手写中文地址识别后处理方法的研究

• 作 者: 龙翀 庄丽 朱小燕 黄开竹 孙俊 堀田悦伸 直井聡
• 机 构: 清华大学,计算机系,智能技术与系统国家重点实验室,北京,100084富士通研究开发中心有限公司,北京,100016;富士通研究所,日本,川崎,211-8588
• 出 处: 中文信息学报
• 发表日期: 2006年06期
• 关键词: 人工智能 模式识别 OCR 语言模型 后处理

OCR(光学字符识别技术)作为方便有效的字体识别技术,在办公自动化、信息恢复、数字图书馆等方面发挥着日益重要的作用。语言模型在OCR后处理,特别是在中文的文字识别后处理方面有着广泛的应用。本文针对手写中文地址的后处理,讨论了语言模型的粒度对识别正确率的影响,分析了基于字和基于词的语言模型各自的优点和缺点,并采用了基于词的语言模型,在此基础上提出了加权词图搜索算法。实验证明,在58269条中文手写地址的测试集上,手写地址的整体识别率由原来的28.56%上升到了75.66%,错误率下降了65.93%,大