[发明专利]词语识别方法及装置

说明书

本发明的实施方式提供了一种词语识别方法，包括：对所述词语中的每个单字进行识别，并记录识别结果中置信度最高的前若干个识别的候选字及其对应的置信度；搜索每个常用词的各单字是否在所述词语的单字的候选字中出现，若出现，则记录该单字的在该常用词中的该候选字的置信度，若未出现，则将该字的置信度计为零；计算针对每个常用词的所述词语中各单字的平均置信度，作为该常用词的置信度；若置信度最高的常用词的置信度大于一阈值，则输出这个常用词作为该词语的识别结果，否则输出该词语的每个单字的置信度最高的候选字作为该词语的识别结果。通过使用常用词语的先验知识对词语进行识别，获得整个词语的置信度，降低了单个字识别的误差，提高了词语识别的准确率和效率。

技术领域

本发明的各实施方式涉及词语识别方法及装置。

背景技术

在对词语进行光学字符识别时，通常先将词语通过各种拆分方法拆分为多个文字，然后对每个文字分别进行识别。这种方法一方面速度较慢，另一方面，可能某个文字区域不清晰或有残缺而导致该区域对应文字的识别不准确。而且，由于每个字的识别具有一定的错误概率，这使得整个词语的准确识别的概率就更低。

发明内容

鉴于上述原因，本发明提供一种词语识别方法及装置，其通过使用出现频率较高的常用词与要识别的词语进行比较，从而获得对词语较高的识别率。

根据本发明的一个方面，提供一种词语识别方法，包括：对所述词语中的每个单字进行识别，并记录识别结果中置信度最高的前若干个识别的候选字及其对应的置信度；搜索每个常用词的各单字是否在所述词语的单字的候选字中出现，若出现，则记录该单字的在该常用词中的该候选字的置信度，若未出现，则将该字的置信度计为零；计算针对每个常用词的所述词语中各单字的平均置信度，作为该常用词的置信度；若置信度最高的常用词的置信度大于一阈值，则输出这个常用词作为该词语的识别结果，否则输出该词语的每个单字的置信度最高的候选字作为该词语的识别结果。

根据本发明的另一方面，使用光学字符识别(OCR)对所述单字进行识别。

根据本发明的另一方面，搜索每个常用词的各单字是否在所述词语的所有单字的所有候选字中出现。

根据本发明的另一方面，当某个常用词中的某个单根据本发明的另一方面字中出现时，将不在该被识别的词语中的该单字的候选字中搜索该常用词中的其他单字。

根据本发明的另一方面，仅搜索与被识别的词语字数相同的常用词。

根据本发明的另一方面，搜索每个常用词的各单字是否在所述词语的与该常用词中相同位置的单字的候选字中出现。

根据本发明的另一方面，提供一种词语识别装置，包括：单字识别单元，用于对所述词语中的每个单字进行识别，并记录识别结果中置信度最高的前若干个识别的候选字及其对应的置信度；常用词搜索单元，用于搜索每个常用词的各单字是否在所述词语的单字的候选字中出现，若出现，则记录该单字的在该常用词中的该候选字的置信度，若未出现，则将该字的置信度计为零；置信度计算单元，用于计算针对每个常用词的所述词语中各单字的平均置信度，作为该常用词的置信度；输出单元，若置信度最高的常用词的置信度大于一阈值，输出单元输出这个常用词作为该词语的识别结果，否则输出该词语的每个单字的置信度最高的候选字作为该词语的识别结果。

根据本发明的另一方面，所述单字识别单元包括光学字符识别(OCR)引擎。

根据本发明的另一方面，该常用词搜索单元被配置为搜索每个常用词的各单字是否在所述词语的所有单字的所有候选字中出现。

根据本发明的另一方面，该常用词搜索单元被配置为当某个常用词中的某个单字在被识别的词语中的某个单字的候选字中出现时，将不在该被识别的词语中的该单字的候选字中搜索该常用词中的其他单字。

根据本发明的另一方面，该常用词搜索单元被配置为仅搜索与被识别的词语字数相同的常用词。