[发明专利]文本识别方法和计算机程序产品

权利要求书

1.一种文本识别方法，其中所述方法由计算设备的处理器执行，并且包括以下步骤：

提供置信矩阵，其中所述置信矩阵是输入序列的数字表示，其中，所述置信矩阵为二维矩阵，其中，所述置信矩阵内的每个横向位置对应于所述输入序列的某个位置，

所述置信矩阵内的每个竖直位置对应于某个符号通道，以及

所述置信矩阵的每个元素为置信度值，所述置信度值与所述输入序列中相应位置处的某个符号的置信度相关，

输入正则表达式，和

搜索所述输入序列的与所述正则表达式相匹配的符号序列，其中，所述处理器使用所述置信矩阵的置信度值来计算得分值，且所述得分值是所述输入序列的符号序列与所述正则表达式之间的匹配品质的指示，其中

所述正则表达式被转换成由非确定性有限状态自动机表示的基于图的模型，

其中

所述基于图的模型是通过状态和转换来描述所述正则表达式的行为的图模型，和

在所述非确定性有限状态自动机和所述正则表达式之间存在对偶性，对于每个正则表达式，存在一非确定性有限状态自动机，反之亦然，以及

所述搜索的步骤是使用动态规划对所述置信矩阵执行的，所述动态规划包括除了具有最大概率的路径外，基于所述置信矩阵中的所述置信度值，在每个时间处，确定所述非确定性有限状态自动机中预定数量的下一个可能路径的概率。

2.根据权利要求1所述的方法，其中，提供所述置信矩阵的步骤包括将书面文本或语音文本转换成所述置信矩阵。

3.根据权利要求1或2所述的方法，其中，所述正则表达式包括正则表达式组，其中，所述正则表达式定义所述正则表达式中用于在置信矩阵上解析的标记区。

4.根据权利要求1或2所述的方法，其中，所述正则表达式包括嵌入式词典。

5.根据权利要求1或2所述的方法，还包括，将所述输入序列转录成符号序列。

6.根据权利要求1或2所述的方法，其中，所述置信矩阵是结构化或半结构化输入序列的数字表示，且其中所述方法还包括以下步骤：使用所述正则表达式解析并标记所述结构化或半结构化输入序列，其中，所述结构化或半结构化输入序列的每个元素分配有得分值。

7.根据权利要求1或2所述的方法，还包括以下步骤：输出所述得分值。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序在由计算设备的处理器执行时，执行根据前述权利要求中任一项所述的方法。