RU2008137125A - Способ и система для проверки правильности неоднозначно распознанных слов в ocr-системе - Google Patents

Способ и система для проверки правильности неоднозначно распознанных слов в ocr-системе Download PDF

Info

Publication number
RU2008137125A
RU2008137125A RU2008137125/09A RU2008137125A RU2008137125A RU 2008137125 A RU2008137125 A RU 2008137125A RU 2008137125/09 A RU2008137125/09 A RU 2008137125/09A RU 2008137125 A RU2008137125 A RU 2008137125A RU 2008137125 A RU2008137125 A RU 2008137125A
Authority
RU
Russia
Prior art keywords
word
spelling
search
matches
studied
Prior art date
Application number
RU2008137125/09A
Other languages
English (en)
Other versions
RU2417435C2 (ru
Inventor
Ханс Кристиан МЕИЭР (NO)
Ханс Кристиан МЕИЭР
Матс Стефан КАРЛИН (NO)
Матс Стефан КАРЛИН
Кнут Таральд ФОССЕИДЕ (NO)
Кнут Таральд ФОССЕИДЕ
Original Assignee
Лумекс Ас (No)
Лумекс Ас
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Лумекс Ас (No), Лумекс Ас filed Critical Лумекс Ас (No)
Publication of RU2008137125A publication Critical patent/RU2008137125A/ru
Application granted granted Critical
Publication of RU2417435C2 publication Critical patent/RU2417435C2/ru

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/12—Detection or correction of errors, e.g. by rescanning the pattern
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/26—Techniques for post-processing, e.g. correcting the recognition result
    • G06V30/262—Techniques for post-processing, e.g. correcting the recognition result using context analysis, e.g. lexical, syntactic or semantic context
    • G06V30/268—Lexical context
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Machine Translation (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Document Processing Apparatus (AREA)
  • Character Discrimination (AREA)

Abstract

1. Способ для принятия решения относительно противоречивых выходных данных от системы Оптического Распознавания Символов (OCR), причем выходные данные содержат, по меньшей мере, одно слово, по меньшей мере, с одним неоднозначно распознанным символом, причем, по меньшей мере, один неоднозначно распознанный символ представлен в выходных данных вместе с вероятными альтернативами для, по меньшей мере, одного неоднозначно распознанного символа, и словами, в которых, по меньшей мере, один неоднозначно распознанный символ встречается в изображении текста, обрабатываемого OCR-системой, при этом способ содержит этапы, на которых: ! используют средство поиска в сети Интернет с аргументами поиска, установленными согласно стратегии поиска, содержащей этапы, на которых: ! a) предоставляют начальные аргументы поиска путем формирования вариантов написания для слов, содержащих, по меньшей мере, один неоднозначно распознанный символ, заменяя, по меньшей мере, один неоднозначно распознанный символ поочередно на представленные вероятные альтернативы для, по меньшей мере, одного символа, один по одному и в возможных комбинациях в каждом встречающемся слове, или удаляя символ, тем самым формируя множество вариантов написания, а затем измеряют и записывают количество совпадений для результатов поисковых запросов по каждому соответствующему варианту написания, которые были сформированы таким образом, ! b) сравнивают измеренное количество совпадений для каждого из вариантов написания с верхним предварительно заданным относительным пороговым уровнем и нижним предварительно заданным относительным пороговым уровнем, причем каждо�

Claims (56)

1. Способ для принятия решения относительно противоречивых выходных данных от системы Оптического Распознавания Символов (OCR), причем выходные данные содержат, по меньшей мере, одно слово, по меньшей мере, с одним неоднозначно распознанным символом, причем, по меньшей мере, один неоднозначно распознанный символ представлен в выходных данных вместе с вероятными альтернативами для, по меньшей мере, одного неоднозначно распознанного символа, и словами, в которых, по меньшей мере, один неоднозначно распознанный символ встречается в изображении текста, обрабатываемого OCR-системой, при этом способ содержит этапы, на которых:
используют средство поиска в сети Интернет с аргументами поиска, установленными согласно стратегии поиска, содержащей этапы, на которых:
a) предоставляют начальные аргументы поиска путем формирования вариантов написания для слов, содержащих, по меньшей мере, один неоднозначно распознанный символ, заменяя, по меньшей мере, один неоднозначно распознанный символ поочередно на представленные вероятные альтернативы для, по меньшей мере, одного символа, один по одному и в возможных комбинациях в каждом встречающемся слове, или удаляя символ, тем самым формируя множество вариантов написания, а затем измеряют и записывают количество совпадений для результатов поисковых запросов по каждому соответствующему варианту написания, которые были сформированы таким образом,
b) сравнивают измеренное количество совпадений для каждого из вариантов написания с верхним предварительно заданным относительным пороговым уровнем и нижним предварительно заданным относительным пороговым уровнем, причем каждое из соответствующих сравнений множества результатов измерения принадлежит к одному из трех возможных исходов:
i) если результат измерения для варианта написания больше предварительно заданного относительного верхнего порогового уровня, соответствующий вариант написания для этого результата измерения является правильным вариантом написания для слова, и поиск в сети Интернет завершается,
ii) если результат измерения для варианта написания меньше нижнего предварительно заданного относительного порогового уровня, соответствующий вариант написания для этого результата измерения считается несуществующим, и слово с этим вариантом написания исключается из дополнительных исследований, и продолжают процесс с другими вариантами написания, которые были сформированы в качестве аргументов поиска для средства поиска в сети Интернет,
iii) если результат измерения для варианта написания попадает между верхним относительным пороговым уровнем и нижним относительным пороговым уровнем, завершают работу средства поиска в сети Интернет и изменяют стратегию поиска, с помощью предоставления дополнительных аргументов поиска в виде комбинации элементов множества остающихся вариантов написания и других слов, встречающихся в документе, других символьных альтернатив для этого, по меньшей мере, одного неоднозначно распознанного символа, фраз, настройки верхнего относительного порогового уровня, настройки нижнего относительного порогового уровня, и/или другую информацию, связанную с выходными данными от OCR-системы, перед тем, как продолжить использование стратегии поиска, обеспечивая дополнительные результаты измерений и сравнения для принятия решения относительно противоречивых выходных данных,
c) продолжают выполнение этапа b) некоторое предварительно заданное число раз, или пока не останется только один вариант написания, в зависимости от того, что случится раньше, обеспечивают повторение действий по множеству различных аргументов поиска, используемых в стратегии поиска до завершения этапа b), и используют остающийся вариант написания, обладающий наибольшим результатом измерения больше верхнего относительного порогового уровня в качестве правильного варианта написания.
2. Способ по п.1, в котором стратегия поиска содержит этап, на котором заменяют, по меньшей мере, один неоднозначно распознанный символ на комбинацию, по меньшей мере, двух символов при формировании вариантов написания.
3. Способ по п.1, в котором стратегия поиска содержит этап, на котором заменяют два или более, по меньшей мере, из одного неоднозначно распознанного символа на единственный символ при формировании вариантов написания.
4. Способ по п.1, в котором стратегия поиска содержит этап, на котором идентифицируют, является ли исследуемый вариант написания именем собственным, и если это так, выделяют в OCR-процессе другие распознанные слова, которые являются именами собственными, затем предоставляют в качестве варианта написания комбинацию исследуемого слова, по меньшей мере, с одним другим надежно распознанным именем собственным.
5. Способ по п.1, в котором стратегия поиска содержит этап, на котором используют, по меньшей мере, одно предшествующее слово относительно исследуемого слова в сочетании с исследуемым словом в качестве варианта написания.
6. Способ по п.1, в котором стратегия поиска содержит этап, на котором используют, по меньшей мере, одно последующее слово относительно исследуемого слова в сочетании с исследуемым словом в качестве варианта написания.
7. Способ по п.1, в котором стратегия поиска содержит этап, на котором используют, по меньшей мере, одно более отдаленное предшествующее слово относительно исследуемого слова в сочетании с исследуемым словом в качестве варианта написания.
8. Способ по п.1, в котором стратегия поиска содержит этап, на котором используют, по меньшей мере, одно более отдаленное последующее слово относительно исследуемого слова в сочетании с исследуемым словом в качестве варианта написания.
9. Способ по п.1, в котором стратегия поиска содержит этап, на котором используют, по меньшей мере, одно более отдаленное предшествующее слово относительно исследуемого слова, которое содержит количество символов больше предварительно заданного порогового значения, в сочетании с исследуемым словом в качестве варианта написания.
10. Способ по п.1, в котором стратегия поиска содержит этап, на котором используют, по меньшей мере, одно более отдаленное последующее слово относительно исследуемого слова, которое содержит количество символов больше предварительно заданного порогового значения, в сочетании с исследуемым словом в качестве варианта написания.
11. Способ по п.1, в котором стратегия поиска содержит этапы, на которых:
i) подсчитывают экземпляры слов, встречающихся в изображении текста во время OCR-процесса,
ii) используют, по меньшей мере, одно более отдаленное предшествующее слово относительно исследуемого слова, которое обладает небольшим количеством экземпляров, меньше предварительно заданного порогового значения, в сочетании с исследуемым словом в качестве варианта написания.
12. Способ по п.11, в котором этап ii) стратегии поиска дополнительно содержит этап, на котором используют, по меньшей мере, одно более отдаленное последующее слово относительно исследуемого слова, которое обладает небольшим количеством экземпляров, меньше предварительно заданного порогового значения, в сочетании с исследуемым словом в качестве варианта написания.
13. Способ по п.1, в котором стратегия поиска содержит этапы, на которых:
i) подсчитывают экземпляры слов, встречающихся в изображении текста во время OCR-процесса,
ii) используют, по меньшей мере, одно более отдаленное предшествующее слово относительно исследуемого слова, которое обладает большим количеством экземпляров, больше первого предварительно заданного порогового значения, и которое содержит большое количество символов в слове, больше второго порогового значения, в сочетании с исследуемым словом в качестве варианта написания.
14. Способ по п.13, в котором этап ii) стратегии поиска дополнительно содержит этап, на котором используют, по меньшей мере, одно более отдаленное последующее слово относительно исследуемого слова, которое обладает большим количеством экземпляров, больше первого предварительно заданного порогового значения, и которое содержит большое количество символов в слове, большее второго порогового значения, в сочетании с исследуемым словом в качестве варианта написания.
15. Способ по п.1, в котором стратегия поиска содержит этапы, на которых:
i) выбирают поочередно более отдаленные предшествующие слова относительно исследуемого слова и составляют список тех предшествующих слов, которые содержат количество символов, большее предварительно заданного порогового значения,
ii) используют выбранные слова, полученные на этапе i), в качестве аргументов поиска в средстве поиска в сети Интернет и идентифицируют слово, которое обеспечивает наименьшее количество совпадений, отличное от нуля, и используют такое слово в сочетании с исследуемым словом в качестве варианта написания.
16. Способ по п.1, в котором стратегия поиска содержит этапы, на которых:
i) выбирают поочередно более отдаленные последующие слова относительно исследуемого слова и составляют список тех последующих слов, которые содержат количество символов, большее предварительно заданного порогового значения,
ii) используют выбранные слова, внесенные в список на этапе i), в качестве аргументов поиска в средстве поиска в сети Интернет и идентифицируют слово, которое обеспечивает наименьшее количество совпадений, отличное от нуля, и используют такое слово в сочетании с исследуемым словом в качестве варианта написания.
17. Способ по п.1, в котором сравнение с верхним пороговым значением и сравнение с нижним пороговым значением основывается на перенормировке пороговых значений и представленного общего количества совпадений.
18. Способ по п.1, в котором верхнее и нижнее пороговые значения изменяются с постепенным увеличением и снижением совместно, и всякий раз, когда выполняется изменение пороговых значений, инициируют новый поиск и процесс подтверждения.
19. Способ по п.1, в котором верхнее и нижнее пороговые значения изменяются с постепенным увеличением и снижением независимо, и всякий раз, когда выполняется изменение пороговых значений, инициируют новый поиск и процесс подтверждения.
20. Способ по п.1, в котором стратегия поиска содержит этапы, на которых:
выбирают поочередно первые символы из исследуемого слова,
комбинируют эти символы с увеличением количества первых символов,
используют каждый из вариантов, полученных в результате увеличения количества символов, в качестве аргумента для поиска по словарю, и
если словарь возвращает истинное слово в результате поиска по словарю, используют это слово в сочетании с исследуемым словом в качестве варианта написания.
21. Способ по любому из предыдущих пунктов, в котором средство поиска, в качестве альтернативы или в дополнение к выполнению поисковых запросов в сети Интернет, осуществляет поисковые запросы по другим информационным источникам, которые не доступны по сети Интернет, но которые доступны через внутреннюю сеть на базе Интернет-технологии, Виртуальную Частную Сеть, или подобные сети, или посредством поиска непосредственно на подсоединенном жестком диске, содержащем информацию.
22. Способ по п.21, в котором пользователь может выбирать из списка, по каким информационным узлам будет производиться поиск во время процесса подтверждения.
23. Способ по п.1, в котором верхнее пороговое значение определяется следующим образом:
Figure 00000001
при этом i обозначает один из вариантов написания, #совпадений i представляет собой измеренное количество совпадений для i-го варианта написания, знаменатель представляет собой общее измеренное количество совпадений для всех вариантов написания, и
Figure 00000002
представляет собой пороговый уровень, который является функцией количества совпадений.
24. Способ по п.1, в котором верхнее пороговое значение определяется следующим образом:
при этом i обозначает один из вариантов написания, #совпадений i представляет собой измеренное количество совпадений для i-го варианта написания,
Figure 00000004
представляет собой общее измеренное количество совпадений для всех вариантов написания, за исключением варианта написания для i, и
Figure 00000002
представляет собой пороговый уровень, который является функцией количества совпадений.
25. Система по п.1, в котором нижнее пороговое значение определяется следующим образом:
Figure 00000005
при этом #совпадений i представляет собой измеренное количество совпадений для i-го варианта написания,
Figure 00000004
представляет собой общее измеренное количество совпадений для всех вариантов написания, за исключением варианта написания для i, и
Figure 00000006
представляет собой пороговый уровень, который является функцией количества совпадений.
26. Способ по п.1, в котором оценочная функция используется, чтобы определить результат измерения для количества совпадений, следующим образом:
Figure 00000007
при этом a+b=1, CRSслово(i) представляет собой оценочную величину символа в результате OCR-процесса, имеющего отношение к i-му варианту написания,
Figure 00000004
представляет собой общее измеренное количество совпадений для всех вариантов написания, за исключением варианта написания для i.
27. Способ по п.1, в котором оценочная функция используется, чтобы определить результат измерения для количества совпадений, следующим образом:
Figure 00000008
при этом a'+b'+c'+d'=1, CRSслово(i) представляет собой оценочную величину символа в результате OCR-процесса, имеющего отношение к i-му варианту написания, второй член является минимальным CRS для всех символов в слове, третий член является суммой разности CRS между наибольшей CRS для каждого символа и CRS, использующей слово(i), f является минимальной или максимальной функцией величин верхнего порогового значения или нижнего порогового значения, как определено в п.23, и nchar представляет собой количество символов в i-м слове.
28. Способ по любому из пп.1-27, в котором OCR-система является системой распознавания речи, и этот, по меньшей мере, один неоднозначно распознанный символ представляет собой неоднозначную интерпретацию фонемы.
29. Система для принятия решения относительно противоречивых выходных данных от системы Оптического Распознавания Символов (OCR), причем выходные данные содержат, по меньшей мере, одно слово, по меньшей мере, с одним неоднозначно распознанным символом, причем этот, по меньшей мере, один неоднозначно распознанный символ представлен в выходных данных вместе с вероятными альтернативами для этого, по меньшей мере, одного неоднозначно распознанного символа, и словами, в которых этот, по меньшей мере, один неоднозначно распознанный символ встречается в изображении текста, обрабатываемого OCR-системой, при этом система содержит:
системный компонент, использующий средство поиска в сети Интернет с аргументами поиска, установленными согласно стратегии поиска, содержащей этапы, на которых:
a) системный компонент предоставляет начальные аргументы поиска путем формирования вариантов написания для слов, содержащих этот, по меньшей мере, один неоднозначно распознанный символ, заменяя этот, по меньшей мере, один неоднозначно распознанный символ поочередно на представленные вероятные альтернативы для этого, по меньшей мере, одного символа, и в возможных комбинациях в каждом встречающемся слове, или удаляя символ, тем самым формируя множество вариантов написания, а затем измеряет и записывает количество совпадений для результатов поисковых запросов по каждому соответствующему варианту написания, которые были сформированы таким образом,
b) системный компонент сравнивает измеренное количество совпадений для каждого из вариантов написания с верхним предварительно заданным относительным пороговым уровнем и нижним предварительно заданным относительным пороговым уровнем, причем каждое из соответствующих сравнений множества результатов измерения принадлежит к одному из трех возможных исходов:
i) если результат измерения для варианта написания больше предварительно заданного относительного верхнего порогового уровня, соответствующий вариант написания для этого результата измерения является правильным вариантом написания для слова, и поиск в сети Интернет завершается,
ii) если результат измерения для варианта написания меньше нижнего предварительно заданного относительного порогового уровня, соответствующий вариант написания для этого результата измерения считается несуществующим, и слово с этим вариантом написания исключается из дополнительных исследований, и продолжается процесс с другими вариантами написания, которые были сформированы в качестве аргументов поиска для средства поиска в сети Интернет,
iii) если результат измерения для варианта написания попадает между верхним относительным пороговым уровнем и нижним относительным пороговым уровнем, завершается работа средства поиска в сети Интернет и изменяется стратегия поиска с помощью предоставления дополнительных аргументов поиска в виде комбинации элементов множества остающихся вариантов написания и других слов, встречающихся в документе, других символьных альтернатив для этого, по меньшей мере, одного неоднозначно распознанного символа, фраз, настройки верхнего относительного порогового уровня, настройки нижнего относительного порогового уровня, и/или другую информацию, связанную с выходными данными от OCR-системы, перед тем, как продолжить использование стратегии поиска, обеспечивая дополнительные результаты измерений и сравнения для принятия решения относительно противоречивых выходных данных,
c) системный компонент выполняет этап b) некоторое предварительно заданное число раз, или пока не останется только один вариант написания, в зависимости от того, что случится раньше, обеспечивает повторение действий по множеству различных аргументов поиска, используемых в стратегии поиска до завершения этапа b), и использует остающийся вариант написания, обладающий наибольшим результатом измерения больше верхнего относительного порогового уровня в качестве правильного варианта написания.
30. Система по п.29, в которой системный компонент содержит замену этого, по меньшей мере, одного неоднозначно распознанного символа на комбинацию, по меньшей мере, двух символов при формировании вариантов написания.
31. Система по п.29, в которой системный компонент содержит замену двух или более из, по меньшей мере, одного неоднозначно распознанного символа на единственный символ при формировании вариантов написания.
32. Система по п.29, в которой системный компонент содержит модуль, идентифицирующий, является ли исследуемый вариант написания именем собственным, и если это так, предъявляет запрос OCR-процессу на идентификацию других распознанных слов, которые являются именами собственными, и затем комбинируют, по меньшей мере, одно из других надежно распознанных имен собственных с исследуемым именем собственным в качестве варианта написания.
33. Система по п.29, в которой поисковый системный компонент содержит модуль, использующий, по меньшей мере, одно предшествующее слово относительно исследуемого слова в сочетании с исследуемым словом в качестве варианта написания.
34. Система по п.29, в которой системный компонент содержит модуль, использующий, по меньшей мере, одно последующее слово относительно исследуемого слова в сочетании с исследуемым словом в качестве варианта написания.
35. Система по п.29, в которой системный компонент содержит модуль, использующий, по меньшей мере, одно более отдаленное предшествующее слово относительно исследуемого слова в сочетании с исследуемым словом в качестве варианта написания.
36. Система по п.29, в которой системный компонент содержит модуль, использующий, по меньшей мере, одно более отдаленное последующее слово относительно исследуемого слова в сочетании с исследуемым словом в качестве варианта написания.
37. Система по п.29, в которой системный компонент содержит модуль, использующий, по меньшей мере, одно более отдаленное предшествующее слово относительно исследуемого слова, которое содержит количество символов больше предварительно заданного порогового значения, в сочетании с исследуемым словом в качестве варианта написания.
38. Система по п.29, в которой системный компонент содержит модуль, использующий, по меньшей мере, одно более отдаленное последующее слово относительно исследуемого слова, которое содержит количество символов больше предварительно заданного порогового значения, в сочетании с исследуемым словом в качестве варианта написания.
39. Система по п.29, в которой системный компонент содержит модуль который:
i) подсчитывает экземпляры слов, встречающихся в изображении текста во время OCR-процесса, и сохраняет количество экземпляров,
ii) выбирает, по меньшей мере, одно более отдаленное предшествующее слово относительно исследуемого слова, которое обладает небольшим количеством экземпляров, исходя из i), меньше предварительно заданного порогового значения, и комбинирует это слово с исследуемым словом в качестве варианта написания.
40. Система по п.39, в которой системный компонент дополнительно содержит модуль, который выбирает, по меньшей мере, одно более отдаленное последующее слово относительно исследуемого слова, которое обладает небольшим количеством экземпляров, меньше предварительно заданного порогового значения, и комбинирует это слово с исследуемым словом в качестве варианта написания.
41. Система по п.29, в которой системный компонент содержит модуль, который:
i) подсчитывает экземпляры слов, встречающихся в изображении текста во время OCR-процесса, и сохраняет количество экземпляров,
ii) выбирает, по меньшей мере, одно более отдаленное предшествующее слово относительно исследуемого слова, которое обладает большим количеством экземпляров, больше первого предварительно заданного порогового значения, и которое содержит большое количество символов в слове, больше второго порогового значения, в сочетании с исследуемым словом в качестве варианта написания.
42. Система по п.41, в которой системный компонент дополнительно содержит модуль, который выбирает, по меньшей мере, одно более отдаленное последующее слово относительно исследуемого слова, которое обладает большим количеством экземпляров, больше первого предварительно заданного порогового значения, и которое содержит большое количество символов в слове, больше второго порогового значения, в сочетании с исследуемым словом в качестве варианта написания.
43. Система по п.29, в которой системный компонент содержит модуль, который:
i) выбирает поочередно более отдаленные предшествующие слова относительно исследуемого слова и сохраняет те предшествующие слова, которые содержат количество символов, большее предварительно заданного порогового значения,
ii) использует сохраненные на этапе i) слова в качестве аргументов поиска в средстве поиска в сети Интернет, идентифицирует слово, которое обеспечивает наименьшее количество совпадений, отличное от нуля, и использует такое слово в сочетании с исследуемым словом в качестве варианта написания.
44. Система по п.29, в которой системный компонент содержит модуль, который:
i) выбирает поочередно более отдаленные последующие слова относительно исследуемого слова и сохраняет те предшествующие слова, которые содержат количество символов, большее предварительно заданного порогового значения,
ii) использует сохраненные на этапе i) слова в качестве аргументов поиска в средстве поиска в сети Интернет, идентифицирует слово, которое обеспечивает наименьшее количество совпадений, отличное от нуля, и использует такое слово в сочетании с исследуемым словом в качестве варианта написания.
45. Система по п.29, в которой функция, обеспечивающая сравнение с верхним пороговым значением и сравнение с нижним пороговым значением, основывается на перенормировке пороговых значений и измеренного общего количества совпадений.
46. Система по п.29, в которой верхнее и нижнее пороговые значения изменяются с постепенным увеличением и снижением совместно.
47. Система по п.29, в которой верхнее и нижнее пороговые значения изменяются с постепенным увеличением и снижением независимо.
48. Система по п.29, в которой когда вариант написания является неокончательным, результат побуквенной записи, обеспечивающий наибольшее количество относительных (перенормированных) совпадений, выбирается в качестве наиболее вероятного варианта написания.
49. Система по п.29, в которой системный компонент, в качестве альтернативы или в дополнение к выполнению поисковых запросов в сети Интернет, осуществляет поисковые запросы по другим информационным источникам, которые не доступны по сети Интернет, но которые доступны через внутреннюю сеть на базе Интернет-технологии, VPR, или подобные сети, или посредством поиска непосредственно на подсоединенном жестком диске, содержащем информацию.
50. Система по п.49, в которой пользователь может выбирать из списка группу информационных узлов, по которым системный компонент будет производить поиск во время процесса подтверждения.
51. Система по п.29, в которой верхнее пороговое значение определяется следующим образом
Figure 00000009
при этом i обозначает один из вариантов написания, #совпадений i представляет собой измеренное количество совпадений для i-го варианта написания, знаменатель представляет собой общее измеренное количество совпадений для всех вариантов написания, и
Figure 00000002
представляет собой пороговый уровень, который является функцией количества совпадений.
52. Система по п.29, в которой верхнее пороговое значение определяется следующим образом
Figure 00000010
при этом i обозначает один из вариантов написания, #совпадений i представляет собой измеренное количество совпадений для i-го варианта написания,
Figure 00000004
представляет собой общее измеренное количество совпадений для всех вариантов написания, за исключением варианта написания для i, и
Figure 00000002
представляет собой пороговый уровень, который является функцией количества совпадений.
53. Система по п.29, в которой нижнее пороговое значение определяется следующим образом:
Figure 00000011
при этом #совпадений i представляет собой измеренное количество совпадений для i-го варианта написания,
Figure 00000004
представляет собой общее измеренное количество совпадений для всех вариантов написания, за исключением варианта написания для i, и
Figure 00000006
представляет собой пороговый уровень, который является функцией количества совпадений.
54. Система по п.29, в которой оценочная функция используется, чтобы определить результат измерения для количества совпадений, следующим образом:
Figure 00000012
при этом a+b=1, CRSслово(i) представляет собой оценочную величину символа в результате OCR-процесса, имеющего отношение к i-му варианту написания,
Figure 00000004
представляет собой общее измеренное количество совпадений для всех вариантов написания, за исключением варианта написания для i.
55. Система по п.29, в которой оценочная функция используется, чтобы определить результат измерения для количества совпадений, следующим образом:
Figure 00000013
,
при этом a'+b'+c'+d'=1, CRSслово(i) представляет собой оценочную величину символа в результате OCR-процесса, имеющего отношение к i-му варианту написания, второй член является минимальным CRS для всех символов в слове, третий член является суммой разности CRS между наибольшей CRS для каждого символа и CRS, использующей слово(i), f является минимальной или максимальной функцией величин верхнего порогового значения или нижнего порогового значения, как определено в п.54, и nchar представляет собой количество символов в i-м слове.
56. Система по пп.29-55, в которой OCR-система является системой распознавания речи, и этот, по меньшей мере, один неоднозначно распознанный символ представляет собой неоднозначную интерпретацию фонемы.
RU2008137125/08A 2006-02-17 2007-02-15 Способ и система для проверки правильности неоднозначно распознанных слов в ocr-системе RU2417435C2 (ru)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
NO20060787 2006-02-17
NO20060787 2006-02-17

Publications (2)

Publication Number Publication Date
RU2008137125A true RU2008137125A (ru) 2010-03-27
RU2417435C2 RU2417435C2 (ru) 2011-04-27

Family

ID=38180064

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2008137125/08A RU2417435C2 (ru) 2006-02-17 2007-02-15 Способ и система для проверки правильности неоднозначно распознанных слов в ocr-системе

Country Status (11)

Country Link
US (1) US8315484B2 (ru)
EP (1) EP1987471A2 (ru)
CN (1) CN101443787B (ru)
AU (1) AU2007215636B2 (ru)
BR (1) BRPI0707800A2 (ru)
CA (1) CA2642217C (ru)
IL (1) IL193223A (ru)
MX (1) MX2008010554A (ru)
RU (1) RU2417435C2 (ru)
WO (1) WO2007094684A2 (ru)
ZA (1) ZA200806779B (ru)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2641225C2 (ru) * 2014-01-21 2018-01-16 Общество с ограниченной ответственностью "Аби Девелопмент" Способ выявления необходимости обучения эталона при верификации распознанного текста

Families Citing this family (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009067022A1 (en) * 2007-11-20 2009-05-28 Lumex A/S A method for resolving contradicting output data from an optical character recognition (ocr) system, wherein the output data comprises more than one recognition alternative for an image of a character
US8131714B2 (en) * 2008-01-02 2012-03-06 Think Village-OIP, LLC Linguistic assistance systems and methods
JP4626777B2 (ja) * 2008-03-14 2011-02-09 富士ゼロックス株式会社 情報処理装置及び情報処理プログラム
US8856879B2 (en) 2009-05-14 2014-10-07 Microsoft Corporation Social authentication for account recovery
US9124431B2 (en) * 2009-05-14 2015-09-01 Microsoft Technology Licensing, Llc Evidence-based dynamic scoring to limit guesses in knowledge-based authentication
US8600152B2 (en) * 2009-10-26 2013-12-03 Ancestry.Com Operations Inc. Devices, systems and methods for transcription suggestions and completions
US20110099193A1 (en) * 2009-10-26 2011-04-28 Ancestry.Com Operations Inc. Automatic pedigree corrections
US9176986B2 (en) * 2009-12-02 2015-11-03 Google Inc. Generating a combination of a visual query and matching canonical document
US20110239111A1 (en) * 2010-03-24 2011-09-29 Avaya Inc. Spell checker interface
US8670618B2 (en) * 2010-08-18 2014-03-11 Youwho, Inc. Systems and methods for extracting pedigree and family relationship information from documents
JP6055297B2 (ja) * 2012-12-07 2016-12-27 株式会社日立情報通信エンジニアリング 文字認識装置及び方法、文字認識プログラム
CN103870822B (zh) * 2012-12-17 2018-09-25 捷讯平和（北京）科技发展有限公司 词语识别方法及装置
US9411801B2 (en) * 2012-12-21 2016-08-09 Abbyy Development Llc General dictionary for all languages
US9071785B2 (en) 2013-02-15 2015-06-30 Gradeable, Inc. Adjusting perspective distortion of an image
JP6264965B2 (ja) * 2014-03-14 2018-01-24 オムロン株式会社 画像処理装置、画像処理方法、画像処理プログラム
RU2571396C2 (ru) * 2014-03-26 2015-12-20 Общество с ограниченной ответственностью "Аби Девелопмент" Способ и система для верификации в процессе чтения
RU2665274C2 (ru) * 2014-06-27 2018-08-28 Общество с ограниченной ответственностью "Аби Продакшн" Всплывающая панель верификации
US10269342B2 (en) * 2014-10-29 2019-04-23 Hand Held Products, Inc. Method and system for recognizing speech using wildcards in an expected response
JP6425989B2 (ja) * 2014-12-17 2018-11-21 株式会社富士通コンピュータテクノロジーズ 文字認識支援プログラム、文字認識支援方法及び文字認識支援装置
RU2605078C2 (ru) * 2015-01-27 2016-12-20 Общество с ограниченной ответственностью "Аби Девелопмент" Сегментация изображения для верификации данных
RU2613846C2 (ru) * 2015-09-07 2017-03-21 Общество с ограниченной ответственностью "Аби Девелопмент" Метод и система извлечения данных из изображений слабоструктурированных документов
US10152965B2 (en) * 2016-02-03 2018-12-11 Google Llc Learning personalized entity pronunciations
US9594740B1 (en) 2016-06-21 2017-03-14 International Business Machines Corporation Forms processing system
CN107427732B (zh) * 2016-12-09 2021-01-29 香港应用科技研究院有限公司 用于组织和处理基于特征的数据结构的系统和方法
US10013971B1 (en) 2016-12-29 2018-07-03 Google Llc Automated speech pronunciation attribution
GB2575611A (en) * 2017-04-13 2020-01-15 Flatiron Health Inc Systems and methods for model-assisted cohort selection
US10936812B2 (en) * 2019-01-10 2021-03-02 International Business Machines Corporation Responsive spell checking for web forms
CN110674396B (zh) * 2019-08-28 2021-04-27 北京三快在线科技有限公司 文本信息处理方法、装置、电子设备及可读存储介质
CN111460133B (zh) * 2020-03-27 2023-08-18 北京百度网讯科技有限公司 主题短语生成方法、装置以及电子设备
WO2023059865A1 (en) 2021-10-08 2023-04-13 Ancestry.Com Operations Inc. Image identification, retrieval, transformation, and arrangement

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5748807A (en) * 1992-10-09 1998-05-05 Panasonic Technologies, Inc. Method and means for enhancing optical character recognition of printed documents
US5465309A (en) 1993-12-10 1995-11-07 International Business Machines Corporation Method of and apparatus for character recognition through related spelling heuristics
US5933525A (en) * 1996-04-10 1999-08-03 Bbn Corporation Language-independent and segmentation-free optical character recognition system and method
US6205261B1 (en) * 1998-02-05 2001-03-20 At&T Corp. Confusion set based method and system for correcting misrecognized words appearing in documents generated by an optical character recognition technique
US6424983B1 (en) * 1998-05-26 2002-07-23 Global Information Research And Technologies, Llc Spelling and grammar checking system
JP4302326B2 (ja) 1998-11-30 2009-07-22 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ テキストの自動区分
RU2166207C2 (ru) * 1999-04-08 2001-04-27 Закрытое акционерное общество "Аби Программное обеспечение" Способ использования вспомогательных массивов данных в процессе преобразования и/или верификации компьютерных кодов, выполненных в виде символов, и соответствующих им фрагментов изображения
US6628837B1 (en) * 2000-05-19 2003-09-30 Xerox Corporation Assist channel coding with convolution coding
JP2004526232A (ja) * 2001-01-18 2004-08-26 フェデラル エクスプレス コーポレイション パッケージ上の情報の読取り及び復号化
JP4181310B2 (ja) 2001-03-07 2008-11-12 昌和 鈴木 数式認識装置および数式認識方法
US8744835B2 (en) * 2001-03-16 2014-06-03 Meaningful Machines Llc Content conversion method and apparatus
US20020194229A1 (en) * 2001-06-15 2002-12-19 Decime Jerry B. Network-based spell checker
US7296019B1 (en) * 2001-10-23 2007-11-13 Microsoft Corporation System and methods for providing runtime spelling analysis and correction
SE0201177L (sv) * 2002-04-18 2003-10-19 Interactive Inst Kontroll av textsträng
US7092567B2 (en) * 2002-11-04 2006-08-15 Matsushita Electric Industrial Co., Ltd. Post-processing system and method for correcting machine recognized text
US7707039B2 (en) * 2004-02-15 2010-04-27 Exbiblio B.V. Automatic modification of web pages
RU42118U1 (ru) * 2004-08-20 2004-11-20 Общество с ограниченной ответственностью "Научно-технический центр "Атлас-Северо-Запад" Система изготовления, учета и верификации защитных знаков и защищенных документов
US7490033B2 (en) * 2005-01-13 2009-02-10 International Business Machines Corporation System for compiling word usage frequencies
US7590626B2 (en) * 2006-10-30 2009-09-15 Microsoft Corporation Distributional similarity-based models for query correction

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2641225C2 (ru) * 2014-01-21 2018-01-16 Общество с ограниченной ответственностью "Аби Девелопмент" Способ выявления необходимости обучения эталона при верификации распознанного текста

Also Published As

Publication number Publication date
CA2642217C (en) 2014-05-06
CN101443787A (zh) 2009-05-27
MX2008010554A (es) 2008-10-29
WO2007094684A2 (en) 2007-08-23
WO2007094684A3 (en) 2007-12-13
EP1987471A2 (en) 2008-11-05
IL193223A (en) 2011-12-29
US20090067756A1 (en) 2009-03-12
ZA200806779B (en) 2009-11-25
RU2417435C2 (ru) 2011-04-27
BRPI0707800A2 (pt) 2011-05-10
CA2642217A1 (en) 2007-08-23
IL193223A0 (en) 2009-02-11
CN101443787B (zh) 2012-07-18
AU2007215636A1 (en) 2007-08-23
AU2007215636B2 (en) 2012-04-12
US8315484B2 (en) 2012-11-20

Similar Documents

Publication Publication Date Title
RU2008137125A (ru) Способ и система для проверки правильности неоднозначно распознанных слов в ocr-системе
CN103365925B (zh) 获取多音字拼音、基于拼音检索的方法及其相应装置
US8380713B2 (en) Apparatus for question answering based on answer trustworthiness and method thereof
JP4494632B2 (ja) 言語モデルに基づく情報検索および音声認識
CN101131706B (zh) 一种查询修正方法及系统
JP3636941B2 (ja) 情報検索方法と情報検索装置
CN103365910B (zh) 一种信息检索的方法和系统
JP2005267638A (ja) 改善されたスペルチェックのためのシステムおよび方法
US8122022B1 (en) Abbreviation detection for common synonym generation
JP5710581B2 (ja) 質問応答装置、方法、及びプログラム
WO2011152925A2 (en) Detection of junk in search result ranking
Volk et al. Strategies for reducing and correcting OCR errors
CN110888946A (zh) 一种基于知识驱动的查询的实体链接方法
CN101369285B (zh) 一种中文搜索引擎中查询词的拼写校正方法
JP5097802B2 (ja) ローマ字変換を用いる日本語自動推薦システムおよび方法
US20130030790A1 (en) Translation apparatus and method using multiple translation engines
CN117150052A (zh) 一种专利检索方法、装置、计算机设备及介质
Goslin et al. English language spelling correction as an information retrieval task using Wikipedia search statistics
JP2006011851A (ja) 文書合致度演算システム、文書合致度演算方法及び文書合致度演算プログラム
WO2022019275A1 (ja) 文書検索装置、文書検索システム、文書検索プログラム、および文書検索方法
JP2009157458A (ja) インデックス作成装置、その方法、プログラム及び記録媒体
Angkawattanawit et al. Thai Q-Cor: integrating word approximation and soundex for Thai query correction
EP1348175B1 (en) Improved multistage intelligent database search method
JP3915167B2 (ja) 日本語形態素解析方法及び装置及び日本語形態素解析プログラムを格納した記憶媒体
CN115828909A (zh) 一种企业简称提取方法、系统、设备及介质

Legal Events

Date Code Title Description
MM4A The patent is invalid due to non-payment of fees

Effective date: 20170216