[发明专利]一种协同式人机混合智能识别方法

摘要

本发明公开了一种以流程为驱动中心、以作业为信息媒介、把机器识别与人工识别这两者用实时协作的方式铆合在一起、兼具利用机器智能识别的速度、成本、可靠性优势与人工识别的认知、联想、分析、辨识优势、并同时兼顾避免了机器智能识别的质量控制、广谱适用性的缺陷与人工识别的易疲劳、易手误、情绪化波动的弱点的协同式人机混合智能识别方法，其具体步骤包括1)采集；2)机器分类；3)机器切片；4)机器预识别；5)边界检测；6)规则检测；7)机器识别；8)抽样检测；9)合并输出；10)人工分类；11)人工标切；12)人工检测；13)人工识别；14)人工核校。该协同式人机混合智能识别方法可广泛地应用于语音和图文识别中。

主权项

一种协同式人机混合智能识别方法，其步骤为：1)采集：采集由两个子步骤构成：第一步从设备端、用户端或系统服务接口上采集或接收需要处理的识别数据，并将该识别数据整理成输入数据传输给后端识别处理系统；第二步是在后端识别处理系统上，把第一步传输过来的输入数据格式化和/或重新采样转换为标准化的格式数据，并依据该格式数据以及数据源的特性或需求生成标准的作业信息模型；2)机器分类：机器分类是识别引擎系统对识别作业中包含的识别数据和识别要求选项进行分析，以确定后续识别处理中的机器切片参数、机器预识别参数、边界检测阈值、规则检测项和规则检测阈值、采样监测的样本数量及参数、合并输出的参数和交付格式；3)机器切片：机器切片是识别引擎系统根据切片参数对识别作业中的识别数据进行切分，把大块或长时间的识别数据切割为多个小的、短时间的分段数据(Sect)，以便于后续流程可以分段并行处理，加快整体处理效率，降低识别处理复杂度；机器切片在切割时根据切片参数和切割模型，会进行边界处理。边界就是指切分下来的分段数据的边界，边界用于在后续的边界检测环节中对切分正确性进行校验，可以发现因为数据异常或切割模型不完全匹配导致的切割错误；4)机器预识别：机器预识别是根据预识别参数的设定，对识别作业中的分段识别数据进行首道识别处理，为后续的边界检测和规则检测提供数据支持和分析依据；5)边界检测：边界检测根据边界参数的设定，对机器预识别处理过的分段数据识别结果的边界进行分析评估，计算出边界指数(Border Instruction)，根据边界指数与设定阈值的对比，决定后续流程的分支走向；6)规则检测：规则检测是使用预设的业务和逻辑规则，根据预设的参数，对机器预识别的结果进行规则校验，规则校验用于检测识别结果是否存在严重的分类和模板匹配问题；7)机器识别；机器识别是以并行计算处理的方式，对剩余未识别的分段数据进行识别处理。机器识别对每一个分段数据进行识别，并输出对应该分段数据的识别输出；8)抽样检测：抽样检测是对机器识别的所有识别输出进行抽样的规则检测；9)合并输出：合并输出是对所有识别输出数据，按照输出参数的设定，将识别输出结果合并整理为完整的输出结果，并按照用户需求设定转换为目标文档或数据格式；10)人工分类：人工分类是使用人工对识别作业进行分类辨识。人工分类包括对数据类型、数据模板、数据特性、数据格式进行重新调整和校正；11)人工标切：人工标切是使用人工对识别作业包含的识别数据进行切分标记和调整；人工标切在机器切分基础上，核对机器切分与识别数据的吻合度，如果机器切分存在问题，由人工对数据做修正标记；人工标切并不执行实际切分，在人工标切后，根据人工修正后的切分标记由机器切片环节执行实际切分；12)人工检测：人工检测是使用人工对抽样出来的未通过抽样检测的识别结果进行检测；由人工核对识别数据和识别结果的一致性，人工判定检测结果；13)人工识别：人工识别是使用人工对识别数据进行识别处理，人工识别输出结果与机器识别结果的格式和接口相同，从系统和流程上人工识别与机器识别作为两种不同的识别引擎对待，对其识别在输入数据和输出数据接口上完全一致；14)人工核校：人工核校是使用人工对识别结果进行核对和校正，核对和校正后的结果作为最终识别结果数据覆盖写入识别输出。