加标点的准确率。

本发明的另一个实施例中，可以采用符号匹配模型，确定拼接文本的文字之间的标点，进而实现在拼接文本中添加标点；其中，所述符号匹配模型可以用于确定各分词片段之后连接的标点，如语言模型(ngram模型)、神经网络模型，等等。

参照图2，示出了本发明的一种数据处理方法可选实施例的步骤流程图，具体可以包括如下步骤：

步骤202、获取当前语音识别文本。

步骤204、将所述当前语音识别文本和上n条输出文本进行拼接，得到拼接文本。

本发明实施例中，对语音片段识别得到语音识别文本后，可以获取该语音识别文本，若该语音识别文本是语音数据的第一条语音识别文本，则可以在该语音识别文本中添加标点并输出，其中，可以不在该语音识别文本的末尾添加标点。若该语音识别文本不是语音数据的第一条语音识别文本，则可以将该语音识别文本称为当前语音识别文本，然后将所述当前语音识别文本和上n条输出文本进行拼接，再在拼接文本中添加标点。

当前语音识别文本之前的输出文本，可能有些文本较长，有些文本较短，因此若当前语音识别文本之前的多条输出文本均比较短，可以获取当前语音识别文本的上几条输出文本，然后将当前语音识别文本与所述上几条输出文本进行拼接(此时n大于1)；若当前语音识别文本的上一条输出文本比较长，可以获取当前语音识别文本的上一条输出文本，然后将当前语音识别文本与所述上一条输出文本进行拼接(此时n为1)。

其中，若将所述当前翻译文本和上一条输出文本进行拼接，由于上一条输出文本的文字之间可能被添加上了标点，也可能未被添加上标点；当上一条输出文本被添加上了标点时，可以在输出所述上一条输出文本的同时，保存所述上一条输出文本中最后一段文本，所述最后一段文本是所述上一条输出文本中最后一个标点之后的文本，以节约存储空间；进而在拼接过程中，可以获取上一条输出文本中最后一段文本，将所述当前翻译文本拼接在所述最后一段文本之后，得到拼接文本。当然上一条输出文本的文字之间也可能没有被添加标点，此时可以在输出上一条输出文本的同时存储该文本；然后拼接过程中，将所述当前语音识别文本拼接在所述上一条输出文本之后，得到拼接文本。

步骤206、对所述拼接文本进行分词处理，得到对应的多个分词片段。

步骤208、依据符号匹配模型，确定各分词片段对应的符号标识。

本发明实施例中，可以采用符号匹配模型为拼接文本添加标点，其中，可以将拼接文本划分为多个分词片段，然后依次将各分词片段输入至符号匹配模型中，可以得到各分词片段对应的符号标识，所述符号标识可以包括多种，如各种标点符号的标识如“，”“。”“；”“！”“？”，又如非标点符号的符号标识如“@”，所述非标点符号标识用于表征没有标点符号的情况；当然所述标点符号的符号标识还可以包括其他如“……”，非标点符号的符号也可以是其他如“￥”等等，本发明对此不作限制。

本发明实施例中，所述符号匹配模型可以包括第一符号匹配模型和第二符号匹配模型，其中，所述第一符号匹配模型可以是语音模型和神经网络模型中的一种，所述第二符号匹配模型可以是语音模型和神经网络模型中的另一种；当然第一符号匹配模型和第二符号模型也可以是其他的模型，本发明实施例对此不作限制。

本发明的一个示例中，一种依据符号匹配模型，确定各分词片段对应的符号标识的方式，可以包括如下子步骤：

子步骤s2：依次将各分词片段输入至所述第一符号匹配模型中，得到各分词片段对应各符号标识的第一概率信息。

子步骤s4：依次将各分词片段输入至所述第二符号匹配模型中，得到各分词片段对应各符号标识的第二概率信息。

子步骤s6：针对一个分词片段，依据所述分词片段对应各符号标识的第一概率信息和第二概率信息，确定所述分词片段对应的符号标识。

本发明实施例中，可以按照各分词片段在拼接文本中的顺序，依次将各分词片段输入至所述第一符号匹配模型中，待所述分词片段输入至所述第一符号模型中后，所述第一符号匹配模型可以对各分词片段进行处理。其中，第一符号匹配模型可以针对每一个分词片段，计算该分词片段之后连接每个符号标识的第一概率信息。对应的，可以将依次将各分词片段输入至所述第二符号匹配模型中，由第二符号匹配模型计算该分词片段之后连接每个符号标识的第二概率信息。

然后针对每一个分词片段，可以依据所述分词片段第一概率信息和第二概率信息，确定所述分词片段对应的符号标识；具体如下：依据各符号标识的第一概率信息，计算第一方差信息；依据各符号标识的第二概率信息，计算第二方差信息；若所述第一方差信息大于第二方差信息，则选取第一概率信息最大的符号标识作为所述分词片段对应的符号标识；若所述第二方差信息大于第一方差信息，则选取第二概率信息最大的符号标识作为所述分词片段对应的符号标识。其中，由于方差信息越大，各符号标识之间的概率信息差别大，说明对应符号匹配模型可信度越高，进而依据方差信息大的一组概率信息确定分词片段对应的符号标识，可以提高添加标点的可信度，进一步提高添加标点的准确性。

本发明另一个示例中，一种依据符号匹配模型，确定各分词片段对应的符号标识的方式，也可以是在执行上述子步骤s2后，不执行子步骤s4-s6，针对每个分词片段，直接依据所述分词片段第一概率信息，确定所述分词片段对应的符号标识；其中，可以选取第一概率信息最大的符号标识作为所述分词片段对应的符号标识。

本发明的又一个示例中，一种依据符号匹配模型，确定各分词片段对应的符号标识的方式，还可以是不执行子步骤s2和s6，直接执行子步骤s4；针对每个分词片段，直接依据所述分词片段第二概率信息，确定所述分词片段对应的符号标识；其中，可以选取第二概率信息最大的符号标识作为所述分词片段对应的符号标识。

对应的，上述采用上一条输出文本中最后一个句中标点之后的文本进行拼接，可以减少符号匹配模型处理的分词片段的数量，进而还可以达到增加在拼接文本添加标点的效率的效果。

步骤210、若所述分词片段的符号标识是设定标识，则在所述拼接文本中所述分词片段对应文字之后添加所述符号标识。

本发明实施例中，分词片段的符号标识可以是标点符号的符号标识，也可能是非标点符号的符号标识；因此针对每个分词片段，可以判断分词片段的符号标识是否是设定标识。若该分词片段的符号标识是设定标识，则在该拼接文本中所述分词片段对应文字之后添加所述符号标识；若该分词片段的符号标识不是设定标识，则无需在拼接文本中该分词片段对应的文字之后添加标点，直接判断下一个分词片段的符号标识是否是设定标识。其中，所述设定标识可以包括标点符号的符号标识，具体可以按照需求设置。

其中，当确定该分词片段的符号标识是设定标识，若该分词片段不是拼接文本的最后一个片段时，可以在拼接文本中该分词片段对应文字，和，该分词片段的下一分词片段对应文字之间，添加该分词片段对应的符号标识。

当然，当确定该分词片段的符号标识是设定标识，若该分词片段是拼接文本的最后一个片段时，可以在拼接文本中该分词片段对应文字之后(即拼接文本的末尾)，添加该分词片段对应的符号标识；也可以不在拼接文本中该分词片段对应文字之后(即拼接文本的末尾)，添加该分词片段对应的符号标识；具体可以按照需求设置，本发明实施例对此不作限制。

步骤212、若所述添加标点的拼接文本末尾不存在标点，且所述当前语音识别文本是语音数据的最后一条语音识别文本，则在所述添加标点的拼接文本的末尾添加设定标点。

步骤214、若添加标点的拼接文本末尾存在标点，且所述当前语音识别文本不是语音数据的最后一条语音识别文本，则删除所述添加标点的拼接文本末尾的标点。

本发明实施例中，除语音数据的最后一条语音识别文本对应的输出文本外，其他语音识别文本对应的输出文本末尾的标点，均可以在下一条输出文本的开头给出；进而其他语音识别文本对应的输出文本的末尾可以不包含标点，而最后一条语音识别文本对应的输出文本的末尾可以包含标点。因此在拼接文本中添加标点后，若当前语音识别文本不是语音数据的最后一条文本，则可以判断添加标点后的拼接文本的末尾是否存在标点。若添加标点后的拼接文本的末尾存在标点，则删除所述添加标点的拼接文本末尾的标点；若添加标点后的拼接文本的末尾不存在标点，则可以执行步骤216。若当前语音识别文本是语音数据的最后一条文本，则可以判断添加标点后的拼接文本的末尾是否存在标点，若添加标点后的拼接文本的末尾不存在标点，则在所述添加标点的拼接文本的末尾添加设定标点；若添加标点后的拼接文本的末尾存在标点，则可以执行步骤216。其中，所述设定标点可以按照需求设置，其中，所述设定标点可以包括用于语句结束的标点符号。

步骤216、从添加标点的拼接文本中提取除所述上n条输出文本之外的数据作为当前输出文本并输出。

然后从添加标点的拼接文本中提取除所述上n条输出文本之外的数据作为当前输出文本并输出，因此若当前语音识别文本不是语音数据的最后一句语音识别文本，则当前输出文本的末尾没有标点；若当前语音识别文本是语音数据的最后一句语音识别文本，则当前输出文本的末尾可以包含标点。

本发明实施例可以应用于同传领域，例如语音采集设备获取到语音数据后，可以将语音数据发送给语音识别服务，语音识别服务可以根据接收到语音数据的时间间隔，将语音数据划分为多个语音片段，然后对各个语音片段进行识别，再执行上述步骤202-步骤216。语音识别服务可以将当前输出文本输出至机器翻译服务，机器翻译服务将当前输出文本翻译为另一种语音的翻译文本；然后一方面可以将所述翻译文本发送给显示设备显示该翻译文本，另一方面可以将所述翻译文本发送给语音转换服务，将翻译文本转换为对应语言的语音，然后输出给语音播放设备播放，实现同传。其中，语音识别服务、机器翻译服务和语音转换服务，可以部署在同一个设备上，也可以部署在不同的设备上，具体可以按照需求设置，本发明实施例对此不作限制。

本发明实施例中，在获取到当前语音识别文本后，可以将所述当前语音识别文本和上n条输出文本进行拼接，得到拼接文本，然后在所述拼接文本中添加标点；再从添加标点的拼接文本中提取除所述上n条输出文本之外的数据作为当前输出文本并输出，进而在输出下一句语音识别文本时给出上一句输出文本末尾的标点，从而提高为上一条输出文本末尾添加标点的准确率。此外，还能够结合上一条输出文本，为当前语音识别文本添加标点，能够提高为当前输出文本的文字之间添加标点的准确率。

其次，本发明实施例在拼接文本中添加标点后，若所述添加标点的拼接文本末尾不存在标点，且所述当前语音识别文本是语音数据的最后一条语音识别文本，则在所述添加标点的拼接文本的末尾添加设定标点；进而能够保证语音数据的最后一条语音识别文本对应的输出文本的末尾携带标点，保证输出文本的完整性，以及提高了用户体验。

进一步，本发明实施例中，可以将拼接文本进行分词处理，然后所述依据符号匹配模型，确定各分词片段对应的符号标识，若所述分词片段的符号标识是设定标识，则在所述拼接文本中所述分词片段对应文字之后添加所述符号标识。其中，可以依次将各分词片段输入至所述第一符号匹配模型中，得到各分词片段对应各符号标识的第一概率信息；依次将各分词片段输入至所述第二符号匹配模型中，得到各分词片段对应各符号标识的第二概率信息；针对一个分词片段，依据所述分词片段对应各符号标识的第一概率信息和第二概率信息，确定所述分词片段对应的符号标识。进而依据两个符号匹配模型输出的结果，提高了确定各分词片段对应符号标识的准确性，从而进一步提高了添加标点的准确性。

进一步，本发明实施例中，依据各符号标识的第一概率信息，计算第一方差信息；依据各符号标识的第二概率信息，计算第二方差信息；若所述第一方差信息大于第二方差信息，则选取第一概率信息最大的符号标识作为所述分词片段对应的符号标识；若所述第二方差信息大于第一方差信息，则选取第二概率信息最大的符号标识作为所述分词片段对应的符号标识。其中，由于方差信息越大，各符号标识之间的概率信息差别大，说明对应符号匹配模型可信度越高，因此可以提高添加标点的可信度，进而进一步提高添加标点的准确性。

再次，本发明实施例在拼接过程中，若n为1，则可以获取上一条输出文本中最后一段文本，所述最后一段文本是所述上一条输出文本中最后一个标点之后的文本；然后将所述当前翻译文本拼接在所述最后一段文本之后，得到拼接文本。进而可以只需保存上一条输出文本中最后一段标点文本，节约存储空间；且还能够提高后续在拼接文本中添加标点的效率。

需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。

参照图3，示出了本发明的一种数据处理装置实施例的结构框图，具体可以包括如下模块：

文本获取模块302，用于获取当前语音识别文本；

文本拼接模块304，用于将所述当前语音识别文本和上n条输出文本进行拼接，得到拼接文本，其中，所述n为正整数；

标点添加模块306，用于在所述拼接文本中添加标点，从添加标点的拼接文本中提取除所述上n条输出文本之外的数据作为当前输出文本并输出。

参照图4，示出了本发明的一种数据处理装置可选实施例的结构框图。

本发明一个可选的实施例中，所述的装置还包括：

末尾标点添加模块308，用于若所述添加标点的拼接文本末尾不存在标点，且所述当前语音识别文本是语音数据的最后一条语音识别文本，则在所述添加标点的拼接文本的末尾添加设定标点。

本发明一个可选的实施例中，所述的装置还包括：

末尾标点删除模块310，用于若添加标点的拼接文本末尾存在标点，且所述当前语音识别文本不是语音数据的最后一条语音识别文本，则删除所述添加标点的拼接文本末尾的标点。

本发明一个可选的实施例中，所述标点添加模块306包括：

分词子模块3062，用于对所述拼接文本进行分词处理，得到对应的多个分词片段；

标点确定子模块3064，用于依据符号匹配模型，确定各分词片段对应的符号标识；

符号添加子模块3066，用于若所述分词片段的符号标识是设定标识，则在所述拼接文本中所述分词片段对应文字之后添加所述符号标识。

本发明一个可选的实施例中，所述符号匹配模型包括第一符号匹配模型和第二符号匹配模型，所述标点确定子模块3064包括:

第一信息确定单元30642，用于依次将各分词片段输入至所述第一符号匹配模型中，得到各分词片段对应各符号标识的第一概率信息；

第二信息确定单元30644，用于依次将各分词片段输入至所述第二符号匹配模型中，得到各分词片段对应各符号标识的第二概率信息；

符号确定单元30646，用于针对一个分词片段，依据所述分词片段对应各符号标识的第一概率信息和第二概率信息，确定所述分词片段对应的符号标识。

本发明一个可选的实施例中，所述符号确定单元30646，用于依据所述分词片段对应各符号标识的第一概率信息，计算第一方差信息；依据所述分词片段对应各符号标识的第二概率信息，计算第二方差信息；若所述第一方差信息大于第二方差信息，则选取第一概率信息最大的符号标识作为所述分词片段对应的符号标识；若所述第二方差信息大于第一方差信息，则选取第二概率信息最大的符号标识作为所述分词片段对应的符号标识。

本发明一个可选的实施例中，所述文本拼接模块304，用于若n为1，则获取上一条输出文本中最后一段文本，所述最后一段文本是所述上一条输出文本中最后一个标点之后的文本；将所述当前翻译文本拼接在所述最后一段文本之后，得到拼接文本。

本发明一个可选的实施例中，应用于同传领域。

本发明实施例中，在获取到当前语音识别文本后，可以将所述当前语音识别文本和上n条输出文本进行拼接，得到拼接文本，然后在所述拼接文本中添加标点；进而能够结合上下文确定上一条输出文本末尾的标点；后续再从添加标点的拼接文本中提取除所述上n条输出文本之外的数据作为当前输出文本并输出，进而在输出下一句语音识别文本时给出上一句输出文本末尾的标点。本发明实施例可以通过结合停顿前后的两条文本，确定停顿之前的文本末尾标点，解决因为停顿错加标点的问题，从而提高添加标点的准确率。

对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

图5是根据一示例性实施例示出的一种用于数据处理的电子设备500的结构框图。例如，电子设备500可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图5，电子设备500可以包括以下一个或多个组件：处理组件502，存储器504，电力组件506，多媒体组件508，音频组件510，输入/输出(i/o)的接口512，传感器组件514，以及通信组件516。

处理组件502通常控制电子设备500的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理元件502可以包括一个或多个处理器520来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件502可以包括一个或多个模块，便于处理组件502和其他组件之间的交互。例如，处理部件502可以包括多媒体模块，以方便多媒体组件508和处理组件502之间的交互。

存储器504被配置为存储各种类型的数据以支持在设备500的操作。这些数据的示例包括用于在电子设备500上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器504可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。

电力组件506为电子设备500的各种组件提供电力。电力组件506可以包括电源管理系统，一个或多个电源，及其他与为电子设备500生成、管理和分配电力相关联的组件。

多媒体组件508包括在所述电子设备500和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(lcd)和触摸面板(tp)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件508包括一个前置摄像头和/或后置摄像头。当电子设备500处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件510被配置为输出和/或输入音频信号。例如，音频组件510包括一个麦克风(mic)，当电子设备500处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器504或经由通信组件516发送。在一些实施例中，音频组件510还包括一个扬声器，用于输出音频信号。

i/o接口512为处理组件502和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件514包括一个或多个传感器，用于为电子设备500提供各个方面的状态评估。例如，传感器组件514可以检测到设备500的打开/关闭状态，组件的相对定位，例如所述组件为电子设备500的显示器和小键盘，传感器组件514还可以检测电子设备500或电子设备500一个组件的位置改变，用户与电子设备500接触的存在或不存在，电子设备500方位或加速/减速和电子设备500的温度变化。传感器组件514可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件514还可以包括光传感器，如cmos或ccd图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件514还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件516被配置为便于电子设备500和其他设备之间有线或无线方式的通信。电子设备500可以接入基于通信标准的无线网络，如wifi，2g或3g，或它们的组合。在一个示例性实施例中，通信部件514经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信部件514还包括近场通信(nfc)模块，以促进短程通信。例如，在nfc模块可基于射频识别(rfid)技术，红外数据协会(irda)技术，超宽带(uwb)技术，蓝牙(bt)技术和其他技术来实现。

在示例性实施例中，电子设备500可以被一个或多个应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器504，上述指令可由电子设备500的处理器520执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是rom、随机存取存储器(ram)、cd-rom、磁带、软盘和光数据存储设备等。

一种非临时性计算机可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行一种数据处理方法，所述方法包括：获取当前语音识别文本；将所述当前语音识别文本和上n条输出文本进行拼接，得到拼接文本，其中，所述n为正整数；在所述拼接文本中添加标点，从添加标点的拼接文本中提取除所述上n条输出文本之外的数据作为当前输出文本并输出。

可选地，所述在所述拼接文本中添加标点，包括：对所述拼接文本进行分词处理，得到对应的多个分词片段；依据符号匹配模型，确定各分词片段对应的符号标识；若所述分词片段的符号标识是设定标识，则在所述拼接文本中所述分词片段对应文字之后添加所述符号标识。

可选地，所述符号匹配模型包括第一符号匹配模型和第二符号匹配模型，所述依据符号匹配模型，确定各分词片段对应的符号标识，包括：依次将各分词片段输入至所述第一符号匹配模型中，得到各分词片段对应各符号标识的第一概率信息；依次将各分词片段输入至所述第二符号匹配模型中，得到各分词片段对应各符号标识的第二概率信息；针对一个分词片段，依据所述分词片段对应各符号标识的第一概率信息和第二概率信息，确定所述分词片段对应的符号标识。

可选地，所述依据所述分词片段对应各符号标识的第一概率信息和第二概率信息，确定所述分词片段对应的符号标识，包括：依据所述分词片段对应各符号标识的第一概率信息，计算第一方差信息；依据所述分词片段对应各符号标识的第二概率信息，计算第二方差信息；若所述第一方差信息大于第二方差信息，则选取第一概率信息最大的符号标识作为所述分词片段对应的符号标识；若所述第二方差信息大于第一方差信息，则选取第二概率信息最大的符号标识作为所述分词片段对应的符号标识。

可选地，所述的方法还包括：若所述添加标点的拼接文本末尾不存在标点，且所述当前语音识别文本是语音数据的最后一条语音识别文本，则在所述添加标点的拼接文本的末尾添加设定标点；若添加标点的拼接文本末尾存在标点，且所述当前语音识别文本不是语音数据的最后一条语音识别文本，则删除所述添加标点的拼接文本末尾的标点。

可选地，所述将所述当前翻译文本和上n条输出文本进行拼接，得到拼接文本，包括：若n为1，则获取上一条输出文本中最后一段文本，所述最后一段文本是所述上一条输出文本中最后一个标点之后的文本；将所述当前翻译文本拼接在所述最后一段文本之后，得到拼接文本。

可选地，应用于同传领域。

图6是本发明根据另一示例性实施例示出的一种用于数据处理的电子设备600的结构示意图。该电子设备600可以是服务器，该服务器可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器(centralprocessingunits，cpu)622(例如，一个或一个以上处理器)和存储器632，一个或一个以上存储应用程序642或数据644的存储介质630(例如一个或一个以上海量存储设备)。其中，存储器632和存储介质630可以是短暂存储或持久存储。存储在存储介质630的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器622可以设置为与存储介质630通信，在服务器上执行存储介质630中的一系列指令操作。

服务器还可以包括一个或一个以上电源626，一个或一个以上有线或无线网络接口650，一个或一个以上输入输出接口658，一个或一个以上键盘656，和/或，一个或一个以上操作系统641，例如windowsservertm，macosxtm，unixtm,linuxtm，freebsdtm等等。

一种电子设备，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：获取当前语音识别文本；将所述当前语音识别文本和上n条输出文本进行拼接，得到拼接文本,其中，所述n为正整数；在所述拼接文本中添加标点，从添加标点的拼接文本中提取除所述上n条输出文本之外的数据作为当前输出文本并输出。

可选地，所述在所述拼接文本中添加标点，包括：对所述拼接文本进行分词处理，得到对应的多个分词片段；依据符号匹配模型，确定各分词片段对应的符号标识；若所述分词片段的符号标识是设定标识，则在所述拼接文本中所述分词片段对应文字之后添加所述符号标识。

可选地，所述符号匹配模型包括第一符号匹配模型和第二符号匹配模型，所述依据符号匹配模型，确定各分词片段对应的符号标识，包括：依次将各分词片段输入至所述第一符号匹配模型中，得到各分词片段对应各符号标识的第一概率信息；依次将各分词片段输入至所述第二符号匹配模型中，得到各分词片段对应各符号标识的第二概率信息；针对一个分词片段，依据所述分词片段对应各符号标识的第一概率信息和第二概率信息，确定所述分词片段对应的符号标识。

可选地，所述依据所述分词片段对应各符号标识的第一概率信息和第二概率信息，确定所述分词片段对应的符号标识，包括：依据所述分词片段对应各符号标识的第一概率信息，计算第一方差信息；依据所述分词片段对应各符号标识的第二概率信息，计算第二方差信息；若所述第一方差信息大于第二方差信息，则选取第一概率信息最大的符号标识作为所述分词片段对应的符号标识；若所述第二方差信息大于第一方差信息，则选取第二概率信息最大的符号标识作为所述分词片段对应的符号标识。

可选地，所述的电子设备还包含用于进行以下操作的指令：若所述添加标点的拼接文本末尾不存在标点，且所述当前语音识别文本是语音数据的最后一条语音识别文本，则在所述添加标点的拼接文本的末尾添加设定标点；若添加标点的拼接文本末尾存在标点，且所述当前语音识别文本不是语音数据的最后一条语音识别文本，则删除所述添加标点的拼接文本末尾的标点。

可选地，所述将所述当前翻译文本和上n条输出文本进行拼接，得到拼接文本，包括：若n为1，则获取上一条输出文本中最后一段文本，所述最后一段文本是所述上一条输出文本中最后一个标点之后的文本；将所述当前翻译文本拼接在所述最后一段文本之后，得到拼接文本。

可选地，应用于同传领域。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。

以上对本发明所提供的一种数据处理方法、一种数据处理装置和一种电子设备，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。