基于文本的模式匹配算法入门--课堂笔记share（主要是任务思路和推荐工具）

OCR(光学字符识别)工具：

• Miner U  http://opendatalab.com/OpenSourceTools/Extractor
• CSIG文档图像分析与识别专委会公众号

OCR任务处理思路：

原始模态	目标模态	模式匹配算法
图片 （像素集合） 检索语句 （文本序列）	文本	字符串匹配
	像素集合	图像相似度度量
	统一模态（Embeding）向量	向量空间度量（常用）

对文本做分词/扩充，对图片做文字识别

模式匹配算法：

• 识别文本:

	单检索词	多检索词	带逻辑运算符的检索式
识别词	HASH	TRIE
文本行	KMP/BM	AC