[发明专利]一种基于相似字符识别的文本识别方法及电子设备

说明书

一种基于相似字符识别的文本识别方法及电子设备，该方法包括：将待识别的文本通过科目识别模型，以识别出其对应的若干个潜在科目；根据潜在科目对该文本进行分词，获得若干个分词词语；根据分词词语与该潜在科目对应的分词库中每个分词的字符相似度，计算每个分词的置信度，并由此获取该潜在科目的总置信度，其中总置信度最高的潜在科目作为目标科目；针对目标科目对应的分词词语，获取该目标科目对应的分词库中置信度最高的分词，并在判断出其置信度高于某一预设阈值时，将分词词语纠正为该置信度最高的分词，以获得文本识别结果。实施本发明实施例，能够识别易被混淆误判的相似字符并根据科目信息进行纠正，从而提高文本识别的准确率。

技术领域

本发明涉及字符识别技术领域，尤其涉及一种基于相似字符识别的文本识别方法及电子设备。

背景技术

近年来，以光学字符识别(OCR)为代表的字符识别技术得到了突飞猛进的发展。但目前，在进行文本识别时，可能存在部分字符混淆不清晰的情况，例如，在识别学生作业的过程中，由于作业本吸墨质量不佳或学生字迹潦草，导致部分中文字符(单个汉字)或英文字符(单个字母)不够清晰，容易被错误识别为其他相似字符，甚至可能出现某一科目的字符被错误识别为其他科目的字符的情况(如汉语拼音被错误识别为英文字母)，从而降低了文本识别的准确率。

发明内容

本发明实施例公开了一种基于相似字符识别的文本识别方法及电子设备，能够提高文本识别的准确率。

本发明实施例第一方面公开一种基于相似字符识别的文本识别方法，包括：

将待识别的文本通过科目识别模型，以识别出所述文本对应的若干个潜在科目；其中，所述科目识别模型是预先利用不同科目的文字和图像资料进行训练得到的科目识别模型；

根据所述潜在科目，对所述文本进行分词，获得所述潜在科目对应的若干个分词词语；

根据所述潜在科目对应的所述分词词语与所述潜在科目对应的分词库中的每个分词的字符相似度，计算所述潜在科目对应的分词库中的每个分词的置信度；

根据所述潜在科目对应的分词库中的每个分词的置信度，获得所述潜在科目的总置信度；

从所述若干个潜在科目中，获取所述总置信度最高的潜在科目，作为目标科目；

针对所述目标科目对应的所述分词词语，获取所述目标科目对应的分词库中置信度最高的分词；

判断所述置信度最高的分词的置信度是否高于某一预设的置信度阈值，若高于，将所述分词词语纠正至与所述置信度最高的分词一致，以获得最终的文本识别结果。

作为一种可选的实施方式，在本发明实施例第一方面中，所述针对所述目标科目对应的所述分词词语，获取所述目标科目对应的分词库中置信度最高的分词，包括：

针对所述目标科目对应的所述分词词语，按照所述置信度从高到低的顺序对所述分词库中的每个分词进行排序，获得排序结果；

根据所述排序结果，判断所述分词库中置信度最高的分词个数是否多于一个；

若判断出所述置信度最高的分词个数只有一个，获取所述分词库中置信度最高的分词；若判断出所述置信度最高的分词个数多于一个，根据预先配置的分词权重，获取所述置信度最高的分词中所述权重最高的一个分词，作为所述分词库中置信度最高的分词。

作为另一种可选的实施方式，在本发明实施例第一方面中，所述从所述若干个潜在科目中，获取所述总置信度最高的潜在科目，作为目标科目之后，所述方法还包括：

针对所述目标科目对应的所述分词词语，统计所述分词词语的出现频率，获取所述出现频率高于某一预设频率的高频词语；

判断所述高频词语是否已经存在于所述目标科目对应的分词库中；