[發(fā)明專利]搜索、識(shí)別和定位墨水中的術(shù)語(yǔ)的方法、裝置、程序和語(yǔ)言

有效

• 申請(qǐng)?zhí)枺?/td>: 200680002118.1
• 申請(qǐng)日: 2006-01-10
• 公開（公告）號(hào): CN101103363A
• 公開（公告）日: 2008-01-09
• 發(fā)明（設(shè)計(jì)）人: 皮埃爾－米查爾·拉利埃
• 申請(qǐng)（專利權(quán)）人: 視覺客體公司
• 主分類號(hào): G06K9/22
• 分類號(hào): G06K9/22;G06F17/30
• 代理公司: 中國(guó)國(guó)際貿(mào)易促進(jìn)委員會(huì)專利商標(biāo)事務(wù)所
• 代理人: 李玲

技術(shù)領(lǐng)域

本發(fā)明的技術(shù)領(lǐng)域是搜索和識(shí)別以數(shù)字格式存儲(chǔ)的文件中的術(shù)語(yǔ)。

尤其是，本發(fā)明涉及搜索文件中的信息，所述文件稱為墨水文件，即，手寫準(zhǔn)備且預(yù)先以這種格式直接存儲(chǔ)在例如文件信息系統(tǒng)中。本發(fā)明還能夠應(yīng)用于其他類型的文件，例如口述文件。

背景技術(shù)

由于桌上型計(jì)算機(jī)以及所有其他類型的大部分可移動(dòng)的終端的計(jì)算和/或備份能力的顯著提高，所述終端例如為個(gè)人數(shù)字助理(或PDA)、筆記本計(jì)算機(jī)、移動(dòng)電話等，在不需要預(yù)先將數(shù)據(jù)和/或文件轉(zhuǎn)換成任何標(biāo)準(zhǔn)的計(jì)算機(jī)格式的情況下，已經(jīng)變得能夠以它們?cè)际謱懜袷街苯荧@取和存儲(chǔ)數(shù)據(jù)和/或文件。

然而，一旦已經(jīng)獲取和存儲(chǔ)了這種墨水文件，處理墨水文件所包含的數(shù)據(jù)和/或手寫信息要求使用特定和復(fù)雜的工具。這些工具通常能夠使存儲(chǔ)的數(shù)據(jù)或信息轉(zhuǎn)換成屬于詞典(或?qū)ｉT詞匯)的元素，且能夠在墨水文件中搜索所轉(zhuǎn)換的詞、短語(yǔ)或注釋。

現(xiàn)有技術(shù)的解決方案

由此，使得能夠?qū)⑿蛄姓Z(yǔ)言(sequential?language)，典型地為語(yǔ)音或筆跡，轉(zhuǎn)換成數(shù)據(jù)處理系統(tǒng)能夠理解的元素串的系統(tǒng)是已知的，所述元素以ASCII，ISO-Latin-1或UNICODE類型的格式被編碼。

現(xiàn)有技術(shù)中的系統(tǒng)中，能夠?qū)⒁运鼈冊(cè)际謱懜袷捷斎氲哪募苯觽浞莸嚼缬?jì)算機(jī)硬盤驅(qū)動(dòng)器上的系統(tǒng)也是已知的。

在一個(gè)或多個(gè)所存儲(chǔ)的墨水文件中搜索數(shù)據(jù)和/或信息要求將包含在請(qǐng)求中的正在被搜索的數(shù)據(jù)與來自所存儲(chǔ)的墨水文件的數(shù)據(jù)進(jìn)行比較的能力。在這方面，先前已經(jīng)提出了幾種解決方案：

-當(dāng)請(qǐng)求也以手寫格式輸入時(shí)，將存儲(chǔ)的墨水?dāng)?shù)據(jù)與請(qǐng)求的內(nèi)容進(jìn)行比較；

-將存儲(chǔ)的墨水?dāng)?shù)據(jù)與以文本格式(例如ASCII)輸入的并轉(zhuǎn)換成手寫體的請(qǐng)求的內(nèi)容進(jìn)行比較；

-將轉(zhuǎn)換成文本格式(例如ASCII)的所存儲(chǔ)的墨水?dāng)?shù)據(jù)與本身為文本格式的請(qǐng)求的內(nèi)容進(jìn)行比較。

當(dāng)然，前兩種方案在它們對(duì)處理器(CPU)和內(nèi)存施加的負(fù)載方面而言是繁重和苛求的。它們不能夠在合理的時(shí)間段內(nèi)進(jìn)行有效的處理。第三種方案通常在詞典的協(xié)助下采取到字符的預(yù)先轉(zhuǎn)換。由此，由于轉(zhuǎn)換限于一種語(yǔ)言且限于實(shí)際存在于詞典的術(shù)語(yǔ)，因此帶來了偏差。

搜索處理的一個(gè)困難主要在于在存儲(chǔ)的文件中搜索的數(shù)據(jù)與在查詢語(yǔ)言中使用的數(shù)據(jù)的屬性并不總是相同。

因此，重要的是，所利用的技術(shù)能夠描繪出這種不同種類的數(shù)據(jù)之間的關(guān)聯(lián)，所述關(guān)聯(lián)包括與搜索功能相關(guān)，所述搜索功能是用于在所存儲(chǔ)的墨水文件的一部分或全部墨水文件中識(shí)別所搜索的數(shù)據(jù)的功能。

這種識(shí)別系統(tǒng)是已知的，所述識(shí)別系統(tǒng)通?；趶?fù)雜的計(jì)算機(jī)處理，另一方面要求顯著的處理能力，所述能力在處理器(CPU)和內(nèi)存負(fù)載方面是高要求的。

因此，現(xiàn)有技術(shù)的大多數(shù)識(shí)別系統(tǒng)使用一個(gè)或多個(gè)處理，其中包括：

-墨水?dāng)?shù)據(jù)到字符級(jí)別格式(ASCII等)的轉(zhuǎn)換，所述字符級(jí)別格式能夠由計(jì)算機(jī)終端直接解釋；

-字符格式的數(shù)據(jù)和通常采取詞典形式的數(shù)據(jù)模型之間的比較；

由此，現(xiàn)有技術(shù)的這些識(shí)別系統(tǒng)的第一個(gè)缺點(diǎn)，涉及在其包含的詞的數(shù)量和含義方面，使用具有通常固定和有限的內(nèi)容的詞典的必要性。

另外，這種詞典的使用在搜索結(jié)果方面需承擔(dān)顯著的限制，這個(gè)結(jié)果必然依賴于詞典的語(yǔ)言、全面性和范圍。為此，現(xiàn)有技術(shù)的識(shí)別技術(shù)至少在某些情況下返回普通的結(jié)果，且它們不能夠搜索固有名稱、公司名稱、或任何其他已經(jīng)被寫入墨水文件中、在搜索中被考慮但沒有出現(xiàn)在詞典中的字符或符號(hào)串。

另外，在識(shí)別階段使用詞典通常在處理請(qǐng)求和將搜索結(jié)果返回給用戶的過程中產(chǎn)生相對(duì)長(zhǎng)的響應(yīng)時(shí)間。

為了克服上述缺點(diǎn)，現(xiàn)有技術(shù)的某些其他技術(shù)基于使用索引方法，索引方法的主要作用是預(yù)組織其中必須應(yīng)用搜索的墨水文件中包含的數(shù)據(jù)和/或信息。然而，另一方面，在搜索環(huán)境中使用這種索引方法要求墨水文件的內(nèi)容預(yù)先已經(jīng)進(jìn)行了至少部分識(shí)別處理。

為了這個(gè)目的，并且為了減少總的搜索時(shí)間，一些技術(shù)提出了執(zhí)行所存儲(chǔ)的墨水文件的內(nèi)容的初步識(shí)別，然后將這個(gè)識(shí)別的結(jié)果存儲(chǔ)在例如計(jì)算機(jī)或服務(wù)器的硬盤驅(qū)動(dòng)器上，且最后不在所存儲(chǔ)的墨水文件的原始內(nèi)容上而是在執(zhí)行的初步識(shí)別的結(jié)果上進(jìn)行搜索，如美國(guó)專利申請(qǐng)文件No.：US2003101163。

在這些已知的技術(shù)中，在詞級(jí)別排他地執(zhí)行索引，且置信度評(píng)分被分配給每個(gè)詞，以便評(píng)估搜索的詞與索引的詞中的一個(gè)詞對(duì)應(yīng)或不對(duì)應(yīng)的概率。