Abstract
漢字是寶貴的財產，在於其由基礎字根庫和結構化的字形構成了龐大的漢字數量。本文引入RAN(radical analysis network自由基分析網絡或字根分析網絡)充分利用上述特徵來實現漢字的識別。RAN使用注意力機制實現漢字字根的提取和字根間的空間結構特徵（字形特徵）。然後RAN解碼出包含已提取字根和字形特徵的漢字層次結構。把漢字看做由字根構成比把每個漢字看成一個整體更受人們歡迎，因爲它既能大大降低詞彙量，還能忽視形近字的冗餘信息，並且使得系統能識別未見過的字，例如零基礎學習。文中介紹的方法獲得了自然場景文本行識別競賽MTWI 2018的冠軍，突出了該算法較基於整字建模的中文識別算法的優勢。通過實驗，我們評估RAN在自然場景的的實際表現，此外，新增denseRNN編碼器，多注意力機制和HSV表示的RAN可用於場景文本識別。