申请/专利权人:深圳智能思创科技有限公司
申请日:2023-12-29
公开(公告)日:2024-03-29
公开(公告)号:CN117494688B
主分类号:G06F40/18
分类号:G06F40/18;G06F40/295;G06F40/30;G06F18/214;G06F18/24
优先权:
专利状态码:有效-授权
法律状态:2024.03.29#授权;2024.02.23#实质审查的生效;2024.02.02#公开
摘要:本发明涉及文件数据提取技术领域,尤其涉及一种表单信息抽取方法、装置、设备及存储介质。该方法通过对待处理表单进行识别,得到待处理数据集,其中,待处理数据集中包括多个实体;同步对多个实体进行实体识别与关系判断,得到识别判断结果;根据识别判断结果,对待处理表单进行实体信息抽取,得到目标实体信息。本发明通过识别待处理表单,识别出多个实体,然后同步对实体进行实体识别与关系判断,考虑到了多个实体间的相互关系以及上下文联系,最后根据实体识别与关系判断的结果对该待处理表单进行实体信息抽取以得到目标实体信息,提高了表单信息抽取的效果与效率。
主权项:1.一种表单信息抽取方法,其特征在于,包括:采用OCR对待处理表单进行初步识别,得到初步处理数据集;将所述初步处理数据集进行重新排序,并截断过长序列,得到待处理数据集,其中,所述待处理数据集中包括多个实体;将词嵌入模型、文本分布模型、文本位置信息提取模型、特征图像提取模型与预训练编码器模型进行组合,得到编码器模型;构建抽取解码器模型,并将所述编码器模型与所述抽取解码器模型进行组合,得到初始联合模型;根据离散分类标签,确定概率分布标签;基于所述离散分类标签的权重,采用所述离散分类标签对所述初始联合模型进行实体识别训练与关系判别训练,得到基础联合模型;基于训练轮次过渡系数,调整所述离散分类标签与所述概率分布标签的权重分布,以采用所述概率分布标签对所述基础联合模型进行实体识别训练与关系判别训练,得到联合训练模型;根据所述联合训练模型,对所述多个实体进行实体识别与关系判断,得到所述识别判断结果;根据所述识别判断结果,对所述待处理表单进行实体信息抽取,得到目标实体信息。
全文数据:
权利要求:
百度查询: 深圳智能思创科技有限公司 表单信息抽取方法、装置、设备及存储介质
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。