[发明专利]语言模型生成及应用方法、装置、电子设备和存储介质

说明书

本发明实施例提供了一种语言模型生成及应用方法、装置、电子设备和存储介质，其中，所述语言模型生成方法包括：在多个语料库中确定目标语料库；基于所述目标语料库生成语言模型，所述语言模型用于对图像进行字符识别。本发明实施例通过基于目标语料库生成的语言模型对图像进行字符识别，由于目标语料库与图像中包含的字符相关联，因此基于目标语料库生成的语言模型更加适应字符搭配等字符识别规则，根据语言模型对图像进行字符识别，使得字符识别结果更加准确。

技术领域

本发明实施例涉及人工智能技术领域，尤其涉及一种语言模型生成方法和装置、字符识别方法和装置、电子设备和计算机可读存储介质。

背景技术

字符识别是利用计算机自动识别字符的技术，是模式识别应用的一个重要领域。人们在生产和生活中，要处理大量的文字、报表和文本。为了减轻人们的劳动，提高处理效率，字符识别应运而生。

现有的字符识别技术方案中，利用卷积神经网络(Convolutional NeuralNetwork，CNN)加上利用连接时间分类(Connectionist Temporal Classification，CTC)中的解码方式对字符进行识别。

发明内容

本发明实施例提供了一种语言模型生成方法和装置、字符识别方法和装置、电子设备和计算机可读存储介质。

根据本发明实施例的第一方面，提供了一种语言模型生成方法，包括：在多个语料库中确定目标语料库；基于所述目标语料库生成语言模型，所述语言模型用于对图像进行字符识别。

可选地，在所述基于所述目标语料库生成语言模型之后，所述方法还包括：基于前缀树存储方式，存储所述语言模型。

可选地，所述前缀树存储方式基于指针进行存储，所述指针用于连接字符的识别概率和字符组合的识别概率。

可选地，所述在多个语料库中确定目标语料库，包括：根据所述多个语料库中分别包含的数据量，确定所述目标语料库。

可选地，所述根据所述多个语料库中分别包含的数据量，确定所述目标语料库，包括：在所述多个语料库中，将包含的数据量大于第一预设阈值的语料库，确定为所述目标语料库。

可选地，所述根据所述多个语料库中分别包含的数据量，确定所述目标语料库，包括：在所述多个语料库中，将包含的数据库小于第二预设阈值的语料库，确定为所述目标语料库。

可选地，所述语言模型包括：二元语言模型或三元语言模型。

可选地，所述在多个语料库中确定目标语料库，包括：根据当前场景类别信息，在所述多个语料库中确定与所述当前场景类别信息对应的所述目标语料库。

可选地，所述语言模型包括概率阈值，所述概率阈值用于根据识别概率对字符进行筛选。

可选地，所述语言模型包括字符序列长度信息，所述字符序列长度信息用于确定识别得到的字符序列的长度范围。

可选地，所述语言模型包括beam值，所述beam值用于确定最佳字符序列。

根据本发明实施例的第二方面，还提供了一种字符识别方法，包括：根据语言模型对图像进行字符识别，得到第一字符识别结果；其中，所述语言模型为根据第一方面所述语言模型生成方法得到。

可选地，所述方法还包括：根据神经网络模型对所述图像进行字符识别，得到第二字符识别结果；基于所述第一字符识别结果及所述第二字符识别结果，生成目标字符识别结果；输出所述目标字符识别结果。

可选地，所述基于所述第一字符识别结果及所述第二字符识别结果，生成目标字符识别结果，包括：基于所述第一字符识别结果、所述第二字符识别结果、及分别对应的权重值，生成所述目标字符识别结果。