汉字手写体识别后处理的研讨.pdfVIP

汉字手写体识别后处理的研究* 徐志明王晓龙 张凯关毅 孙玉琦 哈尔滨工业大学计算机系 150001 Xuzm@insun.hit.edu.cn 摘 要 木文提出了一种规则与统计相结合的计算语言模型应用于汉宇手写体后处理的技术，把基于统 计的大词表Markov模型与规则量化模型通过词网格技术集成在一个汉字手写体后处理系统。该项技术 己应用于HPC(手持机)手写电脑的联机汉字手写体识别系统中。 关键词 Markov模型 手写体识别 规则最化 APostProcessingMethodtoHandwrittenChineseCharacterRecognition XuZhinring WangXiaolong ZhangkaiGuanY SunYuqi DepartmentofComputerScienceandTechnology，HarbinInstituteofTechnology,Harbin,150001 Xuzm@insun.hit.edu.cn Abstract InthispaperalanguagemodelintegratingRule-Basedgrammarandstatisticallanguagemodelfor handwrittenChinesecharacterrecognitiontaskisproposed.Markovlanguagemodelbasedonlargevocabulary andquantizedrulesmodelareconstructedinahandwrittenChineserecognitionsystem.Thetechnologyhasbeen 即口iedtoHPC(handholdcomputer)handwrittenChineserecognitionsystem Keywords Markovmodel,handwrittenChineseCharacterrecognition.ouantizedrules 1引言 手写输入是一种良好的人机通讯方式，具有简捷方便的特点。汉字手写体识别技术一 直是智能计算机接口的研究重点。目前联机汉字手写体识别技术已进入实用化阶段，许多 科研机构推出了各自的联机汉字手写体识别系统。汉字手写体识别系统一般由两部分组 成。前端识别和语言理解。前端识别器产生带有可信度的候选汉字矢量序列;后者利用语 言理解模型对前者的候选汉字矢量序列进一步择优解码。通常语言理解模型有基于统计和 基于规则两种主流方法。基于统计的Markov模型适合处理非受限域大规模真实文本，在 语音识别、文字识别和文本校对等领域有广泛的应用[11[21。系统鲁棒性强，由于计算机的 时间和空间的局限性，只能建立低阶Markov模型，这样仅能处理语言的近邻搭配关系。 基于规则的语言模型适合处理受限域文本，能处理特定的远距离搭配关系和语言深度递归 本课题得到国家863项 目支持 (863-306-03-02-1) 113 卜 ﹄ 现象，但系统鲁棒性差，难以反映复杂多变的语言现象。 统计方法和规则方法两者各不相同，同时有存在着很强的互补性，因此把两者结合起 来形成的混合语言模型3[714A51具有两者的优点，语言理解的效果会更好。统计和规则结合 的方式一般有两种，一种方式为把统计信息加入到规则文法中，形成概率文法;另一种方 式为通过规则量化把规则加入到统计模型。许多研究人员对概率文法进行了较深入的研 究，本文采用规则量化方法，把词法规则、短语规则和句法规则加入到统计模型，形成规 则和统计相结合的混合语言模型，利用该混合语言模型对联机手写体识别进行后处理。 2Markov统计语言模