基于HMM的汉语文本识别后处理研究.PDF

中　文 　信 　息 　学 　报 第 13 卷 第 4 期 JOURNAL OF CHINESE INFORMATION PROCESSING Vol . 13 No. 4 基于 HMM 的汉语文本识别后处理研究 李元祥 　丁晓青 　刘长松 清华大学电子工程系 　北京 　100084 摘要 　本文用 HMM ( Hidden Markov Model) 描述汉语文本识别后处理 ,将汉语语言和单 字识别这两个概率模型结合起来 , 以充分利用单字识别器提供的信息 。语言模型的参数由语 料库统计得到 ;单字识别模型的参数为条件概率 ,经理论分析 ,它可转化为后验概率来求解 。 在分析训练样本集单字识别结果的基础上 , 提 出一种统计方法估计候选字 的后验概率 。 HMM 在脱机手写体汉语文本识别中的实验表明 ,后处理性能除取决于语言模型外 ,还取决于 后验概率的精确估计 。 关键词 　汉字识别 　后处理 　语言模型 　隐马尔可夫模型 　后验概率 Postprocessing Study of Chinese Document Recognition Based on HMM Li Yuanxiang 　Ding Xiaoqing 　Liu Changsong Dep art ment of Elect ronic Engineering 　Tsinghua U niver sit y 　Beij ing 　100084 Email : lyx @ocr serv . ee . t singhua . edu . cn Abstract 　In t his p aper , a po stp rocessing met hod using HMM ( Hidden Markov Model) for Chi nese document recognition is p ropo sed . HMM combines language model wit h single character recognition ( SCR) model to make t he best of SCR outp ut . The p arameter s of language model are derived from corp us , while t he p arameter s of SCR model are conditional p robabilities t hat can be converted into po sterior p robabilities by t heoretic analysis. On t he basis of SCR outp ut analysis , po sterior p robabilities of candidates are obt ained by st atistical met hod . Experiment s in off - line Chinese document recognition show t hat po st - p rocessing performance depends on efficient evalu ation of po sterior p robability , besides p roper language model . Key words 　Chinese Character Recognition 　Po stp rocessing 　Ngram L anguage Model 　Hidden Markov Model 　Po sterior Probability 本文系“全国中文信息学术交流暨工作会议”推荐的优秀论文 (