一种基于nsp的对ocr的文本聚类去噪方法

本发明提出一种基于nsp的对ocr的文本聚类去噪方法，涉及噪音数据识别技术领域，包括获取数据、聚类、获取簇心、簇心的处理以及去噪处理五个步骤，本发明提供一种结合上下文语义分析与聚类分析的一种方法，利用bert模型中的nsp任务模型进行聚类，再对结果进行分析，得到离散的噪音数据，具有通用性以及简便性，由此本发明能够在不同场景和条件下工作，无论是处理高分辨率的扫描文档还是低质量的手机拍摄图像，能够识别并过滤掉那些不相关或错误的文本信息，以确保最终输出的数据是准确和可靠的。