[發(fā)明專(zhuān)利]一種對(duì)電子卷宗的標(biāo)題自動(dòng)識(shí)別的方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201910972986.1
• 申請(qǐng)日: 2019-10-14
• 公開(kāi)（公告）號(hào): CN110728240A
• 公開(kāi)（公告）日: 2020-01-24
• 發(fā)明（設(shè)計(jì)）人: 趙岳;張學(xué)來(lái);賀敏;劉佳寧;付陽(yáng);張創(chuàng)偉
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京華宇信息技術(shù)有限公司
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)號(hào): G06K9/00;G06K9/62;G06N3/04
• 代理公司: 11640 北京中索知識(shí)產(chǎn)權(quán)代理有限公司
• 代理人: 胡大成

1.一種對(duì)電子卷宗的標(biāo)題自動(dòng)識(shí)別的方法，其特征在于：對(duì)所述電子卷宗分類(lèi)，分為文本格式卷宗和表格格式卷宗；分別對(duì)文本格式卷宗和表格格式卷宗進(jìn)行標(biāo)題識(shí)別，輸出標(biāo)題識(shí)別結(jié)果。

2.根據(jù)權(quán)利要求1所述的一種對(duì)電子卷宗的標(biāo)題自動(dòng)識(shí)別的方法，其特征在于：還包括采用深度神經(jīng)網(wǎng)絡(luò)的分類(lèi)模型進(jìn)行訓(xùn)練的步驟，所述采用深度神經(jīng)網(wǎng)絡(luò)的分類(lèi)模型進(jìn)行訓(xùn)練的步驟是在對(duì)電子卷宗分類(lèi)之前進(jìn)行的，具體包括：

步驟a、收集大量的標(biāo)題文本和非標(biāo)題文本形成標(biāo)題訓(xùn)練集，標(biāo)題文本作為標(biāo)題訓(xùn)練集的正樣本，非標(biāo)題文本作為標(biāo)題訓(xùn)練集的負(fù)樣本；

步驟b、對(duì)自動(dòng)識(shí)別裝置基于標(biāo)題訓(xùn)練集進(jìn)行標(biāo)題類(lèi)訓(xùn)練和非標(biāo)題類(lèi)訓(xùn)練；

步驟c、將詞性的向量隨機(jī)加入訓(xùn)練。

3.根據(jù)權(quán)利要求2所述的一種對(duì)電子卷宗的標(biāo)題自動(dòng)識(shí)別的方法，其特征在于：所述的標(biāo)題訓(xùn)練集根據(jù)需要進(jìn)行補(bǔ)充，用戶自行收集標(biāo)題文本和非標(biāo)題文本，人工篩選后加入標(biāo)題訓(xùn)練集重新訓(xùn)練。

4.根據(jù)權(quán)利要求1所述的一種對(duì)電子卷宗的標(biāo)題自動(dòng)識(shí)別的方法，其特征在于：包括以下步驟：

步驟1、輸入電子卷宗，獲取待識(shí)別的圖像；

步驟2、對(duì)電子卷宗進(jìn)行文字識(shí)別和表格區(qū)域識(shí)別；

步驟3、判斷該電子卷宗是否為表格格式卷宗，如判斷是表格格式卷宗，則到步驟4；如判斷不是表格格式卷宗，則到步驟5；

步驟4、將表格上方的文本作為標(biāo)題識(shí)別待選區(qū)域，提取該標(biāo)題識(shí)別待選區(qū)域中的文本，到步驟6；

步驟5、選擇文首、位置居中或文字相對(duì)大的區(qū)域作為標(biāo)題識(shí)別待選區(qū)域，提取該標(biāo)題識(shí)別待選區(qū)域中的文本，到步驟6；

步驟6、對(duì)提取的文本進(jìn)行匹配，輸出匹配結(jié)果；

步驟7、根據(jù)匹配結(jié)果判斷是否為電子卷宗的標(biāo)題；

步驟8、輸出標(biāo)題識(shí)別結(jié)果。

5.根據(jù)權(quán)利要求4所述的一種對(duì)電子卷宗的標(biāo)題自動(dòng)識(shí)別的方法，其特征在于：所述的步驟3中判斷電子卷宗是否為表格格式卷宗的標(biāo)準(zhǔn)是：所述電子卷宗的組成方式為文本+1個(gè)表格，并且表格的部分占電子卷宗的60％以上，則判斷該電子卷宗為表格格式卷宗；否則判斷為文本格式卷宗。

6.根據(jù)權(quán)利要求4所述的一種對(duì)電子卷宗的標(biāo)題自動(dòng)識(shí)別的方法，其特征在于：所述的匹配是通過(guò)正則表達(dá)式匹配或通過(guò)基于深度神經(jīng)網(wǎng)絡(luò)的分類(lèi)模型進(jìn)行判斷匹配。

7.根據(jù)權(quán)利要求6所述的一種對(duì)電子卷宗的標(biāo)題自動(dòng)識(shí)別的方法，其特征在于：所述的基于深度神經(jīng)網(wǎng)絡(luò)的分類(lèi)模型，是指分別對(duì)標(biāo)題和非標(biāo)題的文本進(jìn)行分類(lèi)標(biāo)注形成標(biāo)題訓(xùn)練集，并基于標(biāo)題訓(xùn)練集進(jìn)行訓(xùn)練，使得分類(lèi)模型有自動(dòng)判斷一段文本是標(biāo)題類(lèi)或非標(biāo)題類(lèi)的能力，根據(jù)分類(lèi)模型的判斷，可以將正確的標(biāo)題文本判斷并提取出來(lái)。

8.根據(jù)權(quán)利要求4所述的一種對(duì)電子卷宗的標(biāo)題自動(dòng)識(shí)別的方法，其特征在于：所述的步驟7中判斷是否為電子卷宗的標(biāo)題的標(biāo)準(zhǔn)為：匹配結(jié)果的概率大于等于80％則判斷是電子卷宗的標(biāo)題，小于80％則判斷不是電子卷宗的標(biāo)題。

9.根據(jù)權(quán)利要求4所述的一種對(duì)電子卷宗的標(biāo)題自動(dòng)識(shí)別的方法，其特征在于：所述的步驟8中標(biāo)題的識(shí)別結(jié)果有兩種：即輸出標(biāo)題或輸出空；步驟7中判斷是電子卷宗的標(biāo)題時(shí)，輸出標(biāo)題；步驟7中判斷不是電子卷宗的標(biāo)題時(shí)，輸出空。

10.一種對(duì)電子卷宗的標(biāo)題自動(dòng)識(shí)別的裝置，其特征在于：包括：

存儲(chǔ)模塊：用于存儲(chǔ)輸入的電子卷宗；

分類(lèi)模塊：識(shí)別電子卷宗的全文，并將電子卷宗分為文本格式卷宗或表格格式卷宗；

提取模塊：選擇文本格式卷宗和表格格式卷宗的標(biāo)題識(shí)別待選區(qū)域，提取該標(biāo)題識(shí)別待選區(qū)域的文本；

匹配模塊：對(duì)提取模塊提取的文本進(jìn)行匹配，輸出匹配結(jié)果；

輸出模塊：根據(jù)匹配結(jié)果，輸出標(biāo)題或輸出空。