[發(fā)明專(zhuān)利]一種文字處理方法、設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110078268.7
• 申請(qǐng)日: 2021-01-20
• 公開(kāi)（公告）號(hào): CN113569851A
• 公開(kāi)（公告）日: 2021-10-29
• 發(fā)明（設(shè)計(jì)）人: 王帥;鄧強(qiáng);鐘濱;徐進(jìn)
• 申請(qǐng)（專(zhuān)利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類(lèi)號(hào): G06K9/34
• 分類(lèi)號(hào): G06K9/34;G06F40/103
• 代理公司: 廣州三環(huán)專(zhuān)利商標(biāo)代理有限公司 44202
• 代理人: 熊永強(qiáng);杜維

1.一種文字處理方法，其特征在于，所述方法包括：

獲取至少兩個(gè)參考文字，對(duì)所述至少兩個(gè)參考文字進(jìn)行拆分，得到所述至少兩個(gè)參考文字的拆分字形；所述至少兩個(gè)參考文字的拆分字形包括拆分文字；

基于所述至少兩個(gè)參考文字和所述至少兩個(gè)參考文字的拆分字形，構(gòu)建文字字形圖；所述文字字形圖包括每個(gè)參考文字與所屬的拆分字形之間的關(guān)聯(lián)關(guān)系；

將所述每個(gè)參考文字和所述拆分文字確定為待識(shí)別文字，基于所述文字字形圖生成每個(gè)待識(shí)別文字的文字特征向量；

根據(jù)所述每個(gè)待識(shí)別文字的文字特征向量，確定所述每個(gè)待識(shí)別文字之間的文字相似度。

2.如權(quán)利要求1所述的方法，其特征在于，所述至少兩個(gè)參考文字包括參考文字i，i為小于或等于所述至少兩個(gè)參考文字的總數(shù)量的正整數(shù)；

所述基于所述至少兩個(gè)參考文字和所述至少兩個(gè)參考文字的拆分字形，構(gòu)建文字字形圖，包括：

建立所述參考文字i與所述參考文字i的拆分字形之間的連邊；

根據(jù)所述參考文字i的文字屬性信息與所述參考文字i的拆分字形的字形屬性信息，確定所述參考文字i與所屬的拆分字形之間的連邊的連邊權(quán)重；

根據(jù)所述參考文字i與所屬的拆分字形之間的連邊的連邊權(quán)重，生成所述文字字形圖。

3.如權(quán)利要求2所述的方法，其特征在于，所述基于所述文字字形圖生成每個(gè)待識(shí)別文字的文字特征向量，包括：

將所述每個(gè)參考文字與所述每個(gè)參考文字的拆分字形確定為所述文字字形圖中的連接節(jié)點(diǎn)；

根據(jù)所述文字字形圖確定所述參考文字i的關(guān)聯(lián)文本序列；所述關(guān)聯(lián)文本序列包括與所述參考文字i依次進(jìn)行連接的M個(gè)連接節(jié)點(diǎn)，M為小于或等于所述文字字形圖中的連接節(jié)點(diǎn)的總數(shù)量的正整數(shù)；

基于所述關(guān)聯(lián)文本序列訓(xùn)練初始模型，得到文字字形模型；

基于所述文字字形模型生成所述每個(gè)待識(shí)別文字的文字特征向量。

4.如權(quán)利要求3所述的方法，其特征在于，所述根據(jù)所述文字字形圖確定所述參考文字i的關(guān)聯(lián)文本序列，包括：

從所述文字字形圖中獲取所述參考文字i的至少兩個(gè)待選關(guān)聯(lián)文本序列；

根據(jù)與每個(gè)待選關(guān)聯(lián)文本序列相關(guān)聯(lián)的連邊的連邊權(quán)重，分別獲取所述每個(gè)待選文本關(guān)聯(lián)序列對(duì)應(yīng)的連邊權(quán)重和；

將所述至少兩個(gè)待選文本關(guān)聯(lián)序列中所屬的連邊權(quán)重和最大的待選文本關(guān)聯(lián)序列，確定為所述參考文字i的所述關(guān)聯(lián)文本序列。

5.如權(quán)利要求2所述的方法，其特征在于，所述根據(jù)所述參考文字i的文字屬性信息與所述參考文字i的拆分字形的字形屬性信息，確定所述參考文字i與所屬的拆分字形之間的連邊的連邊權(quán)重，包括：

根據(jù)所述文字屬性信息和所述字形屬性信息，獲取所述參考文字i針對(duì)所屬的拆分字形的第一連邊權(quán)重，獲取所述參考文字i的拆分字形針對(duì)所述參考文字i的第二連邊權(quán)重；

將所述第一連邊權(quán)重和所述第二連邊權(quán)重，確定為所述參考文字i與所屬的拆分字形之間的連邊的連邊權(quán)重。

6.如權(quán)利要求5所述的方法，其特征在于，所述根據(jù)所述文字屬性信息和所述字形屬性信息，獲取所述參考文字i針對(duì)所屬的拆分字形的第一連邊權(quán)重，獲取所述參考文字i的拆分字形針對(duì)所述參考文字i的第二連邊權(quán)重，包括：

將所述每個(gè)參考文字與所述每個(gè)參考文字的拆分字形確定為所述文字字形圖中的連接節(jié)點(diǎn)；

獲取所述參考文字i的第一筆畫(huà)信息以及所述文字字形圖中所述參考文字i的相鄰連接節(jié)點(diǎn)的第一節(jié)點(diǎn)數(shù)量，將所述第一筆畫(huà)信息和所述第一節(jié)點(diǎn)數(shù)量確定為所述文字屬性信息；

獲取所述參考文字i的拆分字形的第二筆畫(huà)信息以及所述文字字形圖中所述參考文字i的拆分字形的相鄰連接節(jié)點(diǎn)的第二節(jié)點(diǎn)數(shù)量，將所述第二筆畫(huà)信息和所述第二節(jié)點(diǎn)數(shù)量確定為所述字形屬性信息；

根據(jù)所述文字屬性信息中的所述第一筆畫(huà)信息和所述字形屬性信息，確定所述第一連邊權(quán)重，并根據(jù)所述字形屬性信息中的所述第二筆畫(huà)信息和所述文字屬性信息，確定所述第二連邊權(quán)重。