一种对有误差OCR结果进行信息抽取的方法
基本信息
| 申请号 | CN202110173964.6 | 申请日 | - |
| 公开（公告）号 | CN113221936A | 公开（公告）日 | 2021-08-06 |
| 申请公布号 | CN113221936A | 申请公布日 | 2021-08-06 |
| 分类号 | G06K9/62（2006.01）I;G06K9/34（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 陈恒生 | 申请（专利权）人 | 上海兑观信息科技技术有限公司 |
| 代理机构 | 上海互顺专利代理事务所（普通合伙） | 代理人 | 韦志刚 |
| 地址 | 201203上海市浦东新区中国（上海）自由贸易试验区郭守敬路498号6幢2层15202、15201、15203室 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明适用于图像文本处理技术领域，提供了一种对有误差OCR结果进行信息抽取的方法，包括获得通过OCR提取图像文本的结果；对OCR结果进行后处理，合并成行；根据信息抽取的目标，定义抽取模板；利用本发明优化的全局序列对齐算法，将模板和所有OCR行做模糊匹配；利用形近字库，优化匹配对齐结果；根据匹配对齐结果，抽取出目标信息。同时，本发明还提供了一种通过神经网络识别模型生成形近字库的方法，利用形近字库，可以更有效地利用OCR识别中的错字提供的信息，提高信息抽取的精度。与现有技术相比，本发明提供的信息抽取方法能有效处理OCR结果误差问题，大幅提高缺字、多字、错字情况下的信息抽取效果。 |
