一种OCR识别纠错装置和方法制造方法及图纸

本发明专利技术公开一种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。采用本发明专利技术所述的模型和方法，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。具有较好的推广意义。具有较好的推广意义。

【技术实现步骤摘要】
一种OCR识别纠错装置和方法


[0001]本专利技术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。

技术介绍

[0002]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。

技术实现思路

[0003]本专利技术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。
[0004]为了实现以上目的，本专利技术提出了一种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：
[0005]特征抽取模块用以提取句子中每个字本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种OCR识别纠错装置，其特征是，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；分类检错模块用以检测是否存在错别字；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。2.如权利要求1所述的装置，其特征是，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。3.如权利要求2所述的装置，其特征是，所述采用的Bert模型为12层的Bert模块。4.如权利要求2所述的装置，其特征是，所述采用的LSTM模块为1层的LSTM模块。5.如权利要求1所述的装置，其特征是，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。6.如权利要求1所述的装置，其特征是，所述特征融合模块采用CNN卷积神经网络...

【专利技术属性】
技术研发人员：曾祥云，朱姬渊，
申请(专利权)人：上海大参林医疗健康科技有限公司，
类型：发明
国别省市：