1.一种语音识别结果的校正方法，其特征在于，包括：
获取同一语音输入的多种候选词序列；
针对每种候选词序列，利用已训练的与目标场景对应的个性化模型，计算所述候选词序列中每个词汇的出现概率；
根据每种候选词序列中每个词汇的出现概率，选取最佳词序列；
计算所述最佳词序列中每个词汇与所述目标场景对应的关键词之间的音素相似度；
根据所述关键词对应配置的阈值，用所述关键词替换所述最佳词序列中与所述关键词之间的音素相似度大于阈值的词汇；
其中，在所述针对每种候选词序列，利用已训练的与目标场景对应的个性化模型，计算所述候选词序列中每个词汇的出现概率之前，所述方法还包括：
获取所述目标场景对应的文本语料、关键词以及每个关键词对应的权重；
通过N元语言模型的统计方法统计所述文本语料中每个词汇的出现概率，得到文本语言模型；
将已有语言模型与所述文本语言模型通过插补法融合得到文本模型；
根据每个关键词的权重，增加所述文本模型中关键词对应的概率，得到所述个性化模型；
其中，所述根据每个关键词的权重，增加所述文本模型中关键词对应的概率，得到所述个性化模型，包括：
针对任一所述关键词，若所述关键词存在于所述已有语言模型，根据所述关键词在所述已有语言模型中的旧概率值以及所述关键词的权重和长度，计算所述关键词在所述个性化模型中的新概率值；
具体计算公式如下： 式中， 表示关键词在个
性化模型中的新概率值， 表示关键词在已有语言模型中的旧概率值，log表示取对数值，w表示关键词的权重，n表示关键词的长度，r表示权重之间的差异程度；
针对任一所述关键词，若所述关键词不在所述已有语言模型中，根据所述关键词的长度，计算基础概率值；根据所述基础概率值，以及所述关键词的权重和长度，计算所述关键词在所述个性化模型中的新概率值；
其中，基础概率值采用以下公式计算得到： ；
式中，n表示关键词的长度， 表示基础概率值；
式中， 表示关键词在个性化模型中的新概率值，log表示取对数值，w表示关键词的权重，n表示关键词的长度，r表示权重之间的差异程度。
2.根据权利要求1所述的方法，其特征在于，所述将已有语言模型与所述文本语言模型通过插补法融合得到文本模型，包括：
针对所述文本语料中的每个词汇，根据所述词汇在所述已有语言模型中的概率值以及在所述文本语言模型中的概率值，加权相加得到所述词汇在所述文本模型中的概率值。
3.根据权利要求1所述的方法，其特征在于，所述根据每种候选词序列中每个词汇的出现概率，选取最佳词序列，包括：
针对每种候选词序列，根据所述候选词序列中每个词汇的出现概率，通过将每个词汇的出现概率相乘，并将相乘的结果取对数，得到所述候选词序列的正确率得分；
选取所述正确率得分最高的候选词序列，作为所述最佳词序列。
4.根据权利要求1所述的方法，其特征在于，所述计算所述最佳词序列中每个词汇与所述目标场景对应的关键词之间的音素相似度，包括：
计算所述最佳词序列中任一词汇的音素与所述关键词的音素之间的声母相似度、韵母相似度和声调相似度；
根据所述声母相似度、韵母相似度和声调相似度，计算得到所述任一词汇与所述关键词之间的音素相似度。
5.一种语音识别结果的校正装置，其特征在于，包括：
识别结果获取模块，用于获取同一语音输入的多种候选词序列；
词汇概率计算模块，用于针对每种候选词序列，利用已训练的与目标场景对应的个性化模型，计算所述候选词序列中每个词汇的出现概率；
最佳结果筛选模块，用于根据每种候选词序列中每个词汇的出现概率，选取最佳词序列；
音素相似度计算模块，用于计算所述最佳词序列中每个词汇与所述目标场景对应的关键词之间的音素相似度；
关键词替换模块，用于根据所述关键词对应配置的阈值，用所述关键词替换所述最佳词序列中与所述关键词之间的音素相似度大于阈值的词汇；
其中，在所述针对每种候选词序列，利用已训练的与目标场景对应的个性化模型，计算所述候选词序列中每个词汇的出现概率之前，方法还包括：
获取所述目标场景对应的文本语料、关键词以及每个关键词对应的权重；
通过N元语言模型的统计方法统计所述文本语料中每个词汇的出现概率，得到文本语言模型；
将已有语言模型与所述文本语言模型通过插补法融合得到文本模型；
根据每个关键词的权重，增加所述文本模型中关键词对应的概率，得到所述个性化模型；
其中，所述根据每个关键词的权重，增加所述文本模型中关键词对应的概率，得到所述个性化模型，包括：
针对任一所述关键词，若所述关键词存在于所述已有语言模型，根据所述关键词在所述已有语言模型中的旧概率值以及所述关键词的权重和长度，计算所述关键词在所述个性化模型中的新概率值；
具体计算公式如下： 式中， 表示关键词在个
性化模型中的新概率值， 表示关键词在已有语言模型中的旧概率值，log表示取对数值，w表示关键词的权重，n表示关键词的长度，r表示权重之间的差异程度；
针对任一所述关键词，若所述关键词不在所述已有语言模型中，根据所述关键词的长度，计算基础概率值；根据所述基础概率值，以及所述关键词的权重和长度，计算所述关键词在所述个性化模型中的新概率值；
其中，基础概率值采用以下公式计算得到： ；
式中，n表示关键词的长度， 表示基础概率值；
式中， 表示关键词在个性化模型中的新概率值，log表示取对数值，w表示关键词的权重，n表示关键词的长度，r表示权重之间的差异程度。
6.一种电子设备，其特征在于，所述电子设备包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行权利要求1‑4任意一项所述的语音识别结果的校正方法。
7.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序可由处理器执行以完成权利要求1‑4任意一项所述的语音识别结果的校正方法。