[发明专利]语义识别方法、装置、设备及计算机可读存储介质

说明书

本发明属于语义解析技术领域，提供一种语义识别方法、装置、设备及计算机可读存储介质，该方法包括：获取待识别手写文本行图像；将所述待识别手写文本行图像输入至训练好的卷积循环神经网络模型中进行分析，得到训练好的卷积循环神经网络模型输出的，所述待识别手写文本行图像中每个待识别文字对应的备选文字概率分布；根据每个待识别文字对应的所述备选文字概率分布，确定每个待识别文字对应的目标备选文字集合；通过预设的词向量word2vec模型，对每个待识别文字对应的所述目标备选文字集合进行语义分析，以确定语义分析结果。本发明能够提高对手写文本行图像的识别精确度。

技术领域

本发明涉及语义解析技术领域，尤其涉及一种语义识别方法、装置、设备及计算机可读存储介质。

背景技术

传统的语义识别模型仅对标准的、书写简单且规范的句子有较好准确度的识别，但是对于手写句子，由于每个人的书写习惯不同，写出的每个字并不是由标准的横竖撇捺组成，加大了识别难度，导致识别的精确度不高。

发明内容

本发明的主要目的在于提供一种语义识别方法、装置、设备及计算机可读存储介质，旨在解决传统的语义识别模型对手写句子的识别精确度不高的技术问题。

为实现上述目的，本发明提供一种语义识别方法，所述语义识别方法包括以下步骤：

获取待识别手写文本行图像；

将所述待识别手写文本行图像输入至训练好的卷积循环神经网络模型中进行分析，得到训练好的卷积循环神经网络模型输出的，所述待识别手写文本行图像中每个待识别文字对应的备选文字概率分布；

根据每个待识别文字对应的所述备选文字概率分布，确定每个待识别文字对应的目标备选文字集合；

通过预设的词向量word2vec模型，对每个待识别文字对应的所述目标备选文字集合进行语义分析，以确定语义分析结果。

可选地，所述根据每个待识别文字对应的所述备选文字概率分布，确定每个待识别文字对应的目标备选文字集合的步骤包括：

根据每个待识别文字对应的所述备选文字概率分布，分别选取概率值排序靠前的预设数量的备选文字，构成每个待识别文字对应的目标备选文字集合。

可选地，所述通过预设的word2vec模型，对每个待识别文字对应的所述目标备选文字集合进行语义分析，以确定语义分析结果的步骤包括：

将每个待识别文字对应的所述目标备选文字集合输入至所述word2vec模型中进行语义匹配，得到所述word2vec模型输出的，每个待识别文字对应的目标备选文字概率分布；

选取概率值最大的目标备选文字，作为每个待识别文字对应的识别文字，形成语义分析结果。

可选地，所述获取待识别手写文本行图像的步骤包括：

获取待识别手写文本页图像；

通过预设的文本检测模型对所述待识别手写文本页图像进行文本行检测，以从所述待识别手写文本页图像中划分出所述待识别手写文本行图像。

可选地，所述获取待识别手写文本行图像的步骤之前，包括：

创建卷积循环神经网络模型；

对所述卷积循环神经网络模型进行训练，得到训练好的卷积循环神经网络模型。

可选地，所述对所述卷积循环神经网络模型进行训练，得到训练好的卷积循环神经网络模型的步骤包括：

初始化所述卷积循环神经网络模型的参数；