我正在使用OCR輸出，並且正在搜索其中的特殊字詞。用於OCR的字距算法
由於輸出不乾淨，我根據低於特定閾值的單詞距離查找與我的輸入相匹配的元素。
但是，我覺得Levenshtein距離或漢明距離並不是最好的方式，因爲OCR總是會犯同樣的錯誤：I爲1,0，O爲O，Q爲O ......並且這些「例如，「經典」錯誤似乎不如「A for K」重要。因此，這些距離不關心字符外觀差異的大小（低/高）。
是否有任何字距離算法，專門爲OCR，我可以使用，將更好地適合我的情況？或者，我應該根據人物的視覺差異憑經驗實施我的自定義單詞距離嗎？
Levenshtein距離允許您爲每個替換對指定不同的成本（http://en.wikipedia.org/wiki/Levenshtein_distance#Possible_modifications，第五項）。因此，您可以通過強調常見錯誤來調整您的需求。
對於每個兩個字符串之間的每個levenshtein動作，取決於char值，我將嘗試使用0到1之間的代價。這應該給我一個雙倍的距離。 – zenbeni
你解決了這個問題嗎？讓我知道你沒有。我爲ABBYY工作並隨時準備爲您提供幫助。 –
我想要的字母不匹配的自定義成本函數，你可以看看EMBOSS軟件包（NW）
這是一個很好的閱讀。使用Needleman-Wunsch通過兩種不同的OCR輸出在第一遍中查找分類名稱。然後使用這些名稱在所有文檔的第二遍中查找這些難以處理的單詞。它可以工作。 – zenbeni
如果你曾經閱讀過tesseract源代碼，你會發現它特殊的處理案例很多 –
你在64位JVM上使用tesseract ocr嗎？ – manu
@manu不，我使用ABBYY FineReader。 – zenbeni