收据OCR的类别

Question

我正在尝试使用tesseract创建收据OCR应用。在识别过程之后，我想确定收据属于哪个类别，例如Food＆amp;饮料，交通，电话费等。我目前的做法是：

1. 在一些常见商店旁边创建类别字典。
2. 识别后，我将使用近似字符串匹配来尝试在字典中找到商店名称，如果存在，我会将收据分配到该类别。
3. 如果找不到，我会将收据分配到默认类别，并等待用户从列表中选择一个。然后我会将这对保存在字典中以备将来使用。

问题在于，除了商店到类别对的限制外，如果我尝试对字典中的每一行使用近似字符串识别，那将会非常慢。有什么办法可以改善这个过程吗？

Answer 1

请注意，商店类别与有用的支出类别（想想 - 我在Target购买了什么，或Staples？）或在Staples购买咖啡与杂货店相匹配。

此API： https://apidocs.itemize.com/enterprise/ 会做你想做的事。