汉字识别中以词为分类单位的分类器研究-中文信息学报.PDFVIP

中　文 　信 　息 　学 　报 第 14 卷 第 2 期 JOURNAL OF CHINESE INFORMATION PROCESSING Vol . 14 No. 2 汉字识别中以词为分类单位的分类器研究 方应谦 　王 　鲁 郑州电子技术学院 203 教研室 　郑州 　450004 摘要 　汉字识别中, 以往的分类器设计都是以字为单位的“字分类器”。字分类器的输出 总是与待识字结构相似的一个侯选字集合 。这是使后级识别容易产生误识的主要原因。为克 服字分类器的缺点 ,本文给出了以词为单位的词分类器设计的策略与方法 ,并实验验证了词分 类器在分类率及分类速度方面均优于字分类器 。 关键词 　汉字识别 　分类 　词分类器 Study on Phrase Classif ier in Chinese Character Recognition Fang Yingqian 　Wang L u Instit ute of Elect ronic Technology 　Zhengzhou 　450004 Abstract 　In Chinese Character Recognition ,t he classifier was designed as wor d classifier who se classification unit is a wor d in t he p ast . The outp ut of wor d classifier is always a set of candidate wor ds t hat are similar wit h awaitrecognised wor ds in st ruct ure of wor d . It is t he p rimary reason t hat make mist akes in po stlevel recognition . To overcome disadvant age of wor d classifier , t he st rategy and met hod of p hrase classifier designing who se classification unit is p hrase are p ropo sed . The experiment s result s p rove t hat p hrase classifier is superior to wor d classifier in rate and speed of classification . Key words 　Chinese character recognition 　Classification 　Phrase classifier 一 、引言 长期以来 ,汉字识别中的分类都是以汉语中的字作为基本单位 ,称作字分类 。字分类的目 的是产生每个待识字的侯选字集合 ,然后将此侯选字集合送识别级进行细识别 。这种识别系 统称为单字识别 ,单字识别是印刷体汉字或手写体汉字识别系统中普遍采用的策略 。由于单 字识别的能力有限[ 1 ,2 ] ,特别是对脱机手写汉字识别 ,其识别率不可能很高 。为了补救识别中 产生的错误 ,通常都在后处理中利用了一些语言知识进行纠错[3～5 ] 。从本质上讲 ,这种利用 语言知识的纠错 ,仍是建立在单字识别基础上的 ,受单字识别 自身缺陷的制约 。归纳起来 ,单 字识别有以下缺点 :从信息论的观点看 ,单字识别中 ,汉字的信息熵大 ,识别算法的信息开销 大 ;从认知心理学角度看 ,单字识别没有利用汉字文本的上下文信息 ,识别速度与识别率较低 ; 从识别系统的关键技术环节看 ,单字识别仅利用了汉字的光学特征 , 因此 ,无论采用哪种分类 26 © 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. 特征提取及匹配算法 ,待识字的侯选字集合的汉字都是与待识字结