一、功能介绍
识别输入文本中有错误的片段，提示错误并给出正确的文本结果。支持短文本、长文本、语音等内容的错误识别，纠错是搜索引擎、语音识别、内容审查等功能更好运行的基础模块之一。
二、应用场景
在内容写作平台上内嵌纠错模块，可在作者写作时自动检查并提示错别字情况。从而降低因疏忽导致的错误表述，有效提升作者的文章写作质量，同时给用户更好的阅读体验。
用户经常在搜索时输入错误，通过分析搜索query的形式和特征，可自动纠正搜索query并提示用户，进而给出更符合用户需求的搜索结果，有效屏蔽错别字对用户真实需求的影响。
将文本纠错嵌入对话系统中，可自动修正语音识别转文本过程中的错别字，向对话理解系统传递纠错后的正确query，能明显提高语音识别准确率，使产品整体体验更佳。
三、使用攻略
说明：本文采用C# 语言，开发环境为.Net Core 3.1，采用在线API接口方式实现。
（1）平台接入
登陆 百度智能云-管理中心 创建 “自然语言处理”应用，获取 “API Key ”和 “Secret Key”：https://console.bce.baidu.com/ai/?_=1596204514960&fromai=1#/ai/nlp/overview/index
（2）接口文档
文档地址：https://ai.baidu.com/ai-doc/NLP/Ik6z52gp8
接口描述：识别输入文本中有错误的片段，提示错误并给出正确的文本结果。支持短文本、长文本、语音等内容的错误识别，纠错是搜索引擎、语音识别、内容审查等功能更好运行的基础模块之一。
请求说明
HTTP方法：POST
请求URL：https://aip.baidubce.com/rpc/2.0/nlp/v1/ecnet
URL参数：
参数 值
access_token 通过API Key和Secret Key获取的access_token,参考“Access Token获取”Header如下：
参数 值
Content-Type application/jsonBody中放置请求参数，参数详情如下：
Body请求示例:
{
"text": "百度是一家人工只能公司"
}注意：要求使用JSON格式的结构体来描述一个请求的具体内容。
body整体文本内容可以支持GBK和UTF-8两种格式的编码。
1、GBK支持：默认按GBK进行编码，输入内容为GBK编码，输出内容为GBK编码，否则会接口报错编码错误
2、UTF-8支持：若文本需要使用UTF-8编码，请在url参数中添加charset=UTF-8 （大小写敏感） 例如 https://aip.baidubce.com/rpc/2.0/nlp/v1/lexer?charset=UTF-8&access_token=24.f9ba9c5241b67688bb4adbed8bc91dec.2592000.1485570332.282335-8574074
请求参数
参数 类型 描述 是否必填
text string 待纠错文本，输入限制511字节 必填返回说明
默认返回内容为GBK编码。
若用户指定输入为UTF-8编码（通过指定charset参数），则返回内容为UTF-8编码。
返回参数
参数 说明 描述
log_id uint64 请求唯一标识码
+correct_query string 纠错后的文本
+score double 模型置信度打分
item object 分析结果
+vec_fragment list 替换候选片段信息
++ori_frag string 原片段
++correct_frag double 替换片段
++begin_pos int 起始(长度单位)
++end_pos list 结尾(长度单位)返回示例：
{
"log_id": 6770395607901559829,
"item": {
"vec_fragment": [
{
"ori_frag": "只能",
"begin_pos": 21,
"correct_frag": "智能",
"end_pos": 27
}
],
"score": 0.875169,
"correct_query": "百度是一家人工智能公司"
},
"text": "百度是一家人工只能公司"
}（3）源码共享
（3-1）根据 API Key 和 Secret Key 获取 AccessToken
///
/// 获取百度access_token
///
/// API Key
/// Secret Key
///
public static string GetAccessToken(string clientId, string clientSecret)
{
string authHost = "https://aip.baidubce.com/oauth/2.0/token";
HttpClient client = new HttpClient();
List> paraList = new List>();
paraList.Add(new KeyValuePair("grant_type", "client_credentials"));
paraList.Add(new KeyValuePair("client_id", clientId));
paraList.Add(new KeyValuePair("client_secret", clientSecret));
HttpResponseMessage response = client.PostAsync(authHost, new FormUrlEncodedContent(paraList)).Result;
string result = response.Content.ReadAsStringAsync().Result;
JObject jo = (JObject)JsonConvert.DeserializeObject(result);
string token = jo["access_token"].ToString();
return token;
}（3-2）调用API接口获取识别结果
（3-2-1） 建立Index.cshtml文件
（3-2-1-1）前台代码：
由于html代码无法原生显示，只能简单说明一下：
主要是一个form表单，form表单里面有几个控件：
一个textarea：type="text"，asp-for="Text" ，要纠错的文本；
一个Input：type="submit"，asp-page-handler="Ecnet" ，提交请求。最后显示后台 msg 字符串列表信息，如果需要输出原始Html代码，则需要使用@Html.Raw()函数。
（3-2-1-2） 后台代码：
主程序代码：
[BindProperty]
public string Text { get; set; }
public List msg = new List();
string NLP_Ecnet="v1/ecnet";
string NLP_API_KEY="你的自然语言处理API KEY";
string NLP_SECRET_KEY="你的自然语言处理SECRET KEY";
public NLPModel()
{
}
public void OnGet()
{
}
public async Task OnPostEcnetAsync()
{
if (string.IsNullOrEmpty(Text))
{
ModelState.AddModelError(string.Empty, "请输入具体内容！");
}
if (!ModelState.IsValid)
{
return Page();
}
msg = new List();
DateTime startTime = DateTime.Now;
string result = GetNLPJson(NLP_Ecnet, Text, NLP_API_KEY, NLP_SECRET_KEY);
DateTime endTime = DateTime.Now;
TimeSpan ts = endTime - startTime;
JObject jo = (JObject)JsonStringToObj(result);
try
{
msg.Add("文本纠错结果（耗时" + ts.TotalSeconds + "秒）：\n");
msg.Add("原来的文本：" + jo["text"].ToString());
List msgList = jo["item"]["vec_fragment"].ToList();
if (msgList.Count > 0)
{
msg.Add("纠错后文本：" + jo["item"]["correct_query"].ToString());
msg.Add("分析结果：");
string curString = "";
foreach (JToken ms in msgList)
{
curString += ms["ori_frag"].ToString() + "(" + ms["correct_frag"].ToString() + ") ";
}
msg.Add(curString);
}
else
{
msg.Add("文本无错！");
}
}
catch (Exception e)
{
msg.Add(result);
}
return Page();
}其他相关函数：
///
/// 自然语言处理Json字符串
///
/// 自然语言处理类型
/// 内容
/// API Key
/// Secret Key
///
public static string GetNLPJson(string nlpType, string text, string clientId, string clientSecret)
{
string token = GetAccessToken(clientId, clientSecret);
string host = "https://aip.baidubce.com/rpc/2.0/nlp/" + nlpType + "?charset=UTF-8&access_token=" + token;
Encoding encoding = Encoding.Default;
HttpWebRequest request = (HttpWebRequest)WebRequest.Create(host);
request.Method = "post";
request.ContentType = "application/json";
request.KeepAlive = true;
string str = "{\"text\":\"" + text;
str += "\"}";
byte[] buffer = encoding.GetBytes(str);
request.ContentLength = buffer.Length;
request.GetRequestStream().Write(buffer, 0, buffer.Length);
HttpWebResponse response = (HttpWebResponse)request.GetResponse();
StreamReader reader = new StreamReader(response.GetResponseStream(), Encoding.UTF8);
string result = reader.ReadToEnd();
return result;
}
///
/// 获取百度access_token
///
/// API Key
/// Secret Key
///
public static string GetAccessToken(string clientId, string clientSecret)
{
string authHost = "https://aip.baidubce.com/oauth/2.0/token";
HttpClient client = new HttpClient();
List> paraList = new List>();
paraList.Add(new KeyValuePair("grant_type", "client_credentials"));
paraList.Add(new KeyValuePair("client_id", clientId));
paraList.Add(new KeyValuePair("client_secret", clientSecret));
HttpResponseMessage response = client.PostAsync(authHost, new FormUrlEncodedContent(paraList)).Result;
string result = response.Content.ReadAsStringAsync().Result;
JObject jo = (JObject)JsonConvert.DeserializeObject(result);
string token = jo["access_token"].ToString();
return token;
}
///
/// json转为对象
///
/// Json字符串
///
public static Object JsonStringToObj(string jsonString)
{
Object s = JsonConvert.DeserializeObject(jsonString);
return s;
}四、效果测试
1、页面：
2.1
2.2
2.3
五、测试结果及建议
从测试结果可知，百度的文本纠错技术识别速度基本在0.5秒左右，识别准确率也不错，一般情况下也是基本够用了，不过还是会存在个别无法正确识别纠错（如图2.2中的“针是”，应该是“真是”才对），还需要进一步的优化。