[发明专利]一种OCR识别纠错装置和方法

说明书

本发明公开一种OCR识别纠错装置和方法，其中的OCR识别纠错装置包括特征抽取模块、特征拼接模块、分类检错模块、分类纠错模块、特征融合模块、纠错验证模块、目标函数模块，其中：特征抽取模块用以提取句子中每个字的特征；特征拼接模块用以将每个字的特征进行拼接使得特征更丰富；分类检错模块用以检测是否存在错字；特征融合模块用以将特征进行融合；分类纠错模块用以对错误的字进行纠正；目标函数模块用以优化OCR识别纠错装置的参数以及度量OCR识别纠错装置的准确率。采用本发明所述的模型和方法，采用了联合学习的架构，在OCR识别纠错中能明显提高纠错率，具有较好的推广意义。

技术领域

本发明涉及自然语言处理领域，尤其涉及一种OCR识别纠错装置和方法。

背景技术

现有的OCR引擎内置有纠错功能，一般是将文本中每个字都纠一遍，通常基于通用的词库来进行纠错，但在特殊领域例如医药领域，例如药品的名称往往是一些特殊的名词，在通用词库中很多没有进行统计，如果采用现有的OCR引擎默认的纠错技术，会将正确的药品名称判断为错误的名称，从而错误地将这些词进行纠错，反而产生错误的结果，因此，现有OCR引擎不适合类似医药等特殊领域的文字识别，其OCR识别的纠错率很低，如何提高这些特殊领域OCR引擎的识别纠错率是该领域亟需解决的技术问题。

发明内容

本发明为解决现有技术中存在的上述缺陷，提出一种OCR识别纠错装置和方法。

为了实现以上目的，本发明提出了一种OCR识别纠错装置，包括特征抽取模块、特征拼接模块、分类检错模块、分类纠错模块、特征融合模块、纠错验证模块、目标函数模块，其中：

特征抽取模块用以提取句子中每个字的特征；

特征拼接模块用以将每个字的特征进行拼接使得特征更丰富；

分类检错模块用以检测是否存在错字，包括判断每个字是否正确，是否存在错别字；

特征融合模块用以将特征进行融合得到特征库；

分类纠错模块用以预测正确字；

目标函数模块用以优化OCR识别纠错装置的参数以及度量OCR识别纠错装置的准确率。

进一步地，所述特征抽取模块包括Bert模块和LSTM模块，其中，Bert模块用以提取句子中每个字的特征；LSTM模块用以提取句子中每个字的特征。

进一步地，所述采用的Bert模块为12层的Bert模块。

进一步地，所述采用的LSTM模块为1层的LSTM模块。

进一步地，所述分类检错模块包括：

检测网络单元：用以分类判断每个字是否正确；

损失函数单元一：用以对检测网络单元计算损失，然后通过误差反向传播，让检测网络单元进行学习；

辅助分类器：用以检测是否存在错别字。

进一步的，所述特征融合模块采用CNN卷积神经网络实现。

进一步的，所述分类纠错模块包括：

纠错网络单元：用以辅助分类预测模块检测错误的字，并对错误的字进行纠正；

损失函数单元二：用以对纠错网络单元计算损失，然后通过误差反向传播，让纠错网络单元进行学习；

分类预测模块：用以预测正确的字。

进一步的，所述目标函数模块包括损失函数。

本发明还公开一种OCR识别纠错方法，应用于OCR识别纠错装置，其步骤包括：

获取输入的句子；