[发明专利]文本纠错方法、装置、电子设备及可读存储介质

说明书

本发明涉及自然语言处理领域，揭露一种文本纠错方法，包括：识别文本图像中的文本文字，利用计算出来的所述文本文字的文字置信度，从所述文本文字中筛选得到文本错字；利用文字预测模型，预测所述文本错字的候选替换文字，并计算每个所述候选替换文字的候选置信度；计算所述文本错字和每个所述候选替换文字之间的字音字形相似度；根据所述候选置信度及所述字音字形相似度，从所述一个或者多个候选替换文字中选择目标替换文字，并利用所述目标替换文字替换所述文本错字。本发明还涉及区块链技术，所述文本图像可存储于区块链节点中。本发明还揭露一种文本纠错装置、电子设备及存储介质。本发明可以解决文字识别准确率低的问题。

技术领域

本发明涉及自然语言处理领域，尤其涉及一种文本纠错方法、装置、电子设备及计算机可读存储介质。

背景技术

光学字符识别(Optical Character Recognition，简称OCR)目前被广泛利用在手写识别、打印识别及文本图像识别等相关领域。小到识别文档、银行卡和身份证，大到识别广告、海报。因为OCR技术的发明，极大地简化了处理数据的方式。

OCR技术可以识别文本中的文字。但当前经OCR识别技术所识别出来的文字文本，依然具有较高的识别错误率，且进一步地，需人工校正，导致文字识别准确率低，人工校正耗费人力物力。

发明内容

本发明提供一种文本纠错方法、装置、电子设备及计算机可读存储介质，目的在于提高文字识别准确率。

为实现上述目的，本发明提供的一种文本纠错方法，包括：

获取文本图像，识别所述文本图像中的文字，得到文本文字以及每个文本文字的文字置信度，利用所述文字置信度，从所述文本文字中筛选得到文本错字；

利用训练完成的文字预测模型，预测所述文本错字的一个或者多个候选替换文字，并计算每个所述候选替换文字的候选置信度；

计算所述文本错字和每个所述候选替换文字之间的字音字形编辑距离，根据所述字音字形编辑距离计算所述文本错字和每个所述候选替换文字的字音字形相似度；

根据所述候选置信度及所述字音字形相似度，从所述一个或者多个候选替换文字中选择目标替换文字，并利用所述目标替换文字替换所述文本错字。

可选的，所述识别所述文本图像中的文字，得到文本文字以及每个文本文字的文字置信度，包括：

利用OCR文本识别技术，提取所述文本图像中的每一个文字结构；

将所述文字结构与预构建的结构匹配字库中的每个文字的字形结构进行匹配，得到所述文字结构与所述结构匹配字库中的每个文字的匹配相似度，汇总所有所述匹配相似度，得到匹配相似度集；

从所述匹配相似度集中选择最大的匹配相似度，并获取所述最大的匹配相似度对应的文字，得到所述文字结构对应的文本文字，并将所述最大的匹配相似度作为文本文字的文字置信度。

可选的，所述利用训练完成的文字预测模型，预测所述文本错字的一个或者多个候选替换文字，并计算每个所述候选替换文字的候选置信度之前，该方法还包括：

步骤A：获取训练文本，从所述训练文本中提取待掩码语句，对所述待掩码语句执行掩码操作，得到已掩码语句；

步骤B：将所述已掩码语句中的每个文字转换为字向量，得到字向量集，并对所述字向量集执行位置编码，得到定位字向量集；

步骤C：将所述定位字向量集转换为定位向量矩阵，根据所述定位向量矩阵的维度，生成分类迭代转换矩阵；

步骤D：利用预构建的Softmax函数和所述定位向量矩阵、分类迭代转换矩阵，计算得到与所述定位字向量集对应的原始向量相关矩阵；