[发明专利]文本纠错方法、装置、电子设备及存储介质

说明书

本公开实施例公开了一种文本纠错方法、装置、电子设备及存储介质。该方法包括：由至少一个处理器对待识别的文本区域进行字符识别，并获得识别结果；其中，所述识别结果包括对应于所述文本区域的第一文本以及所述第一文本中包括的目标字符对应的形近字符；由至少一个处理器从所述第一文本中识别出错误字符；由至少一个处理器根据所述错误字符对应的所述形近字符对所述第一文本进行错误纠正。通过本公开实施例可以在不需要维护形近字符字典的情况下，对文字识别技术所识别出来的文本进行纠错，这种方式不但提高了纠错效率，还大量节省了成本。

技术领域

本公开涉及计算机技术领域，具体涉及一种文本纠错方法、装置、电子设备及存储介质。

背景技术

随着科技的不断发展，文字识别技术得到了越来越广泛的应用，尤其是OCR文字识别技术等。OCR识别技术通过电子设备扫描、拍照或感应如用户在印刷体上书写的文字等得到图像，并通过检测图像上的文字的形状等方式得到图像中的文本内容。但是由于受到不同用户的书写情况、外界光照环境等的影响，使得文字识别技术识别出来的文本内容会出现错字。因此，如何对文字识别技术识别出来的文本进行纠错是相关领域需要解决的问题之一。

发明内容

本公开实施例提供一种文本纠错方法、装置、电子设备及存储介质。

第一方面，本公开实施例中提供了一种文本纠错方法。

具体的，所述文本纠错方法，包括：

由至少一个处理器对待识别的文本区域进行字符识别，并获得识别结果；其中，所述识别结果包括对应于所述文本区域的第一文本以及所述第一文本中包括的目标字符对应的形近字符；

由至少一个处理器从所述第一文本中识别出错误字符；

由至少一个处理器根据所述错误字符对应的所述形近字符对所述第一文本进行错误纠正。

结合第一方面，本公开在第一方面的第一种实现方式中，由至少一个处理器对待识别的文本区域进行字符识别，并获得识别结果，包括：

由至少一个处理器利用字符识别模型对所述文本区域中待识别字符的形状进行识别，并根据所述字符形状获得所述待识别字符对应的候选字符的相似度；

由至少一个处理器根据所述候选字符的相似度确定所述第一文本以及所述第一文本中包括的所述目标字符对应的所述形近字符。

结合第一方面和/或第一方面的第一种实现方式，本公开在第一方面的第二种实现方式中，由至少一个处理器根据所述候选字符的相似度确定所述第一文本以及所述第一文本中包括的所述目标字符对应的所述形近字符，包括：

由至少一个处理器确定所述文本区域中所述待识别字符对应的候选字符集合；所述候选字符集合中包括按所述相似度排序靠前的预定数量个所述候选字符；

由至少一个处理器将所述候选字符集合中所述相似度最大的所述候选字符确定为所述待识别字符对应的所述目标字符，以及将所述候选字符集合中的其他所述候选字符确定为所述目标字符的形近字符。

结合第一方面、第一方面的第一种实现方式和/或第一方面的第二种实现方式，本公开在第一方面的第三种实现方式中，由至少一个处理器从所述第一文本中识别出错误字符，包括：

由至少一个处理器利用滑动窗口从所述第一文本中获取字符序列；其中，所述滑动窗口的窗口长度大于1；

由至少一个处理器利用自然语言概率模型确定所述字符序列的自然语言概率；

由至少一个处理器根据所述字符序列的所述自然语言概率确定所述第一文本中所述目标字符的错误概率；

由至少一个处理器根据所述错误概率确定所述错误字符。