[发明专利]用于表意字符分析的方法和介质

说明书

表意字符分析包括：将原始表意字符划分为笔画，并且每个笔画映射到对应的笔画标识符(id)以创建包括笔画标识符的原始笔画id序列。选择具有距原始笔画id序列处于阈值距离内的候选笔画id序列的候选表意字符。一个或多个实施例可以通过在搜索短语中用候选表意字符取代原始表意字符来创建新短语。一个或多个实施例使用搜索短语和新短语来执行搜索以获得结果，并且呈现该结果。一个或多个实施例可以用候选表意字符取代经字符辨认的文档中的原始表意字符，并且存储经字符辨认的文档。

技术领域

背景技术

光学字符辨认(OCR)是从图像识别字符的过程。换句话说，OCR 将字符的图像转换为机器编码字符。OCR可以例如在传入图像是扫描图像时或者在用户正在使用指点装置在电子装置中手写字符(例如，使用铁笔和采用软件应用的便条)时被执行。因为OCR取决于图像的清晰度、字符和背景的清晰度、字体和/或笔迹以及其他因素，所以 OCR正确地识别字符可能具有挑战。

发明内容

总的来说，在一个方面，一个或多个实施例涉及一种用于表意字符分析的方法和非暂时性计算机可读介质。表意字符分析包括：将原始表意字符划分为笔画，并且将每个笔画映射到对应的笔画标识符 (id)以创建包括笔画标识符的原始笔画id序列。选择具有距原始笔画id序列处于阈值距离内的候选笔画id序列的候选表意字符，并且通过在搜索短语中用候选表意字符取代原始表意字符来创建新短语。一个或多个实施例使用搜索短语和新短语来执行搜索以获得结果，并且呈现结果。

总的来说，在一个方面，一个或多个实施例涉及一种用于表意字符分析的方法。该方法包括：将原始表意字符划分为笔画，并且将每个笔画映射到笔画id以创建包括笔画标识符的原始笔画id序列。具有距原始笔画id序列处于阈值距离内的候选笔画id序列的候选表意字符被选择，并且取代经字符辨认的文档中的原始表意字符。存储经字符辨认的文档。

本技术的其他方面从以下描述和所附权利要求将是清楚的。

附图说明

图1示出根据本技术的一个或多个实施例的系统的示意图。

图2、3和4示出根据本技术的一个或多个实施例的流程图。

图5.1、5.2和5.3示出根据本技术的一个或多个实施例的例子。

图6示出根据本技术的一个或多个实施例的计算系统。

具体实施方式

现在将参照附图来描述本技术的特定实施例。为了一致性，各图中的相似的元件用相似的标号表示。

在本技术的实施例的以下详细描述中，阐述了许多特定细节以便提供本技术的更透彻的理解。然而，对于本领域普通技术人员来说将清楚的是，可以在没有这些特定细节的情况下实施本技术。在其他情况下，没有对众所周知的特征进行详细描述以避免不必要地使描述复杂。

在整个本申请中，序数(例如，第一、第二、第三等)可以用作元件(即，本申请中的任何名词)的形容词。序数的使用并不暗示或创建元件的任何特定排序，也不使任何元件仅限于单个元件，除非有明确公开，比如通过使用术语“在……之前”、“在……之后”、“单个”以及其他这样的术语明确地公开。相反，序数的使用是区分元件。举例来说，第一元件不同于第二元件，并且第一元件可以包含多于一个的元件，并且在元件排序中在第二元件之后(或之前)。

总的来说，本技术的实施例是针对执行表意字符分析。表意字符是代表想法而不指定读音的图形符号。一些表意字符可以每个都代表整个词语。一些表意字符可以代表词语的部分。表意字符是表意书写系统中的字素。表意书写系统的例子包括中文、日本汉字和其他语言。一个或多个实施例是针对将表意字符划分为笔画并且将笔画转换为笔画标识符(id)序列。从笔画id序列，可以确定表意字符的可能的变化。在本技术的一个或多个实施例中，使用可能的变化来在执行OCR 时正确地识别表意字符的图像形式。在本技术的一个或多个实施例中，使用可能的变化来搜索具有经由OCR错误地识别的原始表意字符的文档。