公开(公告)号：CN114494679B

公开(公告)日：2024-12-31

申请号：CN202111504588.0

申请日：2021-12-10

Applicant: 上海精密计量测试研究所

Inventor： 王东云 ,  李丽芬 ,  孙凡 ,  丁毅

IPC: G06V10/22 ,  G06F40/279 ,  G06F40/216

Abstract: 本发明提供了一种双层PDF生成及校对方法和装置，针对OCR引擎识别结果进行二次处理，将识别结果整理成逻辑完整的段落，再以段落为单位，针对段落句子从字粒度和词粒度两方面进行错误检测和错误纠错，最后根据纠错结果进一步生成双层PDF文档。装置主要包括OCR识别引擎、存储模块、段落合成模块、错误检测纠正模块和输出模块。

公开(公告)号：CN118132668A

公开(公告)日：2024-06-04

申请号：CN202311762167.7

申请日：2023-12-20

Applicant: 上海精密计量测试研究所

Inventor： 王东云 ,  孙凡 ,  丁毅 ,  陶海伟 ,  潘志毅 ,  蔡滨妮 ,  郭素敏

IPC: G06F16/31 ,  G06F16/33 ,  G06F16/903 ,  G06F40/242 ,  G06F40/284 ,  G06F40/30

Abstract: 本发明公开了一种基于规则的元器件规格型号自定义分词方法，以准确地对元器件规格型号文本进行分词，解决现有分词方法对该领域文本处理存在的问题。该方法通过构建元器件规格语料库并分析文本特征，形成领域自定义词典，设计正则表达式规则进行规格符号识别及关键信息保留，确定合理的分词粒度和顺序，基于开源搜索引擎框架集成所构建的词典、规则和策略，实现一个针对元器件规格文本的自定义分词器。应用该分词器，可以有效地支持元器件信息管理系统中对规格文本的索引、检索和知识分析。该方法构建简单有效，可以显著提升对元器件规格文本处理的效果。

公开(公告)号：CN114494679A

公开(公告)日：2022-05-13

申请号：CN202111504588.0

申请日：2021-12-10

Applicant: 上海精密计量测试研究所

Inventor： 王东云 ,  李丽芬 ,  孙凡 ,  丁毅

IPC: G06V10/22 ,  G06F40/279 ,  G06F40/216

Abstract: 本发明提供了一种双层PDF生成及校对方法和装置，针对OCR引擎识别结果进行二次处理，将识别结果整理成逻辑完整的段落，再以段落为单位，针对段落句子从字粒度和词粒度两方面进行错误检测和错误纠错，最后根据纠错结果进一步生成双层PDF文档。装置主要包括OCR识别引擎、存储模块、段落合成模块、错误检测纠正模块和输出模块。