[發(fā)明專利]基于光學(xué)字符識別的附件分類方法、裝置、設(shè)備及介質(zhì)

在審

• 申請?zhí)枺?/td>: 202111437898.5
• 申請日: 2021-11-30
• 公開（公告）號: CN114153972A
• 公開（公告）日: 2022-03-08
• 發(fā)明（設(shè)計）人: 董潤華
• 申請（專利權(quán)）人: 深圳壹賬通智能科技有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06K9/62;G06V30/148;G06V30/413;G06V10/764
• 代理公司: 深圳市沃德知識產(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)明涉及智能決策技術(shù)，揭露一種基于光學(xué)字符識別的附件分類方法，包括：獲取待分類圖片集經(jīng)過光學(xué)字符識別產(chǎn)生的文本附件集合，提取所述文本附件的真實類別及訓(xùn)練關(guān)鍵詞集與訓(xùn)練標(biāo)簽比值；利用訓(xùn)練關(guān)鍵詞集及訓(xùn)練標(biāo)簽比值配置原始附件分類器，利用原始附件分類器對所述文本附件預(yù)測，得到預(yù)測的附件類別及分值；將預(yù)測的附件類別與真實類別進(jìn)行比較得到預(yù)測正確率；根據(jù)預(yù)測正確率訓(xùn)練原始附件分類器，直至預(yù)測正確率大于訓(xùn)練閾值，得到標(biāo)準(zhǔn)附件分類器；利用標(biāo)準(zhǔn)附件分類器對待分類附件進(jìn)行分類。本發(fā)明還提出一種基于光學(xué)字符識別的附件分類裝置、電子設(shè)備以及存儲介質(zhì)。本發(fā)明可以解決光學(xué)字符識別掃描出的附件的分類不明確問題。

技術(shù)領(lǐng)域

本發(fā)明涉及智能決策技術(shù)領(lǐng)域，尤其涉及一種基于光學(xué)字符識別的附件分類方法、裝置、電子設(shè)備及計算機(jī)可讀存儲介質(zhì)。

背景技術(shù)

隨著計算機(jī)技術(shù)的普及，原本紙質(zhì)化的附件記錄逐漸被電子附件所取代，電子附件以其高效便捷的優(yōu)勢，被廣泛應(yīng)用于各行各業(yè)。

當(dāng)前電子附件的記錄大部分以圖片的形式進(jìn)行記載和保存，例如：合同協(xié)議、表格清單及發(fā)票單據(jù)等，且并未根據(jù)附件的類別或內(nèi)容進(jìn)行標(biāo)記，大多數(shù)情況都是用戶打開附件后才知道該附件具體記錄的圖片內(nèi)容及類別。這種附件的分類不明確的保存方式，使得用戶對附件的查詢效率極低。

發(fā)明內(nèi)容

本發(fā)明提供一種基于光學(xué)字符識別的附件分類方法、裝置及計算機(jī)可讀存儲介質(zhì)，其主要目的在于解決光學(xué)字符識別掃描出的附件的分類不明確問題。

為實現(xiàn)上述目的，本發(fā)明提供的一種基于光學(xué)字符識別的附件分類方法，包括：

獲取待分類圖片集經(jīng)過光學(xué)字符識別產(chǎn)生的文本附件集合；

從所述文本附件集中逐一選擇其中一個文本附件，提取所述文本附件預(yù)先被標(biāo)注的真實類別及所述文本附件中所有的附件關(guān)鍵詞、段落標(biāo)簽及表格標(biāo)簽；

將所述文本附件中提取到的各個附件關(guān)鍵詞進(jìn)行組合，得到所述文本附件的訓(xùn)練關(guān)鍵詞集，并計算所述段落標(biāo)簽與所述表格標(biāo)簽在數(shù)量上的比值，得到訓(xùn)練標(biāo)簽比值；

利用所述訓(xùn)練關(guān)鍵詞集及所述訓(xùn)練標(biāo)簽比值，配置預(yù)構(gòu)建的原始附件分類器；

利用所述原始附件分類器對所述文本附件進(jìn)行分類預(yù)測，得到所述文本附件的附件類別及對應(yīng)的分值；

判斷所述分值是否小于預(yù)設(shè)的預(yù)測閾值；

當(dāng)所述分值小于預(yù)設(shè)的預(yù)測閾值時，利用所述分值對所述原始附件分類器進(jìn)行梯度調(diào)節(jié)，并返回至上述的利用所述原始附件分類器對所述文本附件進(jìn)行分類預(yù)測，得到所述文本附件的附件類別及對應(yīng)的分值步驟；

當(dāng)所述分值大于或等于預(yù)設(shè)的預(yù)測閾值時，將所述預(yù)測得到的附件類別與所述文本附件的真實類別進(jìn)行比較，得到預(yù)測正確或者預(yù)測錯誤的預(yù)測結(jié)果；

匯總所述文本附件集中所有的文本附件的預(yù)測結(jié)果，得到預(yù)測正確率；

判斷所述預(yù)測正確率是否大于或等于預(yù)設(shè)的訓(xùn)練閾值；

若所述預(yù)測正確率小于所述訓(xùn)練閾值，返回上述的利用所述訓(xùn)練關(guān)鍵詞集及所述訓(xùn)練標(biāo)簽比值，配置預(yù)構(gòu)建的原始附件分類器的步驟，直至所述預(yù)測正確率大于或等于所述訓(xùn)練閾值，則停止所述迭代訓(xùn)練，得到標(biāo)準(zhǔn)附件分類器；

接收待分類附件，利用所述標(biāo)準(zhǔn)附件分類器對所述待分類附件進(jìn)行分類，得到所述待分類附件的分類結(jié)果。

可選的，所述利用所述原始附件分類器對所述文本附件進(jìn)行分類預(yù)測，得到所述文本附件的附件類別及對應(yīng)的分值，包括：

根據(jù)所述訓(xùn)練關(guān)鍵詞集中的每一個訓(xùn)練關(guān)鍵詞，在預(yù)構(gòu)建的附件類別評分表中的每一個附件類別下，對所述文本附件進(jìn)行評分，得到關(guān)鍵詞評分集；