[发明专利]基于互联网检索的中文文档识别方法有效
| 申请号： | 201811395481.5 | 申请日： | 2018-11-22 |
| 公开（公告）号： | CN109684928B | 公开（公告）日： | 2023-04-11 |
| 发明（设计）人： | 王秋锋;黄开竹 | 申请（专利权）人： | 西交利物浦大学 |
| 主分类号： | G06V30/41 | 分类号： | G06V30/41;G06V30/148;G06V10/82;G06N3/04;G06N3/088 |
| 代理公司： | 苏州创元专利商标事务所有限公司 32103 | 代理人： | 范晴;丁浩秋 |
| 地址： | 215123 江苏省苏州市*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于互联网检索的中文文档识别方法，包括：对文档图片通过构建的候选切分网络，得到基元片段；将相邻的N个基元片段组合构成候选字符模式，将所有的候选字符模式构成候选切分网格；通过字符识别器识别候选切分网格中的候选字符模式，得到识别概率最高的M个字符类别，生成候选识别网格；对候选识别网格中的候选切分‑识别路径进行评价，得到评分最高的路径；若识别次数小于设定阈值，进行互联网检索，在互联网语料库中查找与当前文档相关的文档；从相关文档中得到词语的语言上下文概率模型，在识别过程中根据语言上下文概率模型动态更新语言模型，得到文档识别结果。充分考虑语言上下文信息，提高语言模型的得分准确性，从而提高文档识别准确率。 | ||
| 搜索关键词： | 基于 互联网 检索 中文 文档 识别 方法 | ||
【主权项】：
1.一种基于互联网检索的中文文档识别方法，其特征在于，包括以下步骤：S01：对输入的文档图片通过构建的候选切分网络，得到连续的基元片段；S02：将相邻的N个基元片段组合构成一个候选字符模式，将所有的候选字符模式构成一个候选切分网格；S03：通过字符识别模型识别候选切分网格中的候选字符模式，得到识别概率最高的M个字符类别，生成候选识别网格；S04：根据字符识别模型和语言模型对候选识别网格中的候选切分‑识别路径进行评价，得到评分最高的路径；S05：判断识别次数，若识别次数小于设定阈值，进行互联网检索，利用当前识别结果作为网络检索的查询文本，在互联网语料库中查找与当前文档相关的文档；S06：从相关文档中得到词语的语言上下文概率模型，根据语言上下文概率模型动态更新语言模型，当判断不需要进行检索时输出文本结果。
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西交利物浦大学，未经西交利物浦大学许可，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/201811395481.5/，转载请声明来源钻瓜专利网。
