[發(fā)明專(zhuān)利]基于OCR技術(shù)的文本自動(dòng)生成方法、裝置、設(shè)備及介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010727815.5
• 申請(qǐng)日: 2020-07-24
• 公開(kāi)（公告）號(hào): CN111782772A
• 公開(kāi)（公告）日: 2020-10-16
• 發(fā)明（設(shè)計(jì)）人: 劉文濤;馮德亮;陳明忠
• 申請(qǐng)（專(zhuān)利權(quán)）人: 平安銀行股份有限公司
• 主分類(lèi)號(hào): G06F16/33
• 分類(lèi)號(hào): G06F16/33;G06F16/36;G06F40/289;G06F40/216;G06N3/04;G06K9/00;G06F21/62
• 代理公司: 深圳市沃德知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44347
• 代理人: 高杰;于志光

本發(fā)明涉及人工智能技術(shù)，揭露了一種基于OCR技術(shù)的文本自動(dòng)生成方法，包括：利用預(yù)構(gòu)建的圖片文字識(shí)別方法對(duì)待識(shí)別圖片進(jìn)行文字識(shí)別，得到文本信息；對(duì)所述文本信息進(jìn)行分詞和過(guò)濾，得到詞語(yǔ)集，基于圖排序算法從所述詞語(yǔ)集中提取關(guān)鍵詞；將所述關(guān)鍵詞與預(yù)構(gòu)建的字典進(jìn)行匹配得到目標(biāo)關(guān)鍵詞，根據(jù)所述目標(biāo)關(guān)鍵詞在預(yù)構(gòu)建的數(shù)據(jù)庫(kù)中查詢，得到初始文本集；根據(jù)所述初始文本集生成目標(biāo)文本。本發(fā)明還涉及區(qū)塊鏈技術(shù)，所述待識(shí)別圖片可存儲(chǔ)于區(qū)塊鏈中。本發(fā)明可以實(shí)現(xiàn)節(jié)省存儲(chǔ)資源且更智能化的執(zhí)行文書(shū)等文本的自動(dòng)生成。本發(fā)明還涉及區(qū)塊鏈技術(shù)，同時(shí)本發(fā)明還適用于智慧政務(wù)、智慧教育或者智慧醫(yī)療等領(lǐng)域，從而推動(dòng)智慧城市的建設(shè)。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能技術(shù)領(lǐng)域，尤其涉及一種基于OCR技術(shù)的文本自動(dòng)生成方法、裝置、電子設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

文書(shū)通常是指公文、書(shū)信、契約等。不同的文書(shū)有不同的內(nèi)容和格式要求，目前，文書(shū)的制作方法主要有人工制作文書(shū)和基于數(shù)據(jù)庫(kù)的文書(shū)自動(dòng)生成方法。

所述人工制作文書(shū)是由多個(gè)領(lǐng)域?qū)＜疫M(jìn)行討論，然后查閱大量資料人工編寫(xiě)文書(shū)，過(guò)程繁瑣，且耗時(shí)較長(zhǎng)。所述基于數(shù)據(jù)庫(kù)的文書(shū)自動(dòng)生成方法通過(guò)收集常用文書(shū)范文，存入范文數(shù)據(jù)庫(kù)，對(duì)范文精選后作為模板，把不同形式的模板框架及數(shù)據(jù)分別存入不同數(shù)據(jù)表中，利用關(guān)鍵詞檢索匹配模板后自動(dòng)生成文書(shū)，但隨著文書(shū)內(nèi)容涉及的領(lǐng)域不斷更新，需要存儲(chǔ)大量的模板庫(kù)，占用存儲(chǔ)資源，此外，已有的文書(shū)生成系統(tǒng)的智能化水平有待提高，生成的文書(shū)內(nèi)容中包含語(yǔ)法錯(cuò)誤和不相關(guān)文字。

發(fā)明內(nèi)容

本發(fā)明提供一種基于OCR技術(shù)的文本自動(dòng)生成方法、裝置、電子設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其主要目的在于提供一種節(jié)省存儲(chǔ)資源且更智能化的文書(shū)等文本的自動(dòng)生成方法。

為實(shí)現(xiàn)上述目的，本發(fā)明提供的一種基于OCR技術(shù)的文本自動(dòng)生成方法，包括：

利用預(yù)構(gòu)建的圖片文字識(shí)別方法對(duì)待識(shí)別圖片進(jìn)行文字識(shí)別，得到文本信息；

對(duì)所述文本信息依次進(jìn)行分詞和過(guò)濾，得到詞語(yǔ)集，基于圖排序算法從所述詞語(yǔ)集中提取關(guān)鍵詞；

將所述關(guān)鍵詞與預(yù)構(gòu)建的關(guān)鍵詞字典進(jìn)行匹配得到目標(biāo)關(guān)鍵詞，根據(jù)所述目標(biāo)關(guān)鍵詞在預(yù)構(gòu)建的文本素材集數(shù)據(jù)庫(kù)中查詢，得到初始文本集；

根據(jù)所述初始文本集生成目標(biāo)文本。

可選地，所述利用預(yù)構(gòu)建的圖片文字識(shí)別方法對(duì)待識(shí)別圖片進(jìn)行文字識(shí)別，得到文本信息，包括：

對(duì)所述待識(shí)別圖片進(jìn)行圖像預(yù)處理，得到標(biāo)準(zhǔn)圖片；

利用預(yù)設(shè)的文字識(shí)別模型對(duì)所述標(biāo)準(zhǔn)圖片進(jìn)行文字識(shí)別，得到所述文本信息。

可選地，所述利用預(yù)設(shè)的文字識(shí)別模型對(duì)所述標(biāo)準(zhǔn)圖片進(jìn)行文字識(shí)別，得到所述文本信息，包括：

通過(guò)所述文字識(shí)別模型的卷積層對(duì)所述標(biāo)準(zhǔn)圖片執(zhí)行卷積操作，從所述標(biāo)準(zhǔn)圖片中提取特征序列；

利用所述文字識(shí)別模型的循環(huán)層預(yù)測(cè)所述特征序列的標(biāo)簽分布；

根據(jù)所述標(biāo)簽分布，利用所述文字識(shí)別模型的轉(zhuǎn)錄層對(duì)所述特征序列進(jìn)行序列化識(shí)別，得到所述文本信息。

可選地，所述對(duì)所述文本信息依次進(jìn)行分詞和過(guò)濾，得到詞語(yǔ)集，包括：

利用前綴分詞詞典對(duì)所述文本信息進(jìn)行切分，得到一種或者多種劃分方式下的原始詞語(yǔ)集；

根據(jù)所述原始詞語(yǔ)集，通過(guò)首尾相連構(gòu)建有向無(wú)環(huán)圖；

采用動(dòng)態(tài)規(guī)劃算法計(jì)算所述有向無(wú)環(huán)圖中的最大概率路徑，得到所述文本信息的分詞結(jié)果；

根據(jù)預(yù)設(shè)的停用詞表對(duì)所述分詞結(jié)果進(jìn)行過(guò)濾，得到所述詞語(yǔ)集。