[發明專利]計算機、文檔識別方法以及系統

有效

• 申請號: 201810160384.1
• 申請日: 2018-02-26
• 公開（公告）號: CN108984578B
• 公開（公告）日: 2022-03-11
• 發明（設計）人: 渡邊恭男;大河內俊夫;新莊廣;本林正裕;鈴木康文
• 申請（專利權）人: 株式會社日立制作所
• 主分類號: G06F16/13
• 分類號: G06F16/13;G06V20/62;G06V30/10
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 劉慧群

1.一種計算機，提取表示記載于紙的文檔的特征的字符串即屬性，其特征在于，

所述計算機具備處理器以及與所述處理器連接的存儲裝置，

所述存儲裝置存放模板信息以及詞典信息，所述模板信息對定義了至少一個以上的屬性的類型的多個模板進行管理，所述詞典信息對作為所述屬性而提取的字符串進行定義，

所述模板信息包含多個條目，所述條目由所述模板的識別信息、表示所述屬性的類型的識別信息、以及表示與所述屬性的類型對應的屬性的紙面上的位置的位置信息構成，

所述處理器，

針對記載于所述紙的文檔的圖像數據執行字符識別處理，

使用所述字符識別處理的結果以及所述多個模板，提取與所述多個模板各自定義的所述屬性的類型對應的屬性，

使用所述詞典信息、所述模板信息以及所提取出的所述屬性，針對所述多個模板的每一個，計算與所提取出的所述屬性相關的得分，

基于所述得分，從所述多個模板之中選擇屬性的提取精度最高的模板，

生成包含使用所選擇的所述模板而提取出的屬性的輸出信息，

使用所選擇的所述模板的所述得分，生成表示記載于所述紙的文檔的特征的特征向量，

使用所述特征向量，計算表示所述輸出信息的可靠性的評價值，

基于所述評價值以及閾值的比較結果，判定是否需要進行所述輸出信息的修正或者新的輸出信息的生成。

2.根據權利要求1所述的計算機，其特征在于，

所述處理器，

參照所述詞典信息，計算表示所提取出的所述屬性與登記于所述詞典信息的字符串一致的程度的第1得分，

參照所述模板信息，計算評價所述位置信息與所提取出的所述屬性的紙面上的位置的偏差的第2得分，

生成以所提取出的所述屬性的所述第1得分以及所述第2得分作為分量的所述特征向量。

3.根據權利要求2所述的計算機，其特征在于，

所述處理器，

計算評價所提取出的所述屬性的紙面上的范圍的大小的第3得分，

計算評價所述屬性的類型相同的屬性間的距離的第4得分，

生成以所提取出的所述屬性的所述第1得分、所述第2得分、所述第3得分、以及所述第4得分作為分量的所述特征向量。

4.一種文檔識別方法，由提取表示記載于紙的文檔的特征的字符串即屬性的計算機執行，其特征在于，

所述計算機具備處理器以及與所述處理器連接的存儲裝置，

所述存儲裝置存放模板信息以及詞典信息，所述模板信息對定義了至少一個以上的屬性的類型的多個模板進行管理，所述詞典信息對作為所述屬性而提取的字符串進行定義，

所述模板信息包含多個條目，所述條目由所述模板的識別信息、表示所述屬性的類型的識別信息、以及表示與所述屬性的類型對應的屬性的紙面上的位置的位置信息構成，

所述文檔識別方法包括：

第1步驟，所述處理器針對記載于所述紙的文檔的圖像數據執行字符識別處理；

第2步驟，所述處理器使用所述字符識別處理的結果以及所述多個模板，提取與所述多個模板各自定義的所述屬性的類型對應的屬性；

第3步驟，所述處理器使用所述詞典信息、所述模板信息以及所提取出的所述屬性，針對所述多個模板的每一個，計算與所提取出的所述屬性相關的得分；

第4步驟，所述處理器基于所述得分，從所述多個模板之中選擇屬性的提取精度最高的模板；

第5步驟，所述處理器生成包含使用所選擇的所述模板而提取出的屬性的輸出信息；

第6步驟，所述處理器使用所選擇的所述模板的所述得分，生成表示記載于所述紙的文檔的特征的特征向量；

第7步驟，所述處理器使用所述特征向量，計算表示所述輸出信息的可靠性的評價值；以及

第8步驟，所述處理器基于所述評價值以及閾值的比較結果，判定是否需要進行所述輸出信息的修正或者新的輸出信息的生成。