静态低分辨率长微博图片的文字提取效果对比分析.pdfVIP

2013全国计算机网络与通信学术会议优秀论文 Telecom market 静态低分辨率长微博图片的文字提取效果对比分析 赵磊 郭晶 吴潇 (任子行 网络技术股份有限公司 100029 国家计算机网络应急技术处理协调中心 100029) 摘 要：长微博图片是近年来出现的微博信息形式，对其进行文字提取对社交网络信息 传播规律的分析具有重要意义，但 目前尚缺乏针对静态低分辨率长微博图片的文字提取 效果的对比分析。本文针对6种主流长微博生成工具进行分析，将主流长微博图片分为 8种主要类型，并利用 6种典型OCR工具进行测试。实验结果表明，现有OCR技术对长 微博图片的平均识别率达到 9O％以上，但对于常见的复杂类型长微博识别率较低，亟待 研究针对性的长微博图片文字提取方法。 关键词：长微博；文字提取 中图分类号：TN919．81 文献标识码：A 文章编号： CharacterRecognitionEffectAnalysisandComparisonof StaticLow-resolutionLong-microbloggingPictures ZhaoLci‘ GuoJing2 W uXiao。 RenzixingNetworkTechnologyCo．，Ltd．(100029) 。CNCERT／CC (100029) Abstract：Characterrecognitionfrom long-microbloggingpictures，whichisemergingrecent years，isimportantfortheanalysisofinformationpropagationofsocialnetworking．Howeve~ there isstilla lack ofanalysisnad comparison ofcharacterrecognition effectofstatic low-resolution long-microbloggingpictures．Thispapernaalysissix pop generatorof long-microbloggingpicutres，anddividedthepicturesintoeightmaintypes．Th en，weusesix typicalOCR toolsfortesting．Th eexperimentalresultsshowhtattheexistingOCR technology toachievemorehtan90％ofhteaveragerecongitionrateoflong-microbloggingpicutre，but forhtelesscommontypeofcomplexlongmicrobloggingrecongitionrateurgenttargeted long-microbloggingimagetextextractionmethod． Keywords：long-microblogging，characterrecongition 1引言 社交网络的蓬勃发展为网络信息传播带来了越来越重大的影响，不但改变了网络信 息的流动方向，也改变了网络信息的流动规律 [卜2]。而以twitter为代表的微博的出现， 采用减少信息体积的方式，提高了信息的流动速度，为以Facebook为代表的社交网络注 入了新的活力。 长微博是一个新兴的词汇，是随着微博的发展才出现的。正常情况下，微博一次只 能发 140个字以内的内容，承载的信息量有限。而长微博利用图片附件的形式，增加了 单条微博能够承载的信息量。另一方面，由于微博作为轻型社交网络的信息体积限制， 通信市场2·013年 1—2月 第 149页 2013全国计算机网络与通信学术会议优秀论文 Telecommarket 因