如果您正在寻找一张表格,可以根据视觉相似性计算“替换成本”,我已经搜索了一段时间,但没有找到合适的东西,所以我开始将其作为一个新问题来考虑。我没有使用OCR技术,但我正在寻找一种方法来限制概率搜索中误输入字符的搜索参数。由于它们是由于人类在视觉上混淆字符而误输入的,因此同样的原则应该适用于您。
我的方法是根据字母的笔画构成将其分类到一个8位字段中。这些位从左到右依次是:
7: Left Vertical
6: Center Vertical
5: Right Vertical
4: Top Horizontal
3: Middle Horizontal
2: Bottom Horizontal
1: Top-left to bottom-right stroke
0: Bottom-left to top-right stroke
对于小写字母,左侧下降部分记录在位1中,右侧下降部分记录在位0中,作为斜线。
使用该方案,我得出了以下值,试图根据视觉相似性对字符进行排序。
m: 11110000: F0
g: 10111101: BD
S,B,G,a,e,s: 10111100: BC
R,p: 10111010: BA
q: 10111001: B9
P: 10111000: B8
Q: 10110110: B6
D,O,o: 10110100: B4
n: 10110000: B0
b,h,d: 10101100: AC
H: 10101000: A8
U,u: 10100100: A4
M,W,w: 10100011: A3
N: 10100010: A2
E: 10011100: 9C
F,f: 10011000: 98
C,c: 10010100: 94
r: 10010000: 90
L: 10000100: 84
K,k: 10000011: 83
T: 01010000: 50
t: 01001000: 48
J,j: 01000100: 44
Y: 01000011: 43
I,l,i: 01000000: 40
Z,z: 00010101: 15
A: 00001011: 0B
y: 00000101: 05
V,v,X,x: 00000011: 03
这个方案还比较原始,需要更多的工作。不过您可能可以使用它,或者根据自己的需求进行调整。这个方案非常简单,适用于等宽字体。如果您使用无衬线字体,则可能需要重新设置值。
该表是一个混合表,包括所有字符,大小写字母。但是,如果将其分成只有大写字母和小写字母的表,则可能会更有效,并且还可以应用特定的大小写惩罚。
请记住,这只是早期实验。如果您发现改进的方法(例如通过更改位序列),请随时这样做。