申请/专利权人：东南大学

申请日：2021-05-24

公开（公告）日：2024-04-30

公开（公告）号：CN113269192B

主分类号：G06V30/148

分类号：G06V30/148;G06F40/284;G06F40/211;G06V30/19

优先权：

专利状态码：有效-授权

法律状态：2024.04.30#授权;2021.09.03#实质审查的生效;2021.08.17#公开

摘要：本发明公开一种基于词匹配和语法匹配技术的OCR后处理方法，通过单字识别获取每个字对应识别的前K个结果集合，对于每一段文本，取每个字对应最大概率的识别结果作为初步序列进行分词，对分词后的词语进行基于语料库的词匹配操作，选取前置识别模块中最大概率的字组合更新词语；对分词后的单字进行语法匹配的操作，将单字识别的K个结果分别进行语法分析匹配，取最大可能的结果更新单字。上述两步融合后作为后处理的输出结果。本发明充分挖掘了文本句法信息，对于单字和多字词分别处理，体现了良好的适应性，与传统的基于词匹配的技术相比，特别是基于质量较低的文本上，采用本方法优势更为明显，具有较高的应用价值。

主权项：1.一种基于词匹配和语法匹配的OCR后处理方法，其特征在于，所述方法包括以下步骤：步骤1前置OCR单字识别模块，通过OCR的前序模块定位场景中的文字信息并对单字进行识别，保存最有可能的前K个识别结果及其对应概率；步骤2分词，取每个字最大概率的识别结果作为初始结果，使用主流分词工具对文本序列进行分词；步骤3基于中文词典的正向最大词匹配，对于分词后的多字词，利用比对后的识别文字与其可能的相似候选字群中，根据前后的识别文字找出最合乎逻辑的词，对初始结果进行更正；步骤4多语料词法切分，根据步骤2的结果，对单字词的K个识别结果代入文本分别进行语法切分并保存；步骤5基于中文语法库的语法匹配，对于分词后的单字词，根据句法先验知识，将K个不同的语法切分结果进行筛选后选取步骤1中概率值最高的结果进行更正；步骤6在对单字和多字词分别处理后输出识别结果。

全文数据：

权利要求：

百度查询： 东南大学 一种基于词匹配和语法匹配的OCR后处理方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD