[发明专利]一种文本识别方法和装置

说明书

本申请公开了一种文本识别方法和装置；本申请获取目标文本，所述目标文本包括至少一个文本单元；针对所述目标文本中各个文本单元，按照所述文本单元的书写顺序规则，对所述文本单元进行笔画拆分处理，得到所述目标文本的笔画表示；基于所述笔画表示，构建所述目标文本的语义特征信息；基于所述语义特征信息，预测所述目标文本属于每个预设文本类型的概率；根据所述概率，从所述预设文本类型中确定所述目标文本对应的目标文本类型。本申请实施例可以基于目标文本的笔画表示来构建其语义特征信息，进而预测其文本类型，通过笔画表示，可以很好地利用文本词语内部的结构信息，使得构建得到的语义特征信息的表征力更强，有利于提高文本识别的准确度。

技术领域

本申请涉及计算机技术领域，具体涉及一种文本识别方法和装置。

背景技术

随着计算机技术的发展，文本识别正逐步成为人工智能领域最为经典的研究方向之一。目前的文本识别方法，一般是通过单词到向量(word2vec，word to vector)模型直接将待识别文本转化为词向量，进而根据词向量去挖掘该待识别文本。

但是对于一些文本，比如汉字，它是一种强表义的语言文字，汉字词语内部的结构信息包含了丰富的语义特征，word2vec模型不能很好地利用汉字词语内部的结构信息，使得文本识别的精确度较低。

发明内容

本申请实施例提供一种文本识别方法和装置，可以提高文本识别的精确度。

本申请实施例提供一种文本识别方法，包括：

获取目标文本，所述目标文本包括至少一个文本单元；

针对所述目标文本中各个文本单元，按照所述文本单元的书写顺序规则，对所述文本单元进行笔画拆分处理，得到所述目标文本的笔画表示；

基于所述笔画表示，构建所述目标文本的语义特征信息；

基于所述语义特征信息，预测所述目标文本属于每个预设文本类型的概率；

根据所述概率，从所述预设文本类型中确定所述目标文本对应的目标文本类型。

相应的，本申请实施例提供一种文本识别装置，包括：

获取单元，用于获取目标文本，所述目标文本包括至少一个文本单元；

笔画拆分单元，用于针对所述目标文本中各个文本单元，按照所述文本单元的书写顺序规则，对所述文本单元进行笔画拆分处理，得到所述目标文本的笔画表示；

构建单元，用于基于所述笔画表示，构建所述目标文本的语义特征信息；

预测单元，用于基于所述语义特征信息，预测所述目标文本属于每个预设文本类型的概率；

确定单元，用于根据所述概率，从所述预设文本类型中确定所述目标文本对应的目标文本类型。

可选的，在本申请的一些实施例中，所述笔画拆分单元可以包括字符分解子单元和笔画拆分子单元，如下：

所述字符分解子单元，用于对所述文本单元进行字符分解，得到所述文本单元的至少一个字符组件；

笔画拆分子单元，用于按照所述文本单元的书写顺序规则，对所述文本单元的各个字符组件进行笔画拆分处理，得到所述目标文本的笔画表示。

可选的，在本申请的一些实施例中，所述笔画表示包括至少一个笔画；所述构建单元可以包括第一获取子单元、生成子单元和提取子单元，如下：

所述第一获取子单元，用于获取所述目标文本的各个笔画对应的编码信息；

生成子单元，用于根据所述编码信息，生成所述目标文本的笔画编码字符串；