[发明专利]文本识别方法、装置、电子设备及存储介质有效
| 申请号： | 201910600211.1 | 申请日： | 2019-07-04 |
| 公开（公告）号： | CN110717328B | 公开（公告）日： | 2021-06-18 |
| 发明（设计）人： | 刘春 | 申请（专利权）人： | 北京达佳互联信息技术有限公司 |
| 主分类号： | G06F40/279 | 分类号： | G06F40/279;G06F16/35 |
| 代理公司： | 北京润泽恒知识产权代理有限公司 11319 | 代理人： | 李娜 |
| 地址： | 100085 北京市海淀*** | 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： | 本申请示出了一种文本识别方法、装置、电子设备及存储介质，所述文本识别方法包括：获取待识别文本的基本特征集合；生成与待识别文本对应的文字文本；分别从待识别文本和文字文本中提取连续重复子序列特征；基于连续重复子序列特征和基本特征集合进行特征聚类，得到聚类结果，并基于聚类结果检测待识别文本是否为包含重复序列的文本。基于连续重复子序列特征及基本特征集合进行特征聚类，确定待识别文本的类型，由于基本特征集合能够体现霸屏、刷队类评论特殊符号多的特点，连续重复子序列特征能够体现霸屏、刷队类评论重复率高的特点，因此，本申请能够更加准确地识别出霸屏、刷队类垃圾评论文本。 | ||
| 搜索关键词： | 文本 识别 方法 装置 电子设备 存储 介质 | ||
【主权项】：
1.一种文本识别方法，其特征在于，所述方法包括：/n获取待识别文本的基本特征集合，其中，所述基本特征集合为所述待识别文本所包含的文字和各预定类型符号的长度和占比特征的集合；/n生成与所述待识别文本对应的文字文本，其中，所述文字文本为包含所述待识别文本的文字、且不包含各预定类型符号的文本；/n分别从所述待识别文本和所述文字文本中提取连续重复子序列特征，其中，所述连续重复子序列特征用于表征相应文本中文字和各预定类型符号重复出现的信息；/n基于所述连续重复子序列特征和所述基本特征集合进行特征聚类，得到聚类结果，并基于所述聚类结果检测所述待识别文本是否为包含重复序列的文本。/n
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北京达佳互联信息技术有限公司，未经北京达佳互联信息技术有限公司许可，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/201910600211.1/，转载请声明来源钻瓜专利网。
