5位数误读分析

Question

与经典的“手写”意义上的数字识别无关，

。

以上免责声明，以避免这被计算为重复。

我有96个序列号的选择，以及>220个序列号的单独选择。在较大的集合中，通常存在较小的集合(但并不总是如此)，但也有120个不正确的数字。

请看下面的例子-为了记录，我已经尽可能地匹配了.正确的数字是第一位的，“可能性”在右括号中：

21490 (21490,21400,21498,21499,21480,21488)

21491 (21401,21481,1401)

21492 (21492,21402)

这个集合提供了一个很好的例子，说明了我所看到的事物的类型：

1. 数字同样被误读(0->9和8)
2. 有时一个数字被完全遗漏了。
3. 有时候正确的数字根本读不出来.

它不限于0，8s和9s，但这是最坏的，所以我想试着理解哪些数字字符是有问题的(给他们所有的分数)，并建立一个模型，它接受一个数字，知道它可以是一个数字的列表，并给我它应该是什么数字，最好是一个有信心的度量。

以前有人这样做过，有什么想法吗？

Answer 1

第一步是找出候选号码与参考列表中的任何数字有多相似。我认为对于基于字符的字符串相似性度量(通常是Levenshtein编辑距离 )来说，这是一个完美的例子。

如果可能有几个匹配，可能会有第二个步骤，可以预测最有可能的匹配，也许根据数字的频率。