申请/专利权人:达观数据有限公司
申请日:2024-02-20
公开(公告)日:2024-06-07
公开(公告)号:CN118155223A
主分类号:G06V30/30
分类号:G06V30/30;G06V30/42;G06V30/18
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.06.25#实质审查的生效;2024.06.07#公开
摘要:本发明公开了一种基于语料字典的行内公式识别方法及装置,本发明先利用自研发的启发式识别算法识别出待识别文本中的等号,以等号所在位置为中线向其左右两侧逐字符搜索公式特征字符,再以等号两侧搜索到的第一个公式特征字符为搜索起点继续向两侧进行搜索直至遇到非公式特征字符并根据左右两个非公式特征字符的字符信息快速、准确、高效地定位出公式位置,整个过程无需进行深度学习训练,简单高效,适用于多种文档类型,且在各类文档样本均具有优秀的鲁棒性和准确率,可以满足日益增长的公式处理需求。
主权项:1.一种基于语料字典的行内公式识别方法,其特征在于,具体包括以下步骤:S1,构建公式语料字典;S2,利用启发式识别算法识别出待识别文本中的等号,所述待识别文本为版面规范的文本;S3,以等号所在位置为中线向其左右两侧逐字符搜索,判断其两侧设定距离范围内是否均存在公式语料字典中的公式特征字符,若存在,则以等号两侧搜索到的第一个公式特征字符为搜索起点继续向两侧进行搜索直至遇到非公式特征字符并根据左右两个非公式特征字符的字符信息定位出公式位置;否则说明当前文本行不包含公式;S4,将公式的位置信息保存到目标文件。
全文数据:
权利要求:
百度查询: 达观数据有限公司 一种基于语料字典的行内公式识别方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。