[发明专利]相似字识别方法、装置、计算机设备及存储介质

说明书

本发明公开了相似字识别方法、装置、计算机设备及存储介质，其中方法包括：针对图片形式的每个待处理的文字，分别获取所述文字的图片特征、文字元件特征以及文字结构特征；根据获取到的特征确定出待处理的文字中的相似字。应用本发明所述方案，能够提高识别结果的准确性等。

【技术领域】

本发明涉及计算机应用技术，特别涉及相似字识别方法、装置、计算机设备及存储介质。

【背景技术】

许多汉字由于形体相似容易混淆，正确地识别/区别出这些易混淆的相似字，在很多方面有着重要的意义。

比如：为汉语学习者提供相似字检索功能，对比学习(例如：沧伦论沦)，加深记忆；为现有的光学字符识别(OCR，Optical Character Recognition)技术提供相似字候选列表，以供OCR纠错使用；为汉语手写体识别模型团队提供相似字列表，以供针对性训练识别模型，提高识别的准确率等。

现有技术中，通常采用以下相似字识别方式：基于人工标注的方式，即人工进行相似字标注，但这种方式需要耗费大量的人力成本；2)基于字形图片层面的相似性算法：即将汉字图片转换成特征表示，进而通过计算如向量距离来定义汉字之间的相似性，该方式虽然能够较大幅度地减少人力成本，但很多情况下并不能给出理想的结果，如对于形变字“日和曰”，两个汉字虽然相近，但是图片层面的像素点交集有限，因此无法有效地给出预期的相似性结果，从而降低了识别结果的准确性。

【发明内容】

有鉴于此，本发明提供了相似字识别方法、装置、计算机设备及存储介质。

具体技术方案如下：

一种相似字识别方法，包括：

针对图片形式的每个待处理的文字，分别获取所述文字的图片特征、文字元件特征以及文字结构特征；

根据获取到的特征确定出所述待处理的文字中的相似字。

根据本发明一优选实施例，所述获取所述文字的图片特征包括：

根据所述文字的图片中的各像素点的灰度值，将所述文字的图片转换为0和1组成的矩阵格式；

基于转换结果，通过卷积神经网络进行特征提取，得到所述图片特征。

根据本发明一优选实施例，所述获取所述文字的文字元件特征包括：

对所述文字进行拆字处理；

根据拆字结果生成所述文字元件特征。

根据本发明一优选实施例，所述根据拆字结果生成所述文字元件特征包括：

对预定长度的第一序列进行赋值，所述第一序列中的每一位分别对应一个预先设定的基本单元，所述基本单元数大于一，将所述拆字结果中包含的基本单元对应的位的取值设置为1，否则，设置为0；

将赋值完成的第一序列作为所述文字元件特征。

根据本发明一优选实施例，所述获取所述文字的文字结构特征包括：

确定所述文字所属的字体结构；

根据确定结果生成所述文字结构特征。

根据本发明一优选实施例，所述根据确定结果生成所述文字结构特征包括：

对预定长度的第二序列进行赋值，所述第二序列中的每一位分别对应一种预先设定的字体结构，所述字体结构数大于一，将所述文字所属的字体结构对应的位的取值设置为1，否则，设置为0；

将赋值完成的第二序列作为所述文字结构特征。