[发明专利]文本识别方法及装置

说明书

本发明公开了一种文本识别方法及装置。其中，该方法包括：获取待识别的文本数据；将文本数据输入识别模型，其中，识别模型根据多个训练节点分别训练得到的模型参数生成，每一个训练节点用于根据获取到的样本短语的识别系数得到模型参数；获取识别模型输出的与文本数据对应的识别后的目标文本数据。本发明解决了采用现有的文本识别技术无法保证文本识别的准确性的技术问题。

技术领域

本发明涉及计算机领域，具体而言，涉及一种文本识别方法及装置。

背景技术

如今，随着互联网的快速发展，使获得海量的文本数据成为可能。例如，目前很多场合都会应用到对语音文本或文字文本的文本识别技术，且在对文本识别的过程中，为了获得更高的识别准确率，不少识别模型的模型阶数已经上升到四阶、五阶甚至更高，所产生的文本数据的数据量也在不断增长。其中，在现有的文本识别过程中，常用的用于识别文本的训练模型是经典工具SRILM，其中，SRILM是一个单机模型训练的工具。

然而，随着识别的数据量的增长，所消耗的内存也会越来越大，因而，在继续使用单机模型训练的工具生成用于识别文本的模型时，将受到运算及内存资源的限制，出现内存溢出、训练中断的问题，从而影响模型的生成效率，及所生成的模型的准确性；进一步，在使用上述所生成的模型进行文本识别时，将大大影响文本识别的准确性。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种文本识别方法及装置，以至少解决采用现有的文本识别技术无法保证文本识别的准确性的技术问题。

根据本发明实施例的一个方面，提供了一种文本识别方法，包括：获取待识别的文本数据；将上述文本数据输入识别模型，其中，上述识别模型根据多个训练节点分别训练得到的模型参数生成，每一个上述训练节点用于根据获取到的样本短语的识别系数得到上述模型参数；获取上述识别模型输出的与上述文本数据对应的识别后的目标文本数据。

根据本发明实施例的另一方面，还提供了一种文本识别装置，包括：第一获取单元，用于获取待识别的文本数据；输入识别单元，用于将上述文本数据输入识别模型，其中，上述识别模型根据多个训练节点分别训练得到的模型参数生成，每一个上述训练节点用于根据获取到的样本短语的识别系数得到上述模型参数；第二获取单元，用于获取上述识别模型输出的与上述文本数据对应的识别后的目标文本数据。

在本发明实施例中，通过将获取到的待识别的文本数据输入到识别模型中，其中，该识别模型根据多个训练节点分别训练得到的模型参数生成，每一个训练节点用于根据获取到的样本短语的识别系数得到上述模型参数，以获取上述识别模型输出的与文本数据对应的识别后的目标文本数据。也就是说，在训练识别模型时，通过将训练过程分布到各个训练节点上分别执行，而不再将数据量集中到有有限的设备中，从而避免现有的模型训练过程中受到运算及内存资源的限制，所出现的内存溢出、训练中断的问题，达到降低内存负载，提高训练效率及准确性，进而实现利用上述训练过程训练出的识别模型进行文本识别，以达到提高文本识别的准确性的目的。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的一种可选的文本识别方法的应用环境示意图；

图2是根据本发明实施例的一种可选的文本识别方法的流程图；

图3是根据本发明实施例的一种可选的文本识别方法中Trie树的示意图；

图4是根据本发明实施例的一种可选的文本识别装置的示意图；

图5是根据本发明实施例的一种可选的文本识别方法的示意图；