一种利用校对信息的汉字识别自适应后处理方法

• 作者: 丁晓青 刘长松 李元祥
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 汉字识别 后处理 语言模型 自适应 修正候选字集
• 年，卷（期）: 2001,（1）
• 页码范围: 46-52
• 页数: 7页
• 分类号: TP391
• 字数: 4842字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0077.2001.01.007

摘要

后处理技术是汉字识别系统的重要组成部分。传统的识别后处理技术在很大程度上依赖于所训练的统计语言模型，没有考虑所处理文本的特殊性；而且没有利用识别器的动态识别特性。本文利用部分校对过的正确本文信息，一方面可以构建自适应语言模型，及时发现所处理文本的语言特点；另一方面可以利用识别器的动态识别特性，以修正候选字集；从而使得后续文本的识别后处理具有自适应性。40万字的数据测试表明：这种方法的文本平均错误率较传统的后处理方法下降35.24％了，可以大大减轻数据录入人员的工作量，具有较高的实用价值。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘长松	清华大学电子工程系	28	384	11.0	19.0
2	李元祥	清华大学电子工程系	5	63	5.0	5.0
3	丁晓青	清华大学电子工程系	86	2062	24.0	44.0