[发明专利]OCR识别纠错方法、装置及设备

权利要求书

1.一种OCR识别纠错方法，其特征在于，包括：

基于OCR识别结果，得到包含OCR分词标签的第一字符序列以及去除OCR分词标签的未分词字符序列；

利用预先构建的分词模型对所述未分词字符序列进行分词，得到包含预测分词标签的第二字符序列，所述第一字符序列与所述第二字符序列具有相同的字符排序；

根据所述第一字符序列以及所述第二字符序列，确定最优分词序列；

利用所述最优分词序列替换所述识别结果。

2.根据权利要求1所述的OCR识别纠错方法，其特征在于，所述根据所述第一字符序列以及所述第二字符序列，确定最优分词序列包括：

基于所述OCR分词标签确定所述第一字符序列的第一分词路径；

基于所述预测分词标签确定所述第二字符序列的第二分词路径；

根据所述第一分词路径以及所述第二分词路径，获取最优分词路径。

3.根据权利要求2所述的OCR识别纠错方法，其特征在于，

所述第一分词路径包括：利用所述OCR分词标签中的起始标签和截止标签，依字符排序确定的所述第一字符序列中每个分词的第一分词单元路径；

所述第二分词路径包括：利用所述预测分词标签中的起始标签和截止标签，依字符排序确定的所述第二字符序列中每个分词的第二分词单元路径。

4.根据权利要求3所述的OCR识别纠错方法，其特征在于，所述根据所述第一分词路径以及所述第二分词路径，获取最优分词路径包括：

在按照字符排序确定每个分词的路径过程中，利用预先构建的打分器分别且依次为所述第一分词单元路径以及所述第二分词单元路径打分，得到相应的第一得分和第二得分；

并且，只有当同一个字符对应的所述OCR分词标签以及所述预测分词标签均为截止标签时，根据当前已确定的所述第一得分以及所述第二得分，融合相应的所述第一分词单元路径以及所述第二分词单元路径，得到最优当前路径；

汇总全部所述最优当前路径，得到所述最优分词路径。

5.根据权利要求4所述的OCR识别纠错方法，其特征在于，所述根据当前已确定的所述第一得分以及所述第二得分，融合相应的所述第一分词单元路径以及所述第二分词单元路径，得到最优当前路径具体包括：

利用预设的相关领域的词典，分别判断当前已确定的所述第一分词路径以及所述第二分词路径中的分词是否与所述词典中的单词匹配；

如果当前已确定的所述第一分词路径以及所述第二分词路径中的分词均匹配到所述单词或者均与所述单词不匹配时，才以当前已确定的所述第一得分以及所述第二得分，融合相应的所述第一分词单元路径以及所述第二分词单元路径，得到所述最优当前路径；否则，以其中与所述单词匹配的分词所在的分词路径作为所述最优当前路径。

6.根据权利要求1～5任一项所述的OCR识别纠错方法，其特征在于，预先构建所述分词模型包括：

基于序列标注任务，以预设的深度学习网络结构建模；

通过大规模通用语料对所述分词模型进行训练；

通过相关领域语料对所述分词模型进行参数调节。

7.一种OCR识别纠错装置，其特征在于，包括：

分词序列获取模块，用于基于OCR识别结果，得到包含OCR分词标签的第一字符序列以及去除OCR分词标签的未分词字符序列；

分词序列预测模块，用于利用预先构建的分词模型对所述未分词字符序列进行分词，得到包含预测分词标签的第二字符序列，所述第一字符序列与所述第二字符序列具有相同的字符排序；

最优分词计算模块，用于根据所述第一字符序列以及所述第二字符序列，确定最优分词序列；

OCR纠错模块，用于利用所述最优分词序列替换所述识别结果。