CN115270757A - 一种文本识别方法、装置、电子设备及存储介质 - Google Patents
一种文本识别方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115270757A CN115270757A CN202210905302.8A CN202210905302A CN115270757A CN 115270757 A CN115270757 A CN 115270757A CN 202210905302 A CN202210905302 A CN 202210905302A CN 115270757 A CN115270757 A CN 115270757A
- Authority
- CN
- China
- Prior art keywords
- text
- type
- preset
- target
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Character Discrimination (AREA)
Abstract
本发明公开了一种文本识别方法、装置、电子设备及存储介质。该方法包括:获取待识别文本,并根据预设文本拆分方式从待识别文本中确定目标限定词和/或目标文本元素;其中,待识别文本的文本类型包括短文本类型;根据预设文本元素识别方法确定目标文本元素的文本元素类型;根据预设限定词识别方法确定目标限定词的限定词类型;根据限定词类型和/或文本元素类型,确定待识别文本的文本识别结果。通过运行本发明实施例所提供的技术方案,可以解决通过对机器学习模型的训练实现文本识别功能,存在消耗成本高、训练周期长、样本要求丰富、难以避免识别错误以及错误产生后难以校正等影响的问题,取得了提高文本识别的准确性和效率的有益效果。
Description
技术领域
本发明涉及文本识别技术,尤其涉及一种文本识别方法、装置、电子设备及存储介质。
背景技术
随着软件技术的发展,需要对于文本进行识别的场景越来越多。由于需要不断识别新内容,对于文本识别的定制化支持已经无法满足需要。
现有技术中,通常通过对机器学习模型的训练实现文本识别功能,然而存在消耗成本高、训练周期长、样本要求丰富、难以避免识别错误以及错误产生后难以校正等问题。
发明内容
本发明提供一种文本识别方法、装置、电子设备及存储介质,以实现提高文本识别的准确性和效率。
根据本发明的一方面,提供了一种文本识别方法,该方法包括:
获取待识别文本,并根据预设文本拆分方式从所述待识别文本中确定目标限定词和/或目标文本元素;其中,所述待识别文本的文本类型包括短文本类型;
根据预设文本元素识别方法确定所述目标文本元素的文本元素类型;
根据预设限定词识别方法确定所述目标限定词的限定词类型;
根据所述限定词类型和/或所述文本元素类型,确定所述待识别文本的文本识别结果。
根据本发明的另一方面,提供了一种文本识别装置,该装置包括:
限定词元素确定模块,用于获取待识别文本,并根据预设文本拆分方式从所述待识别文本中确定目标限定词和/或目标文本元素;其中,所述待识别文本的文本类型包括短文本类型;
元素类型确定模块,用于根据预设文本元素识别方法确定所述目标文本元素的文本元素类型;
限定词类型确定模块,用于根据预设限定词识别方法确定所述目标限定词的限定词类型;
文本识别结果获取模块,用于根据所述限定词类型和/或所述文本元素类型,确定所述待识别文本的文本识别结果。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的文本识别方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的文本识别方法。
本发明实施例的技术方案,通过获取待识别文本,并根据预设文本拆分方式从所述待识别文本中确定目标限定词和/或目标文本元素;其中,所述待识别文本的文本类型包括短文本类型;根据预设文本元素识别方法确定所述目标文本元素的文本元素类型;根据预设限定词识别方法确定所述目标限定词的限定词类型;根据所述限定词类型和/或所述文本元素类型,确定所述待识别文本的文本识别结果。解决了通过对机器学习模型的训练实现文本识别功能,存在消耗成本高、训练周期长、样本要求丰富、难以避免识别错误以及错误产生后难以校正等影响的问题,取得了提高文本识别的准确性和效率的有益效果。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
图1为本发明实施例一提供的一种文本识别方法的流程图;
图2为本发明实施例二提供的一种文本识别方法的流程图;
图3为本发明实施例三提供的一种文本识别方法的流程图;
图4为本发明实施例四提供的一种文本识别装置的结构示意图;
图5为用来实施本发明实施例的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“目标”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供的一种文本识别方法的流程图,本实施例可适用于文本的内容识别的情况,该方法可以由本发明实施例所提供的文本识别装置来执行,该装置可以由软件和/或硬件的方式实现。参见图1,本实施例提供的文本识别方法,包括:
步骤110、获取待识别文本,并根据预设文本拆分方式从所述待识别文本中确定目标限定词和/或目标文本元素;其中,所述待识别文本的文本类型包括短文本类型。
待识别文本的文本类型包括短文本类型,即待识别文本可以为短文本组成的文本集合,也可以为单个短文本。当待识别文本为文本集合时,包括的短文本可以均围绕同一个目标,例如为围绕单个目标的各类相关信息,如:“张三联系方式:185xxxx4567135xxxx4789岁数>30工作地点:北京海淀区东升科技园”。
根据预设文本拆分方式从待识别文本中确定目标限定词和/或目标文本元素,即根据预设文本拆分方式将待识别文本中的限定词和文本元素进行拆分,其中限定词为对文本的描述,文本元素为文本的实际内容,示例性的,短文本为“联系方式:185xxxx4567”,则将“联系方式”确定为限定词,将“185xxxx4567”确定为文本元素。需要说明的是,待识别文本可能既包含限定词又包含文本元素,也可能仅包含限定词和文本元素中的一种。
可选的,设置配置区域,在配置区域中可进行相应的配置操作,从而对文本识别过程中使用到的方法、规则、数据库等进行相应配置。
例如通过更改配置区域中的内容可以对预设文本拆分方式进行相应更改,提高更改效率。
预设文本拆分方式可以为通过识别待识别文本的填写位置进行拆分,例如若“联系方式”处于限定词填写区域,将“185xxxx4567”处于文本元素填写区域,则将“联系方式”确定为限定词,将“185xxxx4567”确定为文本元素。
目标限定词为当前拆分得到并需要进行后续处理的限定词,目标文本元素为当前拆分得到并需要进行后续处理的文本元素。
本实施例中,可选的,根据预设文本拆分方式从所述待识别文本中确定目标限定词和/或目标文本元素,包括:
判断所述待识别文本中是否存在预设分隔符号和/或预设拆分符号;
若存在,则根据所述预设分隔符号和/或预设拆分符号,确定所述目标限定词和/或所述目标文本元素。
其中,预设分隔符号用于分隔不同文本,可以为空格;预设拆分符号用于拆分文本元素与限定词,可以为“:”,本实施例对此不进行限制。
可以在文本识别前在配置区域中输入格式处进行预先定义,例如定义输入的分隔符号、文本元素与限定词的拆分符号、逻辑符号的映射方法等。其中,逻辑符号的映射方法可以为不同的逻辑符号输入方式映射到同一逻辑符号对应的逻辑代码,例如输入“大于”或“>”均映射到同一代码。
判断待识别文本中是否存在预设分隔符号和/或预设拆分符号,若存在,则根据预设分隔符号和/或预设拆分符号,确定目标限定词和/或目标文本元素,示例性的,待识别文本为“张三联系方式:185xxxx4567 135xxxx4789”,存在预设分隔符号空格,以及预设拆分符号“:”,则确定结果可以为目标限定词为“联系方式”,目标文本元素为“张三、185xxxx4567、135xxxx4789”。其中“张三”由于不存在关联的预设拆分符号,可以为归类为目标文本元素,本实施例对此不进行限制。
通过预设分隔符号和/或预设拆分符号,确定目标限定词和/或目标文本元素,提高目标限定词和/或目标文本元素确定的准确性,便于对目标限定词和目标文本元素分别进行识别,从而提高文本识别整体的准确性。
步骤120、根据预设文本元素识别方法确定所述目标文本元素的文本元素类型。
通过预设文本元素识别方法确定目标文本元素的文本元素类型,可以通过更改配置区域中的内容对预设文本元素识别方法进行相应更改,提高更改效率。
通过文本元素的识别方法确定相应类型,例如通过正则匹配方法将文本元素进行正则匹配,得到相应的文本元素类型,例如将“185xxxx4567”与正则匹配,得到文本元素“185xxxx4567”的类型为“电话”。
步骤130、根据预设限定词识别方法确定所述目标限定词的限定词类型。
通过预设限定词识别方法确定目标限定词的限定词类型,可以通过更改配置区域中的内容对预设限定词识别方法进行相应更改,提高更改效率。
通过限定词的识别方法确定相应类型,例如通过字典匹配方法将限定词与预设字典进行匹配,得到相应的限定词类型,例如将“联系方式”与字典匹配,得到限定词“联系方式”的类型为“电话”。
步骤140、根据所述限定词类型和/或所述文本元素类型,确定所述待识别文本的文本识别结果。
待识别文本的文本识别结果可以为待识别文本的逻辑整合结果,可以通过在配置区域设置匹配逻辑,从而进行内容逻辑关系的整理,例如为重复类型的删减、相同类型的合并等。示例性的,若同一目标限定词根据不同预设限定词识别方法识别得到多个重复的限定词类型,则仅保留其中一个;若不同目标文本元素为同一文本元素类型,则将目标文本元素进行合并。示例性的,待识别文本为多个身份证,可以将同为身份证类型的短文本,按配置逻辑进行组合。
通过逻辑整合,提高识别结果确定的准确性和有效性。
后续可根据文本识别结果进行文本抽取、文本搜索等,本实施例对此不进行限制。
本实施例中,可选的,根据所述限定词类型和/或所述文本元素类型,确定所述待识别文本的文本识别结果,包括:
确定所述限定词类型和所述文本元素类型的类型匹配结果,并根据所述类型匹配结果获取所述待识别文本的文本识别结果。
将限定词类型和关联的文本元素类型进行匹配,得到类型匹配结果,示例性的,限定词“联系方式”的类型为“电话”,与“联系方式”对应的文本元素“185xxxx4567”的类型为“电话”,则类型匹配结果为匹配成功。若限定词“名字”的类型为“姓名”,与“名字”对应的文本元素“白色”的类型为“颜色”,则类型匹配结果为匹配失败。
若匹配成功,可以将限定词与文本元素作为整体进行后续处理;若匹配失败,可以根据预设处理方式进行处理,例如进行报错,或将限定词与文本元素其中一种的类型作为两者的共同类型等,本实施例对此不进行限制。
通过根据类型匹配结果确定待识别文本的文本识别结果,根据不同的类型匹配结果确定相应的文本识别结果,可以及时发现限定词类型与对应的文本元素类型的识别冲突的情况,避免将冲突的限定词与文本元素视为整体,提高文本识别的准确率。
本实施例所提供的技术方案,通过获取待识别文本,并根据预设文本拆分方式从待识别文本中确定目标限定词和/或目标文本元素;其中,待识别文本的文本类型包括短文本类型;根据预设文本元素识别方法确定目标文本元素的文本元素类型;根据预设限定词识别方法确定目标限定词的限定词类型;根据限定词类型和/或文本元素类型,确定待识别文本的文本识别结果。
由于预设文本拆分方式、预设限定词识别方法和预设文本元素识别方法等均可以自定义调整,提高了文本识别的灵活性,提高文本识别效率。解决了通过对机器学习模型的训练实现文本识别功能,导致存在消耗成本高、训练周期长、样本要求丰富、难以避免识别错误以及错误产生后难以校正等影响的问题,并且由于根据限定词类型和/或文本元素类型,确定待识别文本的文本识别结果,确定文本识别内容为有效内容,提高文本识别的有效性。
实施例二
图2为本发明实施例二提供的一种文本识别方法的流程图,本技术方案是针对根据预设文本元素识别方法确定所述目标文本元素的文本元素类型的过程进行补充说明的。与上述方案相比,本方案具体优化为,根据预设文本元素识别方法确定所述目标文本元素的文本元素类型,包括:
根据预设匹配方法确定所述目标文本元素的文本元素类型;其中,所述预设匹配算法包括:字典匹配方法、正则匹配方法、全文分词匹配方法和特定功能匹配方法中的至少一种。具体的,文本识别方法的流程图如图2所示:
步骤210、获取待识别文本,并根据预设文本拆分方式从所述待识别文本中确定目标限定词和/或目标文本元素;其中,所述待识别文本的文本类型包括短文本类型。
步骤220、根据预设匹配方法确定所述目标文本元素的文本元素类型;其中,所述预设匹配算法包括:字典匹配方法、正则匹配方法、全文分词匹配方法和特定功能匹配方法中的至少一种。
其中,字典匹配方法,依赖配置区域中的字典内容,可以在配置区域中进行字典的去除、补充、禁用和激活等,同一个文本元素类型可以对应多个字典。例如字典中的“白色”和“黄色”均可以对应文本元素类型“颜色”。
正则匹配方法,依赖配置区域中的正则匹配规则,主要是正则表达式的形式存在,可以进行增删改查、禁用、激活等。同一个文本元素类型可以对应多条规则。任意一条规则匹配成功,该文本元素即具有此类型。例如待识别文本元素为“185xxxx4567 135xxxx4789”通过正则匹配,匹配到类型为“电话”。
全文分词匹配方法,依赖配置区域中的全文分词。通过在配置区域中进行分词词库的更新。可以通过设定JACCARD相似度,进行全文匹配。例如待识别文本元素为“北京海淀区东升科技园”通过全文分词,判断各分词的类型,若各分词类型的相似度大于预设阈值,例如百分之八十,则将该类型确定为文本元素类型,例如为“地址”
特定功能匹配方法,为自定义扩展的内容识别方法,可以根据不同识别要求进行相应设置。
可以将目标文本元素通过单个预设匹配方法进行匹配,也可以通过多个预设匹配方法进行匹配。例如待识别文本元素为“岁数>30”,通过字典匹配方法确定文本元素类型为“年龄”,通过正则匹配方法,确定文本元素类型也为“年龄”。
若通过多个预设匹配方法进行匹配,最终得到的文本元素类型,可以为将确定较多的类型作为文本元素类型。例如三种预设匹配方法得到的类型为“年龄”,一种预设匹配方法得到的类型为“温度”,则确定文本元素类型为“年龄”。
本实施例中,可选的,若所述预设相似度确定算法包括所述特定功能匹配方法,则根据预设文本元素识别方法确定所述目标文本元素的文本元素类型,包括:
通过预设接口调用扩展匹配算法,获取所述目标文本元素的元素类型确定结果;
返回所述元素类型确定结果,并根据所述元素类型确定结果确定所述目标限定词的文本元素类型。
通过预设接口调用扩展匹配算法,获取目标文本元素的元素类型确定结果,可以为通过在配置区域中上传符合特定接口要求的JAVA类,同时提供配置参数映射和功能落地,以通过预设接口调用该扩展匹配算法,将目标文本元素通过扩展匹配算法得到元素类型识别结果。例如将文本元素“北京海淀区东升科技园”调用该扩展匹配算法,得到元素类型识别结果为“地址”,其中,扩展匹配算法可以为专用于识别地址的算法,本实施例对此不进行限制。
返回元素类型确定结果,并根据元素类型确定结果确定目标限定词的文本元素类型。可以为根据元素类型确定结果以及其它预设匹配方法确定的元素类型共同确定目标限定词的文本元素类型。
可以根据场景需求,确定不同类型的扩展匹配算法,例如在地址识别场景中,扩展匹配算法为专用于识别地址的算法等。
在原有算法无法满足识别需求时,通过自定义扩展匹配算法的方式,与原有业务系统解耦,扩展文本内容识别的范围,挺好文本识别的准确率。
步骤230、根据预设限定词识别方法确定所述目标限定词的限定词类型。
可选的,预设限定词识别方法可以与上述预设文本元素识别方法相同。
本实施例中,可选的,根据预设限定词识别方法确定所述目标限定词的限定词类型,包括:
根据预设相似度确定方法获取所述目标限定词与预设限定词库的相似度确定结果;其中,所述预设相似度确定算法包括:拼音距离相似度确定算法、编辑距离相似度确定算法和余弦相似度确定算法中的至少一种;
根据所述相似度确定结果确定所述目标限定词的限定词类型。
预设限定词库可以在配置区域中预先设置,并可进行更新。将目标限定词与预设限定词库中的词进行相似度计算,可以通过拼音距离相似度确定算法、编辑距离相似度确定算法和余弦相似度确定算法中的一个或多个。
若为多个算法,示例性的,分别计算目标限定词与预设限定词库中的词的拼音距离、编辑距离和余弦相似度,然后根据一定预设的比例算出合并值,根据配置区域中预先设置的阈值,返回总值高于阈值的结果,若为空则表明返回失败。
相似度确定结果还可与其它预设限定词识别方法结合,共同确定目标限定词的限定词类型。
示例性的,根据预设限定词库,将根据限定词库,将目标限定词“授权手机号”匹配其限定的类型为“电话”,将目标限定词“工作地点”匹配其限定的类型是“地址”。
通过预先设置限定词库进行匹配,使用了包括拼音距离、编辑距离、余弦相似度等文本相似度计算的技术,提高了相似度确定的准确性,并且根据相似度确定结果确定目标限定词的限定词类型,提高了限定词类型确定的准确性。
步骤240、根据所述限定词类型和/或所述文本元素类型,确定所述待识别文本的文本识别结果。
本发明实施例通过使用正则表达式匹配方法,进行明确的规则性文本的验证;使用词典匹配方法,进行明确值域文本的验证;使用分词匹配方法,对输入的内容进行分词,并记录各个分词的类型等信息;使用特定功能匹配方法,进行特定文本的识别。通过上述方式的一种或多种进行文本识别,提高文本识别的准确性以及可扩展性。
实施例三
图3为本发明实施例三提供的一种文本识别方法的流程图,本技术方案是针对根据在确定所述待识别文本的文本识别结果之后的过程进行补充说明的。与上述方案相比,本方案具体优化为,,在确定所述待识别文本的文本识别结果之后,还包括:
根据所述文本识别结果和搜索场景,构建搜索内容;
根据所述搜索内容执行搜索操作。具体的,文本识别方法的流程图如图3所示:
步骤310、获取待识别文本,并根据预设文本拆分方式从所述待识别文本中确定目标限定词和/或目标文本元素;其中,所述待识别文本的文本类型包括短文本类型。
步骤320、根据预设文本元素识别方法确定所述目标文本元素的文本元素类型。
步骤330、根据预设限定词识别方法确定所述目标限定词的限定词类型。
步骤340、根据所述限定词类型和/或所述文本元素类型,确定所述待识别文本的文本识别结果。
步骤350、根据所述文本识别结果和搜索场景,构建搜索内容。
其中,搜索场景为搜索针对的场景,例如对象信息搜索场景等,不同搜索场景对于文本的要求可能不同。
可以在文本识别前在配置区域中输出格式处进行预先定义,从而形成搜索内容的构建规则。
根据搜索场景的搜索要求,根据文本识别结果判断文本是否符合该搜索要求。示例性的,若搜索要求中要求需要文本中拥有对象标识,例如为手机号、身份证号等,则通过文本识别结果判断文本是否有“电话”或“身份证”类型的文本,若有,则通过该类型文本构建搜索内容;若无,则可不进行搜索等。若搜索要求中要求不需要文本中拥有对象标识,则可直接根据文本构建搜索内容,本实施例对此不进行限制。
对搜索的内容进行构建,即将待搜索文本通过预设逻辑转化为搜索式,可以为根据文本识别结果将不同类型的文本相应填入搜索式中的不同部分,还可以为将文本转化为相应搜索代码等,本实施例对此不进行限制。
步骤360、根据所述搜索内容执行搜索操作。
根据搜索内容执行搜索操作可以为通过搜索内容搜索预设位置,例如指定数据库等,从而得到相应的搜索结果。示例性的,搜索的文本为多个身份证,可以返回各个身份证的搜索内容。
可以通过在配置区域配置匹配逻辑,进行搜索内容数据的验证,例如验证身份证数据是否合规等,从而提高搜索的准确性。
本发明实施例通过根据文本识别结果和搜索场景,构建搜索内容,提高搜索内容构建的针对性。根据构建的搜索内容执行搜索操作,即搜索分类整合等处理后的文本,避免直接搜索原始文本,由于数据杂乱导致遗失搜索信息,从而提高搜索的准确性和有效性,提高搜索效率。
实施例四
图4为本发明实施例四提供的一种文本识别装置的结构示意图。该装置可以由硬件和/或软件的方式来实现,可执行本发明任意实施例所提供的一种文本识别方法,具备执行方法相应的功能模块和有益效果。如图4所示,该装置包括:
限定词元素确定模块410,用于获取待识别文本,并根据预设文本拆分方式从所述待识别文本中确定目标限定词和/或目标文本元素;其中,所述待识别文本的文本类型包括短文本类型;
元素类型确定模块420,用于根据预设文本元素识别方法确定所述目标文本元素的文本元素类型;
限定词类型确定模块430,用于根据预设限定词识别方法确定所述目标限定词的限定词类型;
文本识别结果获取模块440,用于根据所述限定词类型和/或所述文本元素类型,确定所述待识别文本的文本识别结果。
在上述各技术方案的基础上,可选的,所述限定词元素确定模块,包括:
符号存在判断单元,用于判断所述待识别文本中是否存在预设分隔符号和/或预设拆分符号;
限定词元素确定单元,用于若所述符号存在判断单元判断为存在,则根据所述预设分隔符号和/或预设拆分符号,确定所述目标限定词和/或所述目标文本元素。
在上述各技术方案的基础上,可选的,所述元素类型确定模块,包括:
元素类型确定单元,用于根据预设匹配方法确定所述目标文本元素的文本元素类型;其中,所述预设匹配算法包括:字典匹配方法、正则匹配方法、全文分词匹配方法和特定功能匹配方法中的至少一种。
在上述各技术方案的基础上,可选的,若所述预设相似度确定算法包括所述特定功能匹配方法,则所述元素类型确定单元,包括:
类型确定结果获取子单元,用于通过预设接口调用扩展匹配算法,获取所述目标文本元素的元素类型确定结果;
元素类型确定子单元,英语返回所述元素类型确定结果,并根据所述元素类型确定结果确定所述目标限定词的文本元素类型。
在上述各技术方案的基础上,可选的,所述限定词类型确定模块,包括:
相似度确定结果获取单元,用于根据预设相似度确定方法获取所述目标限定词与预设限定词库的相似度确定结果;其中,所述预设相似度确定算法包括:拼音距离相似度确定算法、编辑距离相似度确定算法和余弦相似度确定算法中的至少一种;
限定词类型确定单元,用于根据所述相似度确定结果确定所述目标限定词的限定词类型。
在上述各技术方案的基础上,可选的,所述文本识别结果获取模块,包括:
文本识别结果获取单元,用于确定所述限定词类型和所述文本元素类型的类型匹配结果,并根据所述类型匹配结果获取所述待识别文本的文本识别结果。
在上述各技术方案的基础上,可选的,所述装置还包括:
搜索内容构建模块,用于所述文本识别结果获取模块之后,根据所述文本识别结果和搜索场景,构建搜索内容;
搜索操作执行模块,用于根据所述搜索内容执行搜索操作。
实施例五
图5示出了可以用来实施本发明实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图5所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如文本识别方法。
在一些实施例中,文本识别方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的文本识别方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行文本识别方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种文本识别方法,其特征在于,包括:
获取待识别文本,并根据预设文本拆分方式从所述待识别文本中确定目标限定词和/或目标文本元素;其中,所述待识别文本的文本类型包括短文本类型;
根据预设文本元素识别方法确定所述目标文本元素的文本元素类型;
根据预设限定词识别方法确定所述目标限定词的限定词类型;
根据所述限定词类型和/或所述文本元素类型,确定所述待识别文本的文本识别结果。
2.根据权利要求1所述的方法,其特征在于,根据预设文本拆分方式从所述待识别文本中确定目标限定词和/或目标文本元素,包括:
判断所述待识别文本中是否存在预设分隔符号和/或预设拆分符号;
若存在,则根据所述预设分隔符号和/或预设拆分符号,确定所述目标限定词和/或所述目标文本元素。
3.根据权利要求1所述的方法,其特征在于,根据预设文本元素识别方法确定所述目标文本元素的文本元素类型,包括:
根据预设匹配方法确定所述目标文本元素的文本元素类型;其中,所述预设匹配算法包括:字典匹配方法、正则匹配方法、全文分词匹配方法和特定功能匹配方法中的至少一种。
4.根据权利要求3所述的方法,其特征在于,若所述预设相似度确定算法包括所述特定功能匹配方法,则根据预设文本元素识别方法确定所述目标文本元素的文本元素类型,包括:
通过预设接口调用扩展匹配算法,获取所述目标文本元素的元素类型确定结果;
返回所述元素类型确定结果,并根据所述元素类型确定结果确定所述目标限定词的文本元素类型。
5.根据权利要求1所述的方法,其特征在于,根据预设限定词识别方法确定所述目标限定词的限定词类型,包括:
根据预设相似度确定方法获取所述目标限定词与预设限定词库的相似度确定结果;其中,所述预设相似度确定算法包括:拼音距离相似度确定算法、编辑距离相似度确定算法和余弦相似度确定算法中的至少一种;
根据所述相似度确定结果确定所述目标限定词的限定词类型。
6.根据权利要求1所述的方法,其特征在于,根据所述限定词类型和/或所述文本元素类型,确定所述待识别文本的文本识别结果,包括:
确定所述限定词类型和所述文本元素类型的类型匹配结果,并根据所述类型匹配结果获取所述待识别文本的文本识别结果。
7.根据权利要求1-6任一项所述的方法,其特征在于,在确定所述待识别文本的文本识别结果之后,还包括:
根据所述文本识别结果和搜索场景,构建搜索内容;
根据所述搜索内容执行搜索操作。
8.一种文本识别装置,其特征在于,包括:
限定词元素确定模块,用于获取待识别文本,并根据预设文本拆分方式从所述待识别文本中确定目标限定词和/或目标文本元素;其中,所述待识别文本的文本类型包括短文本类型;
元素类型确定模块,用于根据预设文本元素识别方法确定所述目标文本元素的文本元素类型;
限定词类型确定模块,用于根据预设限定词识别方法确定所述目标限定词的限定词类型;
文本识别结果获取模块,用于根据所述限定词类型和/或所述文本元素类型,确定所述待识别文本的文本识别结果。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的文本识别方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的文本识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210905302.8A CN115270757A (zh) | 2022-07-29 | 2022-07-29 | 一种文本识别方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210905302.8A CN115270757A (zh) | 2022-07-29 | 2022-07-29 | 一种文本识别方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115270757A true CN115270757A (zh) | 2022-11-01 |
Family
ID=83770314
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210905302.8A Pending CN115270757A (zh) | 2022-07-29 | 2022-07-29 | 一种文本识别方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115270757A (zh) |
-
2022
- 2022-07-29 CN CN202210905302.8A patent/CN115270757A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109074547B (zh) | 基于消息内容的文本消息排序 | |
CN113836314B (zh) | 知识图谱构建方法、装置、设备以及存储介质 | |
CN113128209B (zh) | 用于生成词库的方法及装置 | |
CN114444619B (zh) | 样本生成方法、训练方法、数据处理方法以及电子设备 | |
CN114595686A (zh) | 知识抽取方法、知识抽取模型的训练方法及装置 | |
CN112153206A (zh) | 一种联系人匹配方法、装置、电子设备及存储介质 | |
CN113836316B (zh) | 三元组数据的处理方法、训练方法、装置、设备及介质 | |
CN115145924A (zh) | 数据处理方法、装置、设备及存储介质 | |
CN112699237B (zh) | 标签确定方法、设备和存储介质 | |
CN113963197A (zh) | 图像识别方法、装置、电子设备和可读存储介质 | |
CN116484826B (zh) | 一种操作票生成方法、装置、设备及存储介质 | |
CN113326363A (zh) | 搜索方法及装置、预测模型训练方法及装置、电子设备 | |
CN113408660A (zh) | 图书聚类方法、装置、设备和存储介质 | |
CN115600592A (zh) | 文本内容的关键信息提取方法、装置、设备及介质 | |
CN115328898A (zh) | 一种数据处理方法、装置、电子设备及介质 | |
CN115952258A (zh) | 政务标签库的生成方法、政务文本的标签确定方法和装置 | |
CN113743127B (zh) | 任务型对话的方法、装置、电子设备及存储介质 | |
CN115909376A (zh) | 文本识别方法、文本识别模型训练方法、装置及存储介质 | |
CN115454971A (zh) | 数据迁移方法、装置、电子设备及存储介质 | |
CN113204613B (zh) | 地址生成方法、装置、设备和存储介质 | |
CN114239562A (zh) | 文档中程序代码块的识别方法、装置和设备 | |
CN114417862A (zh) | 文本匹配方法、文本匹配模型的训练方法和装置 | |
CN115270757A (zh) | 一种文本识别方法、装置、电子设备及存储介质 | |
CN114579580A (zh) | 存储数据的方法、查询数据的方法和装置 | |
CN112860811A (zh) | 数据血缘关系的确定方法、装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |