[發明專利]文字校對方法和裝置

有效

• 申請號: 201010266100.0
• 申請日: 2010-08-27
• 公開（公告）號: CN102375807A
• 公開（公告）日: 2012-03-14
• 發明（設計）人: 劉正珍;高書征
• 申請（專利權）人: 漢王科技股份有限公司
• 主分類號: G06F17/22
• 分類號: G06F17/22;G06F17/30;G06K9/20
• 代理公司: 北京中博世達專利商標代理有限公司 11274
• 代理人: 申健

技術領域

本發明涉及文字處理領域，尤其涉及一種對校對文字質量的控制方法和裝置。

背景技術

一個完整的文檔錄入系統分為以下部分：紙質資料的整理、掃描、圖像預處理、版面分析、識別、校對和保存，其中校對是保證錄入文檔內容準確性的重要一環。現有校對主要借助機器進行，主要方式有兩種：橫向校對和縱向校對。

橫向校對：直接將識別結果文本與圖像進行對比，系統自動調用文本所對應的圖像進行比對，同時，以顏色標記識別可信度不高的文字。

縱向校對：將文檔中識別結果為同一個字的文字圖像集中顯示，并以突出顏色標出可疑字，發現錯誤并修改。

在實現上述文字校對的過程中，現有技術中至少存在如下問題：無論是橫向校對還是縱向校對，校對后都會存在一些殘留的沒有校對出的錯誤，比如某字多處識別錯誤，只修改了一部分，對于這些殘留錯誤需要逐字核查，如果做大量這樣的工作的話，容易引起校對人員視覺疲勞，造成校對的準確率降低，而且需要消耗大量的時間和精力。

發明內容

本發明的實施例提供一種文字校對方法和裝置，能夠保證校對的準確率。

為達到上述目的，本發明的實施例采用如下技術方案：

一種文字校對方法，包括：

收集對文字進行校對的修改信息；

根據所述修改信息建立易錯詞表；

根據易錯詞表查找文字中的可疑字并進行提示。

一種文字校對裝置，包括：

修改統計模塊：用于收集對文字進行校對的修改信息；

易錯詞表建立模塊：用于根據所述修改信息建立易錯詞表；

易錯詞表報警模塊：用于根據易錯詞表查找文字中的可疑字并進行報警。

本發明實施例提供的文字校對方法和裝置，利用文字校對的修改信息建立易錯詞表，然后去全文中搜索殘留的可疑字并對殘留可疑字報警，方便核查，相對之前逐字核查找錯檢驗校對質量的方法，本發明大大減少了核查工作量，減輕了核查人員的疲勞程度，在低報警率下保證了文字校對的質量。

附圖說明

圖1為本發明文字校對方法的一個實施例的流程圖。

圖2為本發明文字校對方法的另一個實施例的流程圖。

圖2a為易錯詞表結構采用哈希表結構的結構示意圖。

圖2b為易錯詞表結構采用漢字內碼索引結構的結構示意圖。

圖2c為“比”字的形似字集合示意圖。

圖2d為分類圖像示意圖。

圖2e為圖像聚類中的個類示意圖。

圖3為本發明文字校對裝置的一個實施例的結構示意圖。

具體實施方式

下面結合附圖對本發明實施例校對方法和裝置進行詳細描述。

本發明文字校對方法的一個實施例，如圖1所示，包括：

S101、收集對文字進行校對的修改信息。

首先對電子化文檔進行或者其它機器輔助校對，所述文檔可以是中文、英文或其它語言寫成，校對可以借助現有校對方式進行，比如橫向校對和縱向校對。將所述校對后的文檔信息與校對前的文檔信息進行通篇逐字比較，得到校對過程中的修改信息，包括字符的識別候選，修改之后的字符編碼，該字符在數據包的位置信息和該字符圖像的位置信息等。

S102、根據所述修改信息建立易錯詞表。

本步驟中，根據校對文字的語種確定該語種文字表述的使用習慣，比如，校對的文檔主體是以中文構成的，中文是以單字結合成詞語的方式使用的，那么就先建立一個中文的語言模型，所述語言模型包括中文中不同文字組合成一個詞使用的概率。將概率量化成組合得分的形式，比如可以根據常用程度將不同字組合成一個詞的概率映射到0至255之間的組合得分，最生僻的詞為0，最常見的詞為255。

如果從修改信息中查找到一處孤立修改的字，結合語言模型，取該字與前后相鄰字組合成詞中得分最高的詞，用目標字符(也就是修改前的字)替換更新字符(也就是修改后的字)添加到易錯詞表。比如，修改信息顯示文檔中有一處將“期間發生”錯識成“期問發生”，又有修改成“間”的記錄，結合語言模型可以得到“期間”的得分高于“間發”的得分，因此將“期問”和對應的可疑字“問”添加到易錯詞表。

S103、根據易錯詞表查找文字中的可疑字并進行提示。

根據易錯詞表對校對后的文檔進行通篇查找，如果在校對后的文檔中出現易錯詞表中的詞，對該詞的可疑字(曾經出現在修改信息中的字)進行標識提示。