[发明专利]一种中文OCR后处理的无监督学习方法在审
| 申请号： | 201911009431.3 | 申请日： | 2019-10-21 |
| 公开（公告）号： | CN110781898A | 公开（公告）日： | 2020-02-11 |
| 发明（设计）人： | 葛季栋;李传艺;姚林霞;乔洪波;杨关;熊凯奇;周筱羽;骆斌 | 申请（专利权）人： | 南京大学 |
| 主分类号： | G06K9/34 | 分类号： | G06K9/34;G06K9/38;G06K9/46;G06K9/62;G06N3/04 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 210093 江*** | 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： | 收集了来自法律领域2014年至2018年不同地区的卷宗扫描件，涵盖几十种分辨率，基于大量的法律卷宗数据，并结合法律文书，融入领域知识，来进行对中文OCR后处理的研究。基于经典模型以及成熟OCR(Tesseract、百度OCR)，构建了OCR识别模型。获取大量多样性的Witnesses，免去人工的标注。基于OCR识别系统的结果，提出一种基于无监督的多输入OCR纠错方法，构建OCR纠错模型，可以避免人为的大量标记。实验结果表明，在我们的语料库上，提出的非监督的学习模型，在准确率上有一定的提高。也进一步表明了，采用这种多输入无监督的学习方法可以很好地对OCR的识别结果进行纠正。 | ||
| 搜索关键词： | 无监督 构建 纠错 卷宗 后处理 法律领域 经典模型 领域知识 人工的 扫描件 语料库 分辨率 准确率 标注 多样性 法律 涵盖 学习 融入 中文 纠正 成熟 监督 研究 | ||
【主权项】：
1.一种中文OCR后处理的无监督学习方法，其特征在于包含以下步骤：/n步骤(1)数据收集；/n步骤(2)数据预处理；/n步骤(3)OCR识别模型构建；/n步骤(4)无监督纠错模型构建；/n步骤(5)实验结果。/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南京大学，未经南京大学许可，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/201911009431.3/，转载请声明来源钻瓜专利网。
- 上一篇：一种基于深度学习的语义边缘检测方法
- 下一篇：图像处理方法及电子设备
