一种基于联邦学习的文本纠错方法和系统

本发明属于文本纠错技术领域，提供一种基于联邦学习的文本纠错方法和系统。该方法包括：构建与各参与方相对应的语料库，形成相对应的训练集；对预训练模型进行微调，以获取微调后的初始模型参数，得到初始文本纠错模型；对微调后的初始模型参数进行加密得到加密后的初始模型参数；计算各参与方的语料库或场景任务的相似性，筛选待聚合处理的模型参数，进行安全聚合，得到相应的聚合模型参数；对聚合模型参数进行解密，进一步更新初始文本纠错模型；进行多轮联邦学习，得到最优文本纠错模型，以对待纠错文本进行纠错。本发明采用联邦学习方法让不同参与方在不共享原始数据的情况下，充分利用各方的专业语料，得到更精确的文本纠错模型。