[发明专利]一种字符识别结果的错误标定方法和装置

说明书

本发明实施例提供了一种字符识别结果的错误标定方法和装置，具体为获取对原始财务报表经过光学字符识别得到的电子财务报表，从电子报表中截取连续文字作为字段元素；计算每个字段元素的连续可信度，从文字集合中选取所有连续可信度为预设值的文字集合，构成数字集合；计算数字集合中每个数字元素的数长可信度、数位可信度和上下文可信度；根据预设的计算规则对数长可信度、数位可信度和上下文可信度计算联合可信度；将得到的联合可信度进行排序，根据排序结果选取符合预设选取规则的数字元素作为待提示元素，以预设方式向用户提示待提示元素对应的连续文字。这样一来，用户可以仅对上述标定的错误点进行检查即可，从而降低了人工负荷的工作量。

技术领域

本发明涉及字符识别技术领域，特别是涉及一种字符识别结果的错误标定方法和装置。

背景技术

目前，在许多领域需要经纸质的文件进行电子化录入，即将纸质文件上手写或打印的字符通过光学字符识别方式进行转化，从而得到相应的电子文档，以便于后续的存档和利用，如电子阅卷、图书录入、财务报表录入等。

对于财务报表来说，由于其要求特别准确，特别其中的数字不允许有任何的差错。但是，受限于财务报表格式的多样性、财务报表图像文件的质量以及数字之间易混淆等问题，导致在得到字符识别识别结果后，仍然需要人工进行逐项复核，工作量较人工全文录入方式基本没有减轻，导致工作效率较低，无法适应当前快速发展的社会经济活动的需要。

发明内容

有鉴于此，本发明提供一种字符识别结果的错误标定方法和装置，用于在字符识别结果上出现的错误进行标定，以降低人工复核的工作量，从而提高工作效率。

为了实现上述目的，本发明公开了一种字符识别结果的错误标定方法，具体包括如下步骤：

获取对原始财务报表经过光学字符识别得到的电子财务报表，从所述电子报表中截取连续文字，将截取到的连续文字作为文字集合的字段元素；

计算每个字段元素的连续可信度，从所述文字集合中选取所有连续可信度为预设值的文字集合，构成数字集合；

计算所述数字集合中每个数字元素的数长可信度、数位可信度和上下文可信度；

根据预设的计算规则对所述数长可信度、所述数位可信度和所述上下文可信度进行计算，得到联合可信度；

将得到的联合可信度进行排序，根据排序结果选取符合预设选取规则的数字元素作为待提示元素，以预设方式向用户提示所述待提示元素对应的连续文字。

可选的，所述数长可信度的计算步骤为：

记录每个所述数字元素的最高位在所述数字集合中出现的频数；

确定所述数字集合中所述最大频数对应的最高位数；

以预设公式对所述频数和所述最高位数进行计算，得到所述数长可信度。

可选的，所述数位可信度的计算步骤为：

以预设公式对所述数字集合中数字元素的历史概率和历史频数进行计算，得到所述数字元素的数位可信度。

可选的，所述上下文可信度的计算步骤为：

以预设公式对所述数字元素的后续数字的历史概率进行计算，得到所述数字元素的上下文可信度。

可选的，所述根据排序结果选取符合预设选取规则的数字元素，包括：

选取联合可信度超出预设阈值的数字元素，作为所述待提示元素；

或，选取排名在预设位数之前的数字元素，作为所述待提示元素。

可选的，还包括步骤：

将所述待提示元素对应的连续文字存入数据库中。