[發明專利]文本提取方法、裝置、電子設備及存儲介質

在審

• 申請號: 202011372852.5
• 申請日: 2020-11-30
• 公開（公告）號: CN112396055A
• 公開（公告）日: 2021-02-23
• 發明（設計）人: 丁笑天;劉巖;朱興杰;張秋暉
• 申請（專利權）人: 泰康保險集團股份有限公司
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/62;G06K9/20;G06N3/04;G06N3/08;G06Q40/08
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 莎日娜

1.一種文本提取方法，其特征在于，所述方法包括：

識別目標文本圖像中的指定關鍵詞，獲得所述指定關鍵詞的第一位置信息；

生成標注有所述第一位置信息的目標掩膜圖像；

將所述目標文本圖像和所述目標掩膜圖像進行拼接，得到目標特征圖像；

將所述目標特征圖像輸入至目標文本識別模型，獲得所述指定關鍵詞相對應的目標文本在所述目標文本圖像中的第二位置信息，所述目標文本識別模型是基于深度卷積神經網絡構建；

根據所述第一位置信息和第二位置信息從所述目標文本圖像中提取所述指定關鍵詞和其相對應的目標文本。

2.根據權利要求1所述的方法，其特征在于，所述根據所述第一位置信息和第二位置信息從所述目標文本圖像中提取所述指定關鍵詞和其相對應的目標文本，包括：

根據所述第一位置信息對所述目標文本圖像中的指定關鍵詞進行標記，以及根據所述第二位置信息對所述目標文本圖像中的目標文本進行標記，得到預測結果圖像，所述預測結果圖像中還標記有所述指定關鍵詞和目標文本之間的對應關系；

顯示所述預測結果圖像；

根據接收到的對于所述預測結果圖像中指定關鍵詞或目標文本的選取輸入，從所述預測結果圖像中提取所述指定關鍵詞以及相對應的目標文本。

3.根據權利要求1所述的方法，其特征在于，在所述根據所述第一位置信息和第二位置信息從所述目標文本圖像中提取所述指定關鍵詞和其相對應的目標文本之后，所述方法還包括：

根據所述目標文本和指定關鍵詞之間的對應關系，得到所述指定關鍵詞和目標文本的鍵值組合，所述鍵值組合中指定關鍵詞為鍵，目標文本為值；

將所述鍵值組合按照預設結構化架構整合后進行顯示。

4.根據權利要求1所述的方法，其特征在于，所述將所述目標特征圖像輸入至目標文本識別模型，獲得所述指定關鍵詞相對應的目標文本在所述目標文本圖像中的第二位置信息，包括：

將所述目標特征圖像輸入至目標文本識別模型，獲取所述指定關鍵詞相對應的目標文本的概率分布圖，所述概率分布圖包括：目標文本在所述目標文本圖像中候選位置信息的概率值；

將所述概率值大于概率值閾值的候選位置信息作為第二位置信息。

5.根據權利要求1所述的方法，其特征在于，所述目標文本識別模型是通過以下步驟得到的：

獲取樣本文本圖像，所述樣本文本圖像中標注有樣本關鍵字和樣本文本之間的對應關系；

根據所述樣本關鍵詞的第一樣本位置信息生成樣本掩膜圖像，以及，提取根據所述樣本文本的第二樣本位置信息；

將所述樣本文本圖像和所述樣本掩膜圖像進行拼接，得到樣本特征圖像；

根據所述樣本特征圖像和第二樣本位置信息對初始文本識別模型進行訓練，得到目標文本識別模型。

6.根據權利要求5所述的方法，其特征在于，所述根據所述樣本特征圖像和第二樣本位置信息對初始文本識別模型進行訓練，得到目標文本識別模型，包括：

將所述樣本特征圖像輸入至初始文本識別模型；

從所述樣本特征圖像中提取多層特征向量；

通過激活函數對所述多層特征向量進行變換得到，得到預測樣本位置信息；

根據所述預測樣本位置信息和所述第二樣本位置信息獲取損失值；

在所述損失值小于損失值閾值時，將訓練后的初始文本識別模型作為目標文本識別模型；

在所述損失值大于或等于損失值閾值時，根據反向傳播算法對所述初始文本識別模型的參數進行調整，以利用調整后的初始文本識別模型繼續進行模型訓練。

7.根據權利要求1至6中任一所述的方法，其特征在于，在所述識別目標文本圖像中的指定關鍵詞，獲得所述指定關鍵詞的第一位置信息之前，所述方法還包括：

接收對于預設界面的目標輸入；

將所述目標輸入所指定的文本圖像作為目標文本圖像；

其中，所述候選文本圖像包括：理賠業務圖像、核保業務圖像、醫保業務圖像或診斷輔助圖像中的至少一種。