[发明专利]一种文本数据中错误字符的检测方法、装置和设备有效
| 申请号： | 201810067388.5 | 申请日： | 2018-01-22 |
| 公开（公告）号： | CN108280051B | 公开（公告）日： | 2019-04-05 |
| 发明（设计）人： | 刘英博;王建民;张育萌 | 申请（专利权）人： | 清华大学 |
| 主分类号： | G06F17/24 | 分类号： | G06F17/24 |
| 代理公司： | 北京路浩知识产权代理有限公司 11002 | 代理人： | 王莹;李相雨 |
| 地址： | 100084 北京市海*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种文本数据中错误字符的检测方法、装置和设备，该方法包括：对待检测文本数据中字符的出现次数进行统计，获取待检测文本数据中频繁出现的目标字符；根据预先创建的易错字符库，获取包含目标字符的相似字符集合，其中，相似字符集合包含与目标字符形状相似的相似字符；若相似字符在待检测文本数据中的出现次数大于零且小于预设阈值，则确认待检测文本数据中的相似字符为错误字符。本发明通过获取文本中频繁出现的目标字符，并判断文本中出现的与目标字符形状相似的字符是否为错误字符，充分考虑了人工录入数据中产生的形状相似的错误字符，有效检测了文本数据中的错误字符，取代人工纠错，提高了错误字符检测效率。 | ||
| 搜索关键词： | 错误字符 目标字符 文本数据 待检测文本 形状相似 检测 字符集合 文本 有效检测 预先创建 字符库 纠错 预设 录入 统计 | ||
【主权项】：
1.一种文本数据中错误字符的检测方法，其特征在于，包括：对待检测文本数据中字符的出现次数进行统计，获取待检测文本数据中频繁出现的目标字符；根据预先创建的易错字符库，获取包含目标字符的相似字符集合，其中，所述相似字符集合包含与目标字符形状相似的相似字符；若相似字符在待检测文本数据中的出现次数大于零且小于预设阈值，则确认待检测文本数据中的相似字符为错误字符。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于清华大学，未经清华大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810067388.5/，转载请声明来源钻瓜专利网。
