[發(fā)明專利]基于OCR和可信結(jié)構(gòu)化數(shù)據(jù)的信息鑒別方法

有效

• 申請?zhí)枺?/td>: 201810958615.3
• 申請日: 2018-08-22
• 公開（公告）號: CN109145819B
• 公開（公告）日: 2022-02-11
• 發(fā)明（設(shè)計）人: 王佩光;楊小蕾;羅奕;朱友衛(wèi);林雄建;肖鄭海;陳龍;潘盛裕;孟浩
• 申請（專利權(quán)）人: 國網(wǎng)信通億力科技有限責(zé)任公司;國網(wǎng)信息通信產(chǎn)業(yè)集團有限公司;國家電網(wǎng)有限公司
• 主分類號: G06V30/42
• 分類號: G06V30/42;G06V30/262;G06F16/242
• 代理公司: 北京鍾維聯(lián)合知識產(chǎn)權(quán)代理有限公司 11579
• 代理人: 趙中璋

1.一種基于OCR和可信結(jié)構(gòu)化數(shù)據(jù)庫的信息鑒別方法，其特征在于，包括：

步驟S100，對信息載體的一個或多個影像進行OCR處理，獲得信息載體的主索引內(nèi)容CI、第一內(nèi)容向量A＝(a₁,a₂,...,a_m)和第二內(nèi)容向量B＝(b₁,b₂,...,b_n)，其中m和n分別為第一、二內(nèi)容向量中元素的數(shù)量；

步驟S200，在可信結(jié)構(gòu)化數(shù)據(jù)庫中使用主索引內(nèi)容CI進行檢索，并將檢索獲得結(jié)果記錄中提取第一可信內(nèi)容向量P＝(p₁,p₂,...,p_m)和第二可信內(nèi)容向量Q＝(q₁,q₂,...,q_n)；

步驟S300，如果A＝P，那么執(zhí)行步驟S400；如果A≠P，那么向用戶提示所述影像中呈現(xiàn)的內(nèi)容為虛假內(nèi)容；

步驟S400，計算第二內(nèi)容向量B和第二可信內(nèi)容向量Q的相似度其中，bq_i為b_i和q_i的相似度，如果S_BQ≥D，D為預(yù)設(shè)閾值，那么判斷所述影像中呈現(xiàn)的內(nèi)容為真實內(nèi)容；否則，向用戶提示影像中呈現(xiàn)的內(nèi)容為虛假內(nèi)容；

所述第二內(nèi)容向量B和所述第二可信內(nèi)容向量Q中的元素均為文本類型；

所述步驟S300中，A＝P的判斷具體為：

如果內(nèi)容向量A和P的每組對應(yīng)元素均相同，即a_i＝p_i，i的取值為1…m，那么A＝P；

如果內(nèi)容向量A和P的存在任意一組對應(yīng)元素不相同，那么A≠P；

所述步驟S400還包括：

步驟S410，如果b_i＝q_i，那么bq_i＝1；否則執(zhí)行步驟S420；

步驟S420，使用標(biāo)準(zhǔn)詞語料庫中的標(biāo)準(zhǔn)詞對文本b_i和q_i進行分詞，分別形成分詞后的詞語向量Xbi＝(x₁,x₂,...,x_r)和Yqi＝(y₁,y₂,...,y_s)，其中r和s分別為分詞后的詞語向量中詞語的數(shù)量；

步驟S430，如果Xbi和Yqi中相同的k個詞語均為所述語料庫中的標(biāo)準(zhǔn)詞，那么bq_i＝0；否則執(zhí)行步驟S440；

步驟S440，對于Xbi和Yqi中的與標(biāo)準(zhǔn)詞相同的詞語，將其權(quán)重設(shè)置為對應(yīng)的標(biāo)準(zhǔn)詞權(quán)重w₀；所述標(biāo)準(zhǔn)詞語料庫中包括標(biāo)準(zhǔn)詞及標(biāo)準(zhǔn)詞權(quán)重w₀；

步驟S450，對于Xbi中的與標(biāo)準(zhǔn)詞不相同的詞語，其權(quán)重設(shè)置為對于Yqi中的與標(biāo)準(zhǔn)詞不相同的詞語，其權(quán)重設(shè)置為其中，r₁和s₁分別為Xbi和Yqi中標(biāo)準(zhǔn)詞的數(shù)量；

步驟S460，計算其中k為Xbi＝(x₁,x₂,...,x_r)和Yqi＝(y₁,y₂,...,y_s)中相同詞語數(shù)量，wb_j為Xbi內(nèi)k個相同的詞語中的第j個權(quán)重，wq_j為文本Yq_i內(nèi)k個相同的詞語中的第j個權(quán)重。

2.根據(jù)權(quán)利要求1所述的信息鑒別方法，其特征在于，w₀小于或等于0.05。

3.根據(jù)權(quán)利要求2所述的信息鑒別方法，其特征在于，w₀等于0.03。

4.根據(jù)權(quán)利要求1所述的信息鑒別方法，其特征在于，所述影像為電子復(fù)印件或紙件復(fù)印件的掃描件。