收据 OCR 类别

Question

我正在尝试使用 tesseract 创建收据 OCR 应用程序。在识别过程之后，我想确定收据属于哪个类别，例如食品和饮料、交通、电话账单等。我目前的做法是：

1. 在一些常见商店旁边创建一个类别字典。
2. 识别后，我将使用近似字符串匹配尝试在字典中查找商店名称，如果存在，我会将收据分配到该类别。
3. 如果没有找到，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，除了存储到类别对的限制之外，如果我尝试对字典的每一行使用近似字符串识别，它会非常慢。有什么办法可以改进这个过程吗？

Answer 1

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

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