手写藏文字符识别研究(黄鹤鸣, 马龙龙, 赵维纳)思维导图

格式：xmin
大小：5.91 KB
文档页数：1

下载文档原格式

藏文不自由虚词的自动识别研究

义。
２） “ ” 栩５ ” 是拉格助词
，
在虚词识别过程中出现以下规则可
跳过。
≈
ｓ３譬
（
）等・例如：酶鬟霉ｓ
（能濠聃动词）礴等。例如：
３） “ ”葺Ｑ “ ”建离食诵，在盎调｛｝ｌｊ５Ｉｌ进程串出现以下规则也霹瑞过・・
藏文不自由虚词的自动识别研究
卓玛吉安见才让
摘要：本文将通过传统藏文文法的语法规则，主要研究藏文文本中大量藏文不自由虚词的识别算法，同时建立了藏文不自由虚词的消岐规则库。使计算机快速地识别并消除藏文句子中不自由虚词的歧义问题。提高藏文自动分词的准确率。使句子的生产、句法分析、八格识别和机器翻译等研究的基础更扎实。关键词：藏文不自由虚词；自动识别；歧艾；规则库
钢
等四个虚词外，其余的５８个
不自由虚词在分词过程中都以单字词的形式出现。建立藏文虚词库ＸＣ；在ＸＣ库中分别建立ｂｚｙｘｃ和ｂｚｙｘｃ２两个表。在
表ｂｚｙｘｃ是不自由虚词中 “ 单字词 ”类虚词表（如：
虚词表。
想：
ｃＩ擎
等
倒如：争弹ｌ峄ｓ鞠
伪如：争∞每
ｎ
钠
倒如：㈣
’
１）本课题的研究根据传统藏文文法，结合最大匹配藏文分词法和藏文树型分词法，在藏文自动分词过程中与自动分词同时进行虚词识

藏语文语转换系统关键技术的研究

２藏语文本预处理
２．１藏文分词
藏文分词是藏文信息处理的一项基础性工作。它
换系统就显得尤为重要。同时，藏语文语转换的实现将会大大丰富藏族地区人民的生活，拓宽信息获取、发
布和交流的渠道，对藏族地区的社会稳定、民族团结、和谐进步有着重要意义。
１．２语音合成历史及现状回顾
是将连续的藏文文本按照一定的算法根据藏语语法规则切分成词的过程。藏文分词作为语音合成、机器翻译、语音识别等研究工作的必要前提，在藏文信息处理领域很是重要。下面本文就藏文分词来加以探讨
行了相关文献的研究和实验，但对藏语语音研究还不
够深入，国外对藏语语音合成方面也未曾有相关报告。
答系统，电子邮件的语音服务以及残疾人语音辅助等
领域。藏语文语转换系统的研究及应用具有很重要的意义，尤其是对于藏族地区的幼儿和老人，藏语文语转
藏文分词方法跟其他语言分词方法类似，都可以
用基于规则的或基于统计的方法，目前，作者阅读过的
诸多文献中，处理藏文分词大多是用基于规则的正向最大匹配上加格助词的正向最大匹配，另外有逆向的
在２０世纪末，可训练的语音合成方法诞生。而后又

BP神经网络在脱机手写吾美藏文识别系统中的应用

１引言
目前在我国大约有５０多万藏族同胞是使用藏０文的，在他们的日常生活中，大部分还是使用传统绝
２识别系统设计方案
２．预处理１
印刷体文字图像经过扫描仪扫描之后得到了待
识别图像，由于在扫描的过程当中会出现多种干扰，
第二步，为了使特征数变少，需要进行特征选择。本文采用降维映射法进行特征选择，２用模板法将５个
初步提取出的特征值进行水平投影之后形成５个特
对于手写文字提取了５Ｘ２特征，过水平投５个５＝经影之后只有５个特征值，作为神经网络的输入，此因输入节点为５个，根据隐含层个数大约为输入节点两倍关系，隐含层取１Ｏ个节点，出层取４个节点．４输这个输出为四位二进制数，表神经网络输出的数字类代
Ａｂｔａｔｓｒｃ：ＴｅｐｐｒｍａｎｙｄｓｕｓｄｔｅｒｃｇｉｏｅｈｉｕｓｏｆｌｅｈｎｗｔｎＷｕｉｏｔｓｙｅｈａｅｉｌｉｓｅｅｏｎｔｎｔｃｎｑｅｆｏｆｉａｄｒｔｍｅｎｔｌ．Ａｔｒｃｈｉ－ｎｉｅｆｆｅ
ｓｍｌｎｍ）ａｐｅｕ函数，计算步骤如下：１）正向传播输出
２期
赵冬香：Ｐ神经网络在脱机手写吾美藏文识别系统中的应用Ｂ
５１
２）反向传播修正权值

藏文(含梵文)字丁自动识别方法研究

藏文（含梵文）字丁自动识别方法研究作者：完么才让来源：《卷宗》2015年第08期摘要：本文以《ISO/IEC 10646藏文编码字符集基本集》为参考，把其中除标点符号外的字符归类到字母集、主字集和元音集三个集合，再将测试文本中的藏文字符与三个集合逐一匹配的方法，准确识别（本文所讲识别，非OCR图形识别）出藏文字丁。

关键词：ISO/IEC 10646；音节；字丁；识别藏文字丁的准确识别是字丁频率、信息熵计算的前提，也是音节分类的基础，更是藏文识别必不可少的环节。

收录至中国知网的关于藏文字丁的几篇论文都未谈及藏文字丁的自动识别方法，本文从一下三个方面详细讲解藏文（含梵文）字丁的自动识别方法。

1 字母集、主字集和元音集把藏文unicode字符集中除标点符号等特殊字符外的其他字符分成字母集、主字集和元音集三个集合，分别用英文标记letter_set、main_char_set和vowels_set表示，则letter_set集合中的字符都无上加字，即字符上下均无main_char_set和vowels_set集合所示的空心圆圈，这类字符在实际文本中多作为字母出现，故将这类字符收录到字母集中。

相应地，main_char_set集合所含字符大都上有空心圈，结合时，附着在前一个字符的下面，把具有这个特征的字符收集到主字集中。

vowels_set集合中的字符都下附空心圆圈，表名这类字符在具体文本中充当元音，应收集到元音集中。

这三个集合是字丁识别的前提，以下内容中用L、M和V分别代表letter_set、main_char_set和vowels_set，Li、Mi和Vi表示对应集合中的任意元素。

2 藏文字丁的基本分类藏文字丁可分为六大类型，分别为：所有藏文字丁可归类到以上六种类型。

3 识别方法在有了集合的划分和字丁的基本分类后，即可依据如下所描述的方法识别出藏文字丁。

假设字符串变量Ttext存放待测试的藏文文本，字符串变量WR表示字丁。

藏文句子语义块识别方法

前主要通过词、短语”皿、组块“河等不同的颗粒度来分析和理解藏文句义，这些藏文句义分析方法从语义层面而言颗粒度越小歧义就越多，另外这些研究方法主要借鉴了汉语的研究方法，没有分析语言之间的差异，因为在汉语组块和句义分析研究中注重词序列.没有考虑助词“的”和标点符号、虚词等⑵〕特征信息.而对于藏文句子来说，虚词在句义中占据着至关重要的位置班旳，例如，
Qinghai Normal University, Xining, Qinghai 810008, China)
Abstract: Semantic understanding is an essential task in natural language understanding. Conventionally. grammar rule-based approaches including lexical and sentence analysis are leveraged to parse the semantic meaning of given text. In this work* we present a new method to address Tibetan sentence semantic parsing via semantic chunking. The semantic chunking is modeled by Bi-LSTM and ID-CNN neural network , respectively. In experiments, the proposed model shows a remarkable performance, achieving the average F)of 89% and 92%, respectively. Keywords: Tibetan； semantic chunk； semantic segmentation； semantic analysis

藏文联机手写识别的研究与实现

ｕｓｅｄ，ｔｈｅａｃｃｕｒａｃｙｒａｔｅｃａｎｒｅａｃｈ９２％．Ｋｅｙｗｏｒｄｓ：Ｔｉｂｅｔａｎｏｎｌｉｎｅｈａｎｄｗｒｉｔｉｎｇｒｅｃｏｇｎｉｔｉｏｎ；ｓｔｒｏｋｅｒｅｃｏｇｎｉｔｉｏｎ；ｄｉｒｅｃｔｉｏｎａｌｃｏｄｅ；ｓｔｒｏｋｅｍｅｒｇｅ
ｉｍｐｌｅｍｅｎｔｓｉｔ．Ｆｉｒｓｔ，ｅａｃｈＴｉｂｅｔａｎｔｅｘｔｉｓｄｅｃｏｍｐｏｓｅｄｉｎｔｏｖａｒｉｏｕｓｓｕｂｐａｔｔｅｒｎｓ，ａｎｄｔｈｅｎｔｈｅｓｕｂｐａｔｔｅｎｉｒｓｆｕｒｔｈｅｒｄｉｖｉｄｅｄｉｎｔｏ
ｓｔｒｏｋｅｓ．ＴｈｒｏｕｇｈｔｈｅｉｄｅｎｔｉｉｆｃａｔｉｏｎｏｆｓｔｒｏｋｅｓａｎｄｔｈｅｃｏｒｒｅｓｐｏｎｄｉｎｇｒｕｌｅｓｏｆｅａｃｈＴｉｂｅｔａｎｃｈａｒａｃｔｅｒ，ｔｈｅｕｓｅｒ ’ ｓｈａｎｄｗｒｉｔｉｎｇｃｈａｒａｃｔｅｒ
ｍａｒｋｉｔ，ａｎｄｔｈｅｎｔｈｅｓｔｒｏｋｅｉｓｄｅｔｅｒｍｉｎｅｄ．Ｂｅｆｏｒｅｔｈｅｉｄｅｎｔｉｉｃｆａｔｉｏｎ，ｔｈｅｓｉｍｉｌａｒｓｔｒｏｋｅｓａｒｅｃｌａｓｓｉｉｅｆｄａｎｄｍｅｒｇｅｄｔｏｓｏｌｖｅｔｈｅ

藏文人名自动识别研究

藏文人名自动识别研究作者：娘本先安见才让来源：《电子技术与软件工程》2015年第19期摘要目前的藏文人名识别研究大多通过英语、汉语等语种的方法来研究藏文人名的识别，虽然有着较好的识别效果，但对人名的用词、构词特点及应用藏文文法规则对人名上下文信息特征的分析较浅。

本文提出了通过建立藏文人名构成词的成分属性词典，动态生成人名库，利用传统文法中人名上下文信息特征的文法规则建立藏文人名上下文指示词库对人名自动识别的方法。

【关键词】藏文人名自动识别动态人名库指示词在进行藏文自然语言处理时，分词与标注是藏语语言信息处理的基础内容，也是藏语词法分析的核心。

藏文人名识别作为藏文分词与标注系统的重要处理内容，目前的藏文分词与标注系统在处理含有藏文人名等未登录词时，其效果一般难以满足实际的需求。

而藏文人名在未登录词中占有较大的比重，也是未登录词识别的主要难点。

因此，藏文人名的自动识别对于藏文未登录词识别以及藏文自动分词与标注具有重要的意义。

1 藏文人名识别的研究现状及难点1.1 藏文人名识别的研究现状目前国内外针对人名的自动识别主要有三种：基于规则方法、统计方法以及规则与统计相结合的方法。

藏文人名自动识别研究也以上述三种方法为主要研究方法，加上藏文人名的上下文信息特征来识别藏文人名为主。

1.2 藏文人名识别的难点人名等命名实体识别发展至今在英文和中文领域已经取得了很大的成果，但是由于藏文人名自身的特殊性，使得藏文人名识别研究进展缓慢，藏文人名识别中的难点包括：（1）音节长度不固定。

按照藏族的传统命名方式藏文人名在起名时大多以3-4个音节结构较为普遍，但是由于在现实生活中对称呼的变化，藏文的音节长度最短的2个音节，最长可达26个音节。

（2）藏文人名本身并无明显的特征。

藏文人名不同于英文和汉文人名，如英文人名在文本中出现时首字母为大写，汉文人名一般采用“姓氏+名字”的命名方式。

藏文人名不存在大小写等形式上的特征，也没有严格意义上的姓氏。

基于深度学习的藏文手写字符识别研究

教育信息化
基于深度学习的藏文手写字符识别研究
师跃普西热旦增陈瑶强巴旦增西藏大学
摘要：深度学习经常被用来帮助计算机理解大量的图像、文本和声音等形式的信息。由于其包含多层类似人脑的感知器，它可以通过大量的数据信息来学习，当在遇到类似情况的时候能够做出与之相适应的反应。本文主要通过构建和运用深度学习中的卷积神经网络来学习和认识藏文手写字符。
activations = tf.nn.relu(preactive,
name="activation")
池化层代码如下：
tf.nn.max_pool(x, ksize=[1, 2, 2, 1],strides=[1, 2, 2, 1],
padding='SAME')
全连接层代码如下：
with _scope(name):
表 1 训练 20 次数据表
次数准确率
次数准确率
1 0.58
11 0.95
2 0.67
12 0.938
3 0.72
13 0.91
4 0.83
14 0.9201
5 0.80
15 0.92
6 0.85
16 0.91
7 0.89
17 0.911
8
9
10
0.94 0.93 0.902
பைடு நூலகம்
18 19 20
0.902 0.8984 0.93
with _scope("weights"): W = init_weights(shape)
with _scope("biases"): b = init_bias([shape[3]])

藏文自动分词系统中紧缩词的识别

文分词是藏文语料库建设的基础, 已分词、标注的成熟语料库是藏文文语转换、藏文与其他语言文字间的机器翻译、藏文文本校对、藏文拼写检查、文本检索等方面研究的重要资源[ 2] 。
2 藏文自动分词过程
分词技术属于自然语言处理技术范畴。众所周知, 人通过自己的知识先把句子切分成词, 然后根据词之间的关系来理解句子, 计算机理解句子也要先把句子切分成词。
( 重要的新闻我听也听了, 内容也领
会了。) 字串
中有紧缩词
, 去掉紧缩词后的字
串为 , 在词库中存在, 分词结果为和
具格助词 , 此时的不是后置字, 从而识别
了紧缩词 ; 字串
中有紧缩词 , 去掉
紧缩词后的字串为
,
在词库中存在,
分词结果为
和属格词 , 识别了紧缩词
; 字串
中有紧缩词 , 去掉紧缩词后
和属格助词 , 识别了
经测试用还原法不能识别两种情况下的紧缩词。其一, 去除紧缩词后的词仍不在词库中, 即未登录词+ 紧缩词的形式, 这种情况一般可用扩大词库的方法解决; 其二, 使用还原法时在第一步( 去除) 后就识别了紧缩词, 正确结果应该是第二步( 添加)
后识别紧缩词。例如, 词过程中去除紧缩词
成词。
常用规模式匹配的方式进行分词对分词速度的
影响非常大, 为提高分词速度可把藏文文本以几个
特殊的藏文格助词
( 以下把这
几个格助词简称为特殊格助词 ) 为临界符进行分块, 具体过程如下:
1) 对句子从前向后开始扫描, 直至遇到特殊格助词;
2) 以特殊格助词为基准, 分别正向和逆向取字合并, 并判断是否在临界库中存在。若不存在, 则将该特殊格助词前的文本作为一个块, 继续执行 1) ; 否则切分出临界词, 将临界词前的文本作为一个块, 继续执行 1) 。

藏文古籍文本检测研究现状

藏文古籍文本检测研究现状作者：王梦锦拥措李善琛来源：《电脑知识与技术》2020年第10期摘要：该文主要介绍了在过去十几年内自然场景文本检测最常用的算法以及其研究趋势，仔细阐述了藏文在文本检测与识别上的发展历程，讲述了众多研究学者根据藏文文字的结构特征，音节符特征等方面进行研究，为后期的藏文古籍文献检测试验打下基础。

关键词：藏文古籍文该文献;文本检测;深度学习;OCR中图分类号：TP399 文献标识码：A文章编号：1009-3044（2020）10-0204-04随着电子科技和移动互联网的快速发展，移动电话，相机和其他的移动端的普及，基于传统的文本搜索已经不能满足人们的日常需求，人们意识到识别复杂场景下图片上的文字的必要性。

顺应时代与信息科技发展的需求，藏文古籍文献数字化也变得必不可少。

藏文古籍文献的数字化，有助于藏文古籍文献的保存与文化传承，有效促进西藏文化的发展。

但藏文古籍文献的文本环境特殊，可用数据集较少，再加上扫描或者用相机进行拍照录入时，会导致其分辨率降低。

而藏文古籍文献本身就存在众多问题，随着时代的变迁，介于藏文古籍文献的保存完好程度来看，不同的文献会出现不一样的清晰度，字体的大小，颜色，尺寸也大不相同，有些文献会出现字迹模糊，文字扭曲等现象，还有一些非文字区域出现类似于文字的纹理，其干扰检测的准确率。

针对以上困难，国内外专家对其进行多次的研究，最常见的算法来源于国外，如文献等;但我国国内对这些经典算法改进迅速，如文献等。

文本检测传统方法有：SWT、MSER等;深度学习的方法有：R-CNN、Fast R-CNN、Faster R-CNN、CTPN等。

本文将自然场景文本检测的算法进行总结，阐述了藏文在文字检测、识别上发展历程。

1文本检测研究现状1.1自然场景文本检测研究现状传统文档分析与现代文档分析区别在于数据集外观上的不同，传统的文档分析所用的是光学字符识别（Optical Charac-ter Recognition，OCR），OCR技术这一概念是早在20世纪20年代由德国的一位科学家提出，后来由美国的一位科学家将其运用到文字识别上。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。