基于漢字筆畫的漢語短文本相似度檢測方法及系統(tǒng)

基本信息

申請?zhí)?/td> CN201910877967.0 申請日 -
公開（公告）號 CN110674859A 公開（公告）日 2020-01-10
申請公布號 CN110674859A 申請公布日 2020-01-10
分類號 G06K9/62（2006.01）; G06K9/68（2006.01）; G06K9/20（2006.01） 分類 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 王路; 王穎娜; 張金生; 魏俊華 申請（專利權(quán)）人 智陽網(wǎng)絡(luò)技術(shù)（上海）有限公司
代理機(jī)構(gòu) 上海宏京知識(shí)產(chǎn)權(quán)代理事務(wù)所（普通合伙） 代理人 智陽網(wǎng)絡(luò)技術(shù)（上海）有限公司
地址 201802 上海市嘉定區(qū)銀翔路655號610室
法律狀態(tài) -

摘要

摘要 本發(fā)明公開了人工智能自然語言處理技術(shù)領(lǐng)域的基于漢字筆畫的漢語短文本相似度檢測方法及系統(tǒng)，包括：一、判斷當(dāng)前輸入漢字是否屬于筆畫筆順編碼庫；二、在步驟一中輸入的漢字位于筆畫筆順編碼庫中時(shí)，直接對OCR生成文本與源文件進(jìn)行編碼；三、在步驟一中輸入的漢字在筆畫筆順編碼庫中缺失時(shí)，先構(gòu)建該漢字的筆畫筆順編碼，然后將構(gòu)建的筆畫筆順編碼加入到筆畫筆順編碼庫中，再對OCR生成文本與源文件進(jìn)行編碼；四、計(jì)算OCR生成文本與源文件之間的相似性。本發(fā)明能夠大幅改善OCR生成文本的質(zhì)量，通過筆畫筆順信息計(jì)算短文本的相似性推測OCR生成文本的源文本，并利用源文本對OCR生成文本進(jìn)行修復(fù)；提高了漢語短文本分類的精度，改善漢語短文本的分類效果。