[發(fā)明專利]文檔內(nèi)容的提取方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202011487916.6
• 申請(qǐng)日: 2020-12-16
• 公開（公告）號(hào): CN112579727B
• 公開（公告）日: 2022-03-22
• 發(fā)明（設(shè)計(jì)）人: 曾凱;路華
• 申請(qǐng)（專利權(quán)）人: 北京百度網(wǎng)訊科技有限公司
• 主分類號(hào): G06F16/31
• 分類號(hào): G06F16/31;G06F16/33;G06F40/205;G06N20/00
• 代理公司: 北京清亦華知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11201
• 代理人: 韓海花

1.一種文檔內(nèi)容的提取方法，包括：

獲取文檔；

對(duì)所述文檔進(jìn)行錨點(diǎn)搜索，以得到所述文檔對(duì)應(yīng)的錨點(diǎn)信息；

根據(jù)所述錨點(diǎn)信息，確定待提取內(nèi)容的區(qū)域信息；以及

根據(jù)所述區(qū)域信息，從所述文檔之中提取出所述待提取內(nèi)容；

其中，所述對(duì)所述文檔進(jìn)行錨點(diǎn)搜索，以得到所述文檔對(duì)應(yīng)的錨點(diǎn)信息，包括：

采用預(yù)先生成的空間索引搜索樹對(duì)所述文檔進(jìn)行錨點(diǎn)搜索，以得到所述文檔對(duì)應(yīng)的錨點(diǎn)信息；

所述空間索引搜索樹包括多個(gè)結(jié)點(diǎn)，以及多條邊，所述結(jié)點(diǎn)表示參考錨點(diǎn)中的字符，所述邊表示其所連接結(jié)點(diǎn)對(duì)應(yīng)的字符之間的相關(guān)性向量；

所述參考錨點(diǎn)為參考鍵，

其中，所述采用預(yù)先生成的空間索引搜索樹對(duì)所述文檔進(jìn)行錨點(diǎn)搜索，以得到所述文檔對(duì)應(yīng)的錨點(diǎn)信息，包括：

采用所述空間索引搜索樹搜索所述文檔中的每個(gè)字符，以從所述文檔之中搜索得到與所述參考鍵相匹配的目標(biāo)鍵；

確定所述參考鍵和與其對(duì)應(yīng)的參考值在樣本文檔之中的相對(duì)布局信息；

將所述目標(biāo)鍵作為搜索得到的與所述文檔對(duì)應(yīng)的錨點(diǎn)，并將所述相對(duì)布局信息作為與所述錨點(diǎn)對(duì)應(yīng)的錨點(diǎn)信息。

2.根據(jù)權(quán)利要求1所述的方法，所述參考錨點(diǎn)的數(shù)量為多個(gè)，其中，所述從所述文檔之中搜索得到與所述參考鍵相匹配的目標(biāo)鍵，包括：

根據(jù)所述相關(guān)性向量確定匹配路徑，所述匹配路徑包括至少兩個(gè)所述參考錨點(diǎn)；

根據(jù)所述相關(guān)性向量遍歷所述匹配路徑上的各個(gè)所述參考錨點(diǎn)；以及

從所述文檔之中搜索得到與各個(gè)所述參考鍵相匹配的目標(biāo)鍵。

3.根據(jù)權(quán)利要求1所述的方法，其中，所述根據(jù)所述錨點(diǎn)信息，確定待提取內(nèi)容的區(qū)域信息，包括：

確定候選提取模板，所述候選提取模板具有對(duì)應(yīng)的候選錨點(diǎn)信息；

確定與所述錨點(diǎn)信息匹配的候選錨點(diǎn)信息所屬的候選提取模板，并將所述所屬的候選提取模板作為目標(biāo)提取模板；

根據(jù)所述目標(biāo)提取模板，確定所述待提取內(nèi)容的區(qū)域信息。

4.根據(jù)權(quán)利要求3所述的方法，其中，所述根據(jù)所述目標(biāo)提取模板，確定所述待提取內(nèi)容的區(qū)域信息，包括：

確定所述目標(biāo)鍵對(duì)應(yīng)于所述目標(biāo)提取模板中的基準(zhǔn)布局信息；

根據(jù)所述基準(zhǔn)布局信息結(jié)合所述相對(duì)布局信息確定所述區(qū)域信息。

5.根據(jù)權(quán)利要求3所述的方法，其中，所述確定與所述錨點(diǎn)信息匹配的候選錨點(diǎn)信息所屬的候選提取模板，包括：

將所述錨點(diǎn)信息和所述候選錨點(diǎn)信息輸入至預(yù)訓(xùn)練的圖模型之中，以得到所述圖模型輸出的所述所屬的候選提取模板。

6.一種文檔內(nèi)容的提取裝置，包括：

獲取模塊，用于獲取文檔；

搜索模塊，用于對(duì)所述文檔進(jìn)行錨點(diǎn)搜索，以得到所述文檔對(duì)應(yīng)的錨點(diǎn)信息；

確定模塊，用于根據(jù)所述錨點(diǎn)信息，確定待提取內(nèi)容的區(qū)域信息；以及

提取模塊，用于根據(jù)所述區(qū)域信息，從所述文檔之中提取出所述待提取內(nèi)容；

所述搜索模塊，具體用于：

采用預(yù)先生成的空間索引搜索樹對(duì)所述文檔進(jìn)行錨點(diǎn)搜索，以得到所述文檔對(duì)應(yīng)的錨點(diǎn)信息；

所述空間索引搜索樹包括多個(gè)結(jié)點(diǎn)，以及多條邊，所述結(jié)點(diǎn)表示參考錨點(diǎn)中的字符，所述邊表示其所連接結(jié)點(diǎn)對(duì)應(yīng)的字符之間的相關(guān)性向量；

所述參考錨點(diǎn)為參考鍵，

其中，所述搜索模塊，具體用于：

采用所述空間索引搜索樹搜索所述文檔中的每個(gè)字符，以從所述文檔之中搜索得到與所述參考鍵相匹配的目標(biāo)鍵；

確定所述參考鍵和與其對(duì)應(yīng)的參考值在樣本文檔之中的相對(duì)布局信息；

將所述目標(biāo)鍵作為搜索得到的與所述文檔對(duì)應(yīng)的錨點(diǎn)，并將所述相對(duì)布局信息作為與所述錨點(diǎn)對(duì)應(yīng)的錨點(diǎn)信息。

7.根據(jù)權(quán)利要求6所述的裝置，所述參考錨點(diǎn)的數(shù)量為多個(gè)，其中，所述搜索模塊，還用于：

根據(jù)所述相關(guān)性向量確定匹配路徑，所述匹配路徑包括至少兩個(gè)所述參考錨點(diǎn)；

根據(jù)所述相關(guān)性向量遍歷所述匹配路徑上的各個(gè)所述參考錨點(diǎn)；以及

從所述文檔之中搜索得到與各個(gè)所述參考鍵相匹配的目標(biāo)鍵。