区块级阅读顺序检测模型

错误率降91%

以学习排序取代n-gram启发式，在古籍OCR中将位置错误率从61.7%降至5.4%，并大幅减少所需标注数据。

Hsing-Yuan, Ma · Liu, Chaolin · Huang, Hen Hsen

Multimedia Tools and Applications 2025

参数信息

位置错误率

5.4 %

较启发式方法相对降低

91.3 %

较MLP相对降低

90.4 %

技术优势

错误率降91%

在MTHv2数据集上，位置错误率从启发式方法的61.7%降至5.4%，相对降低91.3%，大幅减少后处理人工校对工作量。

不用n-gram

该区块方法不依赖n-gram技术，而是通过学习排序对文本块排序，并在块内按顺序拼接文本，免去了语言模型的预训练与维护。

数据需求低

额外实验表明，达到满意的阅读顺序检测质量所需的数据量远低于一般预期，降低了古籍领域的标注成本。

已实测

团队在AAAI会议上演示了功能完整的原型系统，其实际性能为设计有效性和可扩展性提供了实据，也可迁移至日文等场景。

应用场景

• 古籍数字化：可直接输出正确文本顺序，免去古籍数字化后繁重的手工重排。
• 文档版面分析：在版面分析中作为排序组件，自动串联检测到的文本块。
• 多语言OCR：区块排序策略不依赖语言模型，可迁移到日文等其他排版。