申请/专利权人:浙江大学
申请日:2023-11-15
公开(公告)日:2024-03-22
公开(公告)号:CN117744628A
主分类号:G06F40/205
分类号:G06F40/205;G06F40/30;G06F16/31;G06F40/289;G06F40/126;G06F18/22;G06F40/211
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.09#实质审查的生效;2024.03.22#公开
摘要:本发明公开了一种基于多模态表示学习的文档质量评估方法、系统及设备。其步骤如下:1分别利用文本和图像的大规模预训练模型,提取文档的文本模态和视觉模态的语义特征;2利用专家知识选取高质量的文档作为种子文档;3采用余弦相似度计算种子文档与待评估的文档的语义距离,获得文档的文本质量和视觉质量的指标。本发明借助深度预训练模型的先验知识,能够全面地识别文档内容的质量,并且实现自动化识别。本发明在文档智能乃至投资场景下具有重要应用价值。
主权项:1.一种基于多模态表示学习的文档质量评估方法,其特征在于,它的步骤如下:S1:分别对待评估文档中的文本和图像两种模态数据进行抽取,再对每一种模态数据进行预处理形成对应的模态特征,使其满足各自对应的预训练模型的编码器输入要求;S2:将待评估文档的文本特征和视觉特征分别输入各自对应的大规模预训练模型中进行深度语义表示和聚合,得到待评估文档的文本模态向量表示和视觉模态向量表示;S3:获取与待评估文档属于相同行业且经过领域专家筛选的种子文档集合,将集合中的每个种子文档按照与待评估文档相同的方法得到对应的文本模态向量表示和视觉模态向量表示,并作为评估候选文档质量的基准;S4:计算待评估文档与种子文档集合中每一份种子文档之间文本模态向量表示的平均余弦相似度,用于表征待评估文档的文本质量;计算待评估文档与种子文档集合中每一份种子文档之间视觉模态向量表示的平均余弦相似度,用于表征待评估文档的视觉质量。
全文数据:
权利要求:
百度查询: 浙江大学 基于多模态表示学习的文档质量评估方法、系统及设备
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。