[發(fā)明專利]一種文字識(shí)別糾錯(cuò)方法、糾錯(cuò)系統(tǒng)及計(jì)算機(jī)裝置

有效

• 申請?zhí)枺?/td>: 201710813109.0
• 申請日: 2017-09-11
• 公開（公告）號(hào): CN107633250B
• 公開（公告）日: 2023-04-18
• 發(fā)明（設(shè)計(jì)）人: 劉晨
• 申請（專利權(quán)）人: 暢捷通信息技術(shù)股份有限公司
• 主分類號(hào): G06V30/148
• 分類號(hào): G06V30/148
• 代理公司: 北京友聯(lián)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11343
• 代理人: 尚志峰;汪海屏

1.一種文字識(shí)別糾錯(cuò)方法，其特征在于，包括：

獲取文字圖片，對所述文字圖片進(jìn)行識(shí)別得到文字識(shí)別結(jié)果；

檢測所述文字識(shí)別結(jié)果，確定識(shí)別錯(cuò)誤區(qū)域；

獲取所述識(shí)別錯(cuò)誤區(qū)域內(nèi)文字的存在概率，將所述存在概率小于預(yù)設(shè)閾值的文字作為錯(cuò)誤文字；

篩選所述錯(cuò)誤文字的相似候選集；

對所述相似候選集內(nèi)文字排列組合，并計(jì)算匹配得分，將所述匹配得分最高的組合作為糾錯(cuò)結(jié)果；

將所述糾錯(cuò)結(jié)果與所述錯(cuò)誤文字進(jìn)行替換；

所述篩選所述錯(cuò)誤文字的所述相似候選集的步驟，具體包括：

根據(jù)所述錯(cuò)誤文字的屬性與漢字庫中文字的屬性，計(jì)算所述錯(cuò)誤文字與所述漢字庫中文字的相似度得分；

將所述相似度得分大于預(yù)設(shè)閾值的所述漢字庫中文字進(jìn)行集合，作為所述相似候選集；

所述錯(cuò)誤文字的屬性以及所述漢字庫中文字的屬性包括文字結(jié)構(gòu)、四角碼、筆順編碼、字向量；

所述根據(jù)所述錯(cuò)誤文字的屬性與所述漢字庫中文字的屬性，計(jì)算所述錯(cuò)誤文字與所述漢字庫中文字的相似度得分的步驟，具體包括：

比較所述錯(cuò)誤文字的文字結(jié)構(gòu)與所述漢字庫中文字的文字結(jié)構(gòu)，當(dāng)所述錯(cuò)誤文字的文字結(jié)構(gòu)與所述漢字庫中文字的文字結(jié)構(gòu)相同時(shí)，得到結(jié)構(gòu)相似度得分；

對所述錯(cuò)誤文字的四角碼與所述漢字庫中文字的四角碼進(jìn)行編輯距離計(jì)算，得到四角碼相似度得分；

對所述錯(cuò)誤文字的筆順編碼與所述漢字庫中文字的筆順編碼進(jìn)行編輯距離計(jì)算，得到筆順相似度得分；

計(jì)算所述錯(cuò)誤文字的字向量與所述漢字庫中文字的字向量的夾角的余弦值，作為字向量相似度得分；

計(jì)算所述結(jié)構(gòu)相似度得分、所述四角碼相似度得分、所述筆順相似度得分、所述字向量相似度得分的和，作為所述相似度得分。

2.根據(jù)權(quán)利要求1所述的文字識(shí)別糾錯(cuò)方法，其特征在于，對所述相似候選集內(nèi)文字排列組合，并計(jì)算匹配得分，將所述匹配得分最高的組合作為所述糾錯(cuò)結(jié)果的步驟，具體包括：

對所述相似候選集內(nèi)文字排列組合，得到多個(gè)詞；

分別對每個(gè)所述詞與領(lǐng)域詞典內(nèi)的領(lǐng)域詞進(jìn)行編輯距離計(jì)算，得到匹配得分；

將所述匹配得分最高的詞作為所述糾錯(cuò)結(jié)果。

3.根據(jù)權(quán)利要求1所述的文字識(shí)別糾錯(cuò)方法，其特征在于，還包括：

存儲(chǔ)所述錯(cuò)誤文字的所述相似候選集。

4.一種文字識(shí)別糾錯(cuò)系統(tǒng)，其特征在于，包括：

識(shí)別單元，用于獲取文字圖片，對所述文字圖片進(jìn)行識(shí)別得到文字識(shí)別結(jié)果；

檢測單元，用于檢測所述文字識(shí)別結(jié)果，確定識(shí)別錯(cuò)誤區(qū)域；

獲取單元，用于獲取所述識(shí)別錯(cuò)誤區(qū)域內(nèi)文字的存在概率，將所述存在概率小于預(yù)設(shè)閾值的文字作為錯(cuò)誤文字；

篩選單元，用于篩選所述錯(cuò)誤文字的相似候選集；

第一計(jì)算單元，用于對所述相似候選集內(nèi)文字排列組合，并計(jì)算匹配得分，將所述匹配得分最高的組合作為糾錯(cuò)結(jié)果；

替換單元，用于將所述糾錯(cuò)結(jié)果與所述錯(cuò)誤文字進(jìn)行替換；

所述篩選單元，包括：

第二計(jì)算單元，用于根據(jù)所述錯(cuò)誤文字的屬性與漢字庫中文字的屬性，計(jì)算所述錯(cuò)誤文字與所述漢字庫中文字的相似度得分；

所述篩選單元，具體用于將所述相似度得分大于預(yù)設(shè)閾值的所述漢字庫中文字進(jìn)行集合，作為所述相似候選集；

所述錯(cuò)誤文字的屬性以及所述漢字庫中文字的屬性包括文字結(jié)構(gòu)、四角碼、筆順編碼、字向量；

所述第二計(jì)算單元，具體用于：

比較所述錯(cuò)誤文字的文字結(jié)構(gòu)與所述漢字庫中文字的文字結(jié)構(gòu)，當(dāng)所述錯(cuò)誤文字的文字結(jié)構(gòu)與所述漢字庫中文字的文字結(jié)構(gòu)相同時(shí)，得到結(jié)構(gòu)相似度得分；

對所述錯(cuò)誤文字的四角碼與所述漢字庫中文字的四角碼進(jìn)行編輯距離計(jì)算，得到四角碼相似度得分；

對所述錯(cuò)誤文字的筆順編碼與所述漢字庫中文字的筆順編碼進(jìn)行編輯距離計(jì)算，得到筆順相似度得分；

計(jì)算所述錯(cuò)誤文字的字向量與所述漢字庫中文字的字向量的夾角的余弦值，作為字向量相似度得分；

計(jì)算所述結(jié)構(gòu)相似度得分、所述四角碼相似度得分、所述筆順相似度得分、所述字向量相似度得分的和，作為所述相似度得分。