[发明专利]图片文本的相似度评价方法及装置

说明书

本发明公开了一种图片文本的相似度评价方法及装置，其中，方法包括以下步骤：获取第一图片文本和第二图片文本；分别提取第一图片文本和第二图片文本中的字符；将字符对齐到网格上，进行归一化处理；提取字符对应于网格上的灰度值，形成对应于每个字符的灰度值矩阵；依次对比第一图片文本中的每个字符的灰度值矩阵与第二图片文本中的每个字符的灰度值矩阵，得到字符评分值；根据字符评分值，计算第一图片文本与第二图片文本之间的相似度。该方法将图片文本中的字符进行量化处理，即字符转化成客观的数据，从而对客观数据的处理，提高了图片文本相似度评价结果的可信度。

技术领域

本发明涉及计算机技术领域，具体涉及一种图片文本的相似度评价方法及装置。

背景技术

目前，由多个字符所组成的文本已成为一种十分重要的信息载体。其文本间相似度的计算，作为一种文档处理中所经常使用的方法，通常被应用于文本聚类、文本检索、数据挖掘、系统自动问答等诸多应用场合。

其中，对于字符串相似在文本分析中具有重要意义。现有的字符相似度计算方法都比较成熟的是计算最小编辑距离的方法。该方法是指两个字符串之间，由一个转化为另一个字符串所需的最小编辑步骤。编辑操作包括替换、删除、插入。该方法基于字符编辑，存在一定误差，并且进行相似度计算的路径较为复杂，导致字符串相似度计算的效率偏低。

此外，对于以图片形式表示的文本内容，在进行相似度评价时，一般是通过识别图片中的字符，通过调用字符字典依次比对每个字符之间的相似度，进而得出整个图片文本的相似度。然而，该方法中需要实现设置字符字典，其次还需要针对每个字符查阅字符字典进行比对；此外，还需识别出图片中的文本，而文本识别的准确度直接关系到评价结果的准确度，从而导致该方法的可靠性以及对比效率偏低的问题。

发明内容

有鉴于此，本发明实施例提供了一种图片文本的相似度评价方法及装置，以解决现有技术中相似度评价结果的可靠性偏低的问题。

本发明第一方面提供了一种图片文本的相似度评价方法，包括以下步骤：

获取第一图片文本和第二图片文本；

分别提取所述第一图片文本和所述第二图片文本中的字符；

将所述字符对齐到网格上，进行归一化处理；

提取所述字符对应于所述网格上的灰度值，形成对应于每个字符的灰度值矩阵；

依次对比所述第一图片文本中的每个字符的灰度值矩阵与所述第二图片文本中的每个字符的灰度值矩阵，得到字符评分值；

根据所述字符评分值，计算所述第一图片文本与所述第二图片文本之间的相似度。

可选地，还包括：

分别提取所述第一图片文本和所述第二图片文本中的N个关键词，所述关键词为第一图片文本和所述第二图片文本中频率最高的N个字符或字符串；

分别对比所述关键词，计算所述第一图片文本和所述第二图片文本之间所述关键词的相似度，以得到关键词评分值。

可选地，所述分别提取所述第一图片文本和所述第二图片文本中的N个关键词，包括以下步骤：

对所述第一图片文本和所述第二图片文本中的所有字符进行切词处理，形成若干对应于第一图片文本和所述第二图片文本中字符串的灰度值矩阵，所述切词处理为将所述第一图片文本或所述第二图片文本中的单个字符组成词语；

依次判断每两个所述字符串的灰度值矩阵的距离是否小于第一阈值；

当判断结果为是时，则确定两个字符串为相同的字符串；

统计所述相同的字符串的数量，其中，数量最大的前N个字符串为所述关键词。