[发明专利]天城文分词和识别方法、装置、电子设备和存储介质

权利要求书

1.一种天城文分词方法，其特征在于，包括：

获取待分词的天城文文本的字符序列；

基于所述字符序列中当前字符的类型，以及所述当前字符之后的字符的类型，对所述当前字符及其之后的字符进行分词，并将分词所得子词中的最尾字符在所述字符序列中的下个字符更新为当前字符进行分词，直至分词完成。

2.根据权利要求1所述的天城文分词方法，其特征在于，所述基于所述字符序列中当前字符的类型，以及所述当前字符之后的字符的类型，对所述当前字符及其之后的字符进行分词，包括：

若所述字符序列中当前字符的类型为辅音，且所述当前字符之后首字符的类型为非空字符，则将所述当前字符及其之后的首字符合写为一个子词，所述非空字符为辅音和元音消除符之外的字符。

3.根据权利要求1所述的天城文分词方法，其特征在于，所述基于所述字符序列中当前字符的类型，以及所述当前字符之后的字符的类型，对所述当前字符及其之后的字符进行分词，包括：

若所述字符序列中当前字符的类型为辅音，且所述当前字符之后首字符的类型为元音消除符，则将所述当前字符及其之后的首字符按照元音消除符合写结构进行合写，并将合写后的字符更新为所述当前字符，并对所述当前字符及其之后的字符进行分词。

4.根据权利要求1所述的天城文分词方法，其特征在于，所述基于所述字符序列中当前字符的类型，以及所述当前字符之后的字符的类型，对所述当前字符及其之后的字符进行分词，包括：

若所述字符序列中当前字符的类型为辅音，且所述当前字符之后首字符的类型为辅音，第二个字符的类型为元音消除符，则确定所述当前字符的结构；

若所述当前字符的结构为元音消除符合写结构，则将所述当前字符及其之后的首字符和第二个字符合写后更新为所述当前字符，并对所述当前字符及其之后的字符进行分词，否则将所述当前字符及其之后的首字符合写为一个子词。

5.根据权利要求1所述的天城文分词方法，其特征在于，所述基于所述字符序列中当前字符的类型，以及所述当前字符之后的字符的类型，对所述当前字符及其之后的字符进行分词，包括：

若所述字符序列中当前字符的类型为辅音，且所述当前字符之后首字符的类型为辅音，第二个字符的类型为元音，则将所述当前字符及其之后的首字符合写为一个子词。

6.根据权利要求1所述的天城文分词方法，其特征在于，所述基于所述字符序列中当前字符的类型，以及所述当前字符之后的字符的类型，对所述当前字符及其之后的字符进行分词，包括：

若所述字符序列中当前字符的类型为元音，且所述当前字符之后首字符的类型为元音附加符，则将所述当前字符及其之后的首字符合写为一个子词；

若所述字符序列中当前字符的类型为元音，且所述当前字符之后首字符的类型非元音附加符，则将所述当前字符作为一个子词。

7.一种天城文文本识别方法，其特征在于，包括：

获取待识别图像；

基于子词词表，对所述待识别图像进行天城文文本识别，得到文本识别结果；所述子词词表是基于权利要求1至6任一项所述天城文分词方法确定的。

8.一种天城文分词装置，其特征在于，包括：

文本获取单元，用于获取待分词的天城文文本的字符序列；

分词单元，用于基于所述字符序列中当前字符的类型，以及所述当前字符之后的字符的类型，对所述当前字符及其之后的字符进行分词，并将分词所得子词中的最尾字符在所述字符序列中的下个字符更新为当前字符进行分词，直至分词完成。

9.一种天城文文本识别装置，其特征在于，包括：

图像获取单元，用于获取待识别图像；

文本识别单元，用于基于子词词表，对所述待识别图像进行天城文文本识别，得到文本识别结果；所述子词词表是基于权利要求1至6任一项所述天城文分词方法确定的。