老挝语属于低资源语言,文本语料稀缺使得老挝语自然语言处理的基础任务难以开展,而老挝语的光学字符识别研究在一定程度上能解决语料匮乏的问题,可为老挝语自然语言基础任务的研究提供大量语料。而文字识别技术能力有限,识别结果存在错误使得识别后的老挝文本不能直接用于自然语言处理基础任务。故对老挝文字识别后的文本进行后处理,尽可能纠正错误能有效提高老挝文字识别准确率,以及提升老挝文字识别结果在其他任务上的可利用性。因此,对老挝语的文字识别及后处理研究具有重要意义及研究价值,本文提出了一种融合多特征的老挝语文字识别及后处理方法,旨在解决老挝语在该研究中存在的难点。本文主要工作如下:（1）融合字符结构及音节特征的老挝语文字识别方法。针对老挝语资源匮乏且文字结构复杂导致文字识别困难的问题,提出一种融合老挝语特征的老挝语文字识别方法。首先以合成数据扩充语料库,然后以具有残差结构的卷积神经网络为主干,加入卷积注意力模块,以提取老挝文字图片的图片特征;其次,通过注意力机制动态分配权重组合图片特征信息与老挝特征向量;再有,用双向长短期记忆网络编码组合特征,以预测老挝文字序列标签的真实分布;最后,采用连接时序分类对标签分布进行序列对齐。为证明该方法的有效性,进行了不同对比实验,结果表明,识别准确率达到了87.94%。（2）融合字形特征的多任务老挝语文字识别后处理方法。针对老挝文字识别后存在大量老挝相似字符替换错误的问题,对识别结果进行后处理。引入基于长短期记忆网络的seq2seq模型架构,将老挝字形特征融入模型以辅助模型对相似字符替换错误的纠正,同时,采用多任务学习的方式,以错误检测辅任务优化模型后处理效果,大大降低模型的误纠率。此外,针对相似字符替换错误以数据增强方式扩充训练集。结果表明,该方法有效提升了老挝语文字识别结果的准确率,达91.32%,也获得了较低的误纠率,为5.84%。（3）融合词法特征的联合编码老挝文字识别后处理方法。针对老挝文字识别后存在的字符断裂、粘连等所导致的字符替换、插入及删除错误,在（2）的基础上联合多尺度CNN网络进行特征编码,以提升模型对文本序列局部特征的提取能力,将老挝词法特征融入模型,从而提升模型纠正字符插入、删除错误的能力。并将CNN与Bi LSTM输出的编码向量线性组合后输入后处理解码端,再使用语言模型对解码端预测的文本序列与原始文本进行重排名,得到最佳候选。实验结果表明,该方法可同时提升模型对老挝文字识别结果存在的字符替换及字符插入、删除错误的纠正能力,使文字识别结果准确率提升至92.95%,且进一步降低模型误纠率至2.92%。