[发明专利]坏例识别及其模型优化方法、装置及计算机存储介质

权利要求书

1.一种坏例识别方法，其特征在于，所述方法包括：

利用具有相同识别能力的待优化识别模型和至少一参考识别模型针对待识别样本分别进行识别，获得所述待优化识别模型的第一识别结果和所述至少一参考识别模型的至少一第二识别结果；以及

利用多策略叠加模型中的至少二坏例分析策略分别基于所述至少一第二识别结果分析所述第一识别结果，获得各所述坏例分析策略对应的各中间分析结果，并根据各所述中间分析结果获得所述待优化识别模型识别的所述待识别样本是否为坏例的坏例识别结果，其中各所述中间分析结果分别为各个所述坏例分析策略处理所述第一识别结果和所述第二识别结果得到的差异结果。

2.根据权利要求1所述的坏例识别方法，其特征在于，所述待优化识别模型和所述至少一参考识别模型分别具有图像识别能力，用于识别所述待识别样本中的图像信息，并将所述图像信息转换为文本信息。

3.根据权利要求2所述的坏例识别方法，其特征在于，在所述利用具有相同识别能力的待优化识别模型和至少一参考识别模型分别针对待识别样本进行识别分析的步骤之前，所述方法还包括针对所述待识别样本执行图片正位的预处理操作。

4.根据权利要求2所述的坏例识别方法，其特征在于，在所述获得所述待优化识别模型的第一识别结果和所述至少一参考识别模型的至少一第二识别结果的步骤之后，且在所述利用多策略叠加模型中的至少二坏例分析策略分别基于所述至少一第二识别结果分析所述第一识别结果的步骤之前，所述方法还包括针对所述第一识别结果和所述第二识别结果分别执行非关键噪点因素去除的后处理操作。

5.根据权利要求2所述的坏例识别方法，其特征在于，所述多策略叠加模型包括基于莱文斯坦距离的坏例分析策略、基于关键词的坏例分析策略、基于字符串长度的坏例分析策略中的至少两个。

6.根据权利要求5所述的坏例识别方法，其特征在于，所述多策略叠加模型包括所述基于莱文斯坦距离的坏例分析策略，所述利用多策略叠加模型中的至少二坏例分析策略分别基于所述至少一第二识别结果分析所述第一识别结果，获得各所述坏例分析策略对应的各中间分析结果包括：

分别计算所述第一识别结果与各所述第二识别结果之间的莱文斯坦距离，生成所述待优化识别模型与各所述参考识别模型之间的多个莱文斯坦距离值；

基于各所述莱文斯坦距离值，计算所述待优化识别模型与各所述参考识别模型之间的莱文斯坦比；以及

根据各所述参考识别模型的预设模型权重参数以及所述莱文斯坦比，获得所述基于莱文斯坦距离的坏例分析策略的第一中间分析结果。

7.根据权利要求5所述的坏例识别方法，其特征在于，所述多策略叠加模型包括所述基于关键词的坏例分析策略，所述利用多策略叠加模型中的至少二坏例分析策略分别基于所述至少一第二识别结果分析所述第一识别结果，获得各所述坏例分析策略对应的各中间分析结果包括：

提取所述第一识别结果中的第一关键词与各所述第二识别结果中的各第二关键词；

基于所述第一关键词与各所述第二关键词，获得所述基于关键词的坏例分析策略的第二中间分析结果。

8.根据权利要求5所述的坏例识别方法，其特征在于，所述多策略叠加模型包括所述基于字符串长度的坏例分析策略，所述利用多策略叠加模型中的至少二坏例分析策略分别基于所述至少一第二识别结果分析所述第一识别结果，获得各所述坏例分析策略对应的各中间分析结果包括：

获得所述第一识别结果的第一字符串长度以及各所述第二识别结果对应的各第二字符串长度；

基于所述第一字符串长度与各所述第二字符串长度，获得所述基于字符串长度的坏例分析策略的第三中间分析结果。

9.根据权利要求1所述的坏例识别方法，其特征在于，所述根据各所述中间分析结果获得所述待优化识别模型识别的所述待识别样本是否为坏例的坏例识别结果具体为：

根据各所述坏例分析策略对应的各预设策略权重参数及各所述中间分析结果，获得所述待优化识别模型识别的所述待识别样本是否为坏例的坏例识别结果。