[發明專利]天城文分詞和識別方法、裝置、電子設備和存儲介質

在審

• 申請號: 202111580309.9
• 申請日: 2021-12-22
• 公開（公告）號: CN114254638A
• 公開（公告）日: 2022-03-29
• 發明（設計）人: 黃一琦;趙坤;楊爭艷;吳嘉嘉
• 申請（專利權）人: 科大訊飛股份有限公司
• 主分類號: G06F40/289
• 分類號: G06F40/289;G06V30/148;G06F16/35
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 郭亮

1.一種天城文分詞方法，其特征在于，包括：

獲取待分詞的天城文文本的字符序列；

基于所述字符序列中當前字符的類型，以及所述當前字符之后的字符的類型，對所述當前字符及其之后的字符進行分詞，并將分詞所得子詞中的最尾字符在所述字符序列中的下個字符更新為當前字符進行分詞，直至分詞完成。

2.根據權利要求1所述的天城文分詞方法，其特征在于，所述基于所述字符序列中當前字符的類型，以及所述當前字符之后的字符的類型，對所述當前字符及其之后的字符進行分詞，包括：

若所述字符序列中當前字符的類型為輔音，且所述當前字符之后首字符的類型為非空字符，則將所述當前字符及其之后的首字符合寫為一個子詞，所述非空字符為輔音和元音消除符之外的字符。

3.根據權利要求1所述的天城文分詞方法，其特征在于，所述基于所述字符序列中當前字符的類型，以及所述當前字符之后的字符的類型，對所述當前字符及其之后的字符進行分詞，包括：

若所述字符序列中當前字符的類型為輔音，且所述當前字符之后首字符的類型為元音消除符，則將所述當前字符及其之后的首字符按照元音消除符合寫結構進行合寫，并將合寫后的字符更新為所述當前字符，并對所述當前字符及其之后的字符進行分詞。

4.根據權利要求1所述的天城文分詞方法，其特征在于，所述基于所述字符序列中當前字符的類型，以及所述當前字符之后的字符的類型，對所述當前字符及其之后的字符進行分詞，包括：

若所述字符序列中當前字符的類型為輔音，且所述當前字符之后首字符的類型為輔音，第二個字符的類型為元音消除符，則確定所述當前字符的結構；

若所述當前字符的結構為元音消除符合寫結構，則將所述當前字符及其之后的首字符和第二個字符合寫后更新為所述當前字符，并對所述當前字符及其之后的字符進行分詞，否則將所述當前字符及其之后的首字符合寫為一個子詞。

5.根據權利要求1所述的天城文分詞方法，其特征在于，所述基于所述字符序列中當前字符的類型，以及所述當前字符之后的字符的類型，對所述當前字符及其之后的字符進行分詞，包括：

若所述字符序列中當前字符的類型為輔音，且所述當前字符之后首字符的類型為輔音，第二個字符的類型為元音，則將所述當前字符及其之后的首字符合寫為一個子詞。

6.根據權利要求1所述的天城文分詞方法，其特征在于，所述基于所述字符序列中當前字符的類型，以及所述當前字符之后的字符的類型，對所述當前字符及其之后的字符進行分詞，包括：

若所述字符序列中當前字符的類型為元音，且所述當前字符之后首字符的類型為元音附加符，則將所述當前字符及其之后的首字符合寫為一個子詞；

若所述字符序列中當前字符的類型為元音，且所述當前字符之后首字符的類型非元音附加符，則將所述當前字符作為一個子詞。

7.一種天城文文本識別方法，其特征在于，包括：

獲取待識別圖像；

基于子詞詞表，對所述待識別圖像進行天城文文本識別，得到文本識別結果；所述子詞詞表是基于權利要求1至6任一項所述天城文分詞方法確定的。

8.一種天城文分詞裝置，其特征在于，包括：

文本獲取單元，用于獲取待分詞的天城文文本的字符序列；

分詞單元，用于基于所述字符序列中當前字符的類型，以及所述當前字符之后的字符的類型，對所述當前字符及其之后的字符進行分詞，并將分詞所得子詞中的最尾字符在所述字符序列中的下個字符更新為當前字符進行分詞，直至分詞完成。

9.一種天城文文本識別裝置，其特征在于，包括：

圖像獲取單元，用于獲取待識別圖像；

文本識別單元，用于基于子詞詞表，對所述待識別圖像進行天城文文本識別，得到文本識別結果；所述子詞詞表是基于權利要求1至6任一項所述天城文分詞方法確定的。