regex - 将句子与语料库对齐并发现不匹配

理想的目标是根据参考语料库（实际文本）更正 Speech2text 模型的输出。我不介意在 NLP 空间或 ElasticSearch 中使用任何非自我工具

我有一个参考语料库，如下所示：

这是一种依赖，导致了一个摧毁生命的成瘾循环这是一个循环，当你试图停止时会让你生病，如果你不停止，可能会夺走你的生命，除了它的身体影响之外，这个成瘾循环还包括与刑事司法系统的持续联系，而不仅仅是逮捕释放和违规的循环。

事实上，它的时间要长得多......

另一方面，我有一组从 CSV 文件中的语音 2 文本模型中识别出来的句子

1, is a cycle that makes you dick when
2, try two stops and essentially hates your
3, posses activated
4, lives when who don't and beyond

如您所见，因为 Speech2text 模型并不完美，因此存在错误，例如

1）在引用语料库时，这些子句拼写错误（例如，数字 1 的句子是 dick 而不是病态 2）有些句子与语料库完全不匹配 - 例如数字 3 3）将句子放在一起不涵盖整个段落。

所以基本上我想知道这个任务在 NLP 主题中叫什么，然后我可以做一个更好的谷歌搜索，如果你说出我可以利用的特定函数或示例，例如在 Space 或 NLTK 或任何其他工具中，我将不胜感激。

编辑：*我已经有 nlp（coursera 证书）的经验 - 因此，寻找一个具体的答案和/或示例而不是科学论文。这不是一般的纠错任务，也不是基于序列模型的下一个工作建议。

标签： regexelasticsearchnlpnltkspacy