CN111782772A - 基于ocr技术的文本自动生成方法、装置、设备及介质 - Google Patents

基于ocr技术的文本自动生成方法、装置、设备及介质 Download PDF

Info

Publication number
CN111782772A
CN111782772A CN202010727815.5A CN202010727815A CN111782772A CN 111782772 A CN111782772 A CN 111782772A CN 202010727815 A CN202010727815 A CN 202010727815A CN 111782772 A CN111782772 A CN 111782772A
Authority
CN
China
Prior art keywords
text
keywords
character recognition
word
picture
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010727815.5A
Other languages
English (en)
Inventor
刘文涛
冯德亮
陈明忠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Bank Co Ltd
Original Assignee
Ping An Bank Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ping An Bank Co Ltd filed Critical Ping An Bank Co Ltd
Priority to CN202010727815.5A priority Critical patent/CN111782772A/zh
Publication of CN111782772A publication Critical patent/CN111782772A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3344—Query execution using natural language analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/374—Thesaurus
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G06F40/216—Parsing using statistical methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/40—Document-oriented image-based pattern recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/28—Character recognition specially adapted to the type of the alphabet, e.g. Latin alphabet
    • G06V30/287—Character recognition specially adapted to the type of the alphabet, e.g. Latin alphabet of Kanji, Hiragana or Katakana characters

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Multimedia (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioethics (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Probability & Statistics with Applications (AREA)
  • Character Discrimination (AREA)

Abstract

本发明涉及人工智能技术，揭露了一种基于OCR技术的文本自动生成方法，包括：利用预构建的图片文字识别方法对待识别图片进行文字识别，得到文本信息；对所述文本信息进行分词和过滤，得到词语集，基于图排序算法从所述词语集中提取关键词；将所述关键词与预构建的字典进行匹配得到目标关键词，根据所述目标关键词在预构建的数据库中查询，得到初始文本集；根据所述初始文本集生成目标文本。本发明还涉及区块链技术，所述待识别图片可存储于区块链中。本发明可以实现节省存储资源且更智能化的执行文书等文本的自动生成。本发明还涉及区块链技术，同时本发明还适用于智慧政务、智慧教育或者智慧医疗等领域，从而推动智慧城市的建设。

Description

基于OCR技术的文本自动生成方法、装置、设备及介质
技术领域
本发明涉及人工智能技术领域，尤其涉及一种基于OCR技术的文本自动生成方法、装置、电子设备及计算机可读存储介质。
背景技术
文书通常是指公文、书信、契约等。不同的文书有不同的内容和格式要求，目前，文书的制作方法主要有人工制作文书和基于数据库的文书自动生成方法。
所述人工制作文书是由多个领域专家进行讨论，然后查阅大量资料人工编写文书，过程繁琐，且耗时较长。所述基于数据库的文书自动生成方法通过收集常用文书范文，存入范文数据库，对范文精选后作为模板，把不同形式的模板框架及数据分别存入不同数据表中，利用关键词检索匹配模板后自动生成文书，但随着文书内容涉及的领域不断更新，需要存储大量的模板库，占用存储资源，此外，已有的文书生成系统的智能化水平有待提高，生成的文书内容中包含语法错误和不相关文字。
发明内容
本发明提供一种基于OCR技术的文本自动生成方法、装置、电子设备及计算机可读存储介质，其主要目的在于提供一种节省存储资源且更智能化的文书等文本的自动生成方法。
为实现上述目的，本发明提供的一种基于OCR技术的文本自动生成方法，包括：
利用预构建的图片文字识别方法对待识别图片进行文字识别，得到文本信息；
对所述文本信息依次进行分词和过滤，得到词语集，基于图排序算法从所述词语集中提取关键词；
将所述关键词与预构建的关键词字典进行匹配得到目标关键词，根据所述目标关键词在预构建的文本素材集数据库中查询，得到初始文本集；
根据所述初始文本集生成目标文本。
可选地，所述利用预构建的图片文字识别方法对待识别图片进行文字识别，得到文本信息，包括：
对所述待识别图片进行图像预处理，得到标准图片；
利用预设的文字识别模型对所述标准图片进行文字识别，得到所述文本信息。
可选地，所述利用预设的文字识别模型对所述标准图片进行文字识别，得到所述文本信息，包括：
通过所述文字识别模型的卷积层对所述标准图片执行卷积操作，从所述标准图片中提取特征序列；
利用所述文字识别模型的循环层预测所述特征序列的标签分布；
根据所述标签分布，利用所述文字识别模型的转录层对所述特征序列进行序列化识别，得到所述文本信息。
可选地，所述对所述文本信息依次进行分词和过滤，得到词语集，包括：
利用前缀分词词典对所述文本信息进行切分，得到一种或者多种划分方式下的原始词语集；
根据所述原始词语集，通过首尾相连构建有向无环图；
采用动态规划算法计算所述有向无环图中的最大概率路径，得到所述文本信息的分词结果；
根据预设的停用词表对所述分词结果进行过滤，得到所述词语集。
可选地，所述基于图排序算法从所述词语集中提取关键词，包括：
根据所述词语集构建有向有权图，其中，所述有向有权图中的一个节点表示所述词语集中的一个分词；
根据权重计算公式计算所述有向有权图中每一个节点的权重；
选取所述有向有权图中权重超过预设阈值的节点，作为所述词语集的关键词。
为了解决上述问题，本发明还提供一种基于OCR技术的文本自动生成装置，所述装置包括：
文字识别模块，用于利用预构建的图片文字识别方法对待识别图片进行文字识别，得到文本信息；
关键词提取模块，用于对所述文本信息依次进行分词和过滤，得到词语集，基于图排序算法从所述词语集中提取关键词；
初始文本集获取模块，用于将所述关键词与预构建的关键词字典进行匹配得到目标关键词，根据所述目标关键词在预构建的文本素材集数据库中查询，得到初始文本集；
目标文本生成模块，用于根据所述初始文本集生成目标文本。
可选地，在对所述文本信息依次进行分词和过滤，得到词语集时，所述关键词提取模块执行下述操作：
利用前缀分词词典对所述文本信息进行切分，得到一种或者多种划分方式下的原始词语集；
根据所述原始词语集，通过首尾相连构建有向无环图；
采用动态规划算法计算所述有向无环图中的最大概率路径，得到所述文本信息的分词结果；
根据预设的停用词表对所述分词结果进行过滤，得到所述词语集。
可选地，在基于图排序算法从所述词语集中提取关键词时，所述关键词提取模块执行下述操作：
根据所述词语集构建有向有权图，其中，所述有向有权图中的一个节点表示所述词语集中的一个分词；
根据权重计算公式计算所述有向有权图中每一个节点的权重；
选取所述有向有权图中权重超过预设阈值的节点，作为所述词语集的关键词。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
存储器，存储至少一个指令；及
处理器，执行所述存储器中存储的指令以实现上述中任意一项所述的基于OCR技术的文本自动生成方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述中任意一项所述的基于OCR技术的文本自动生成方法。
本发明实施例利用预构建的图片文字识别方法对待识别图片进行文字识别，得到文本信息，可以减少生成文书中包含的错误内容，提升生成文书的质量；对所述文本信息依次进行分词和过滤，得到词语集，基于图排序算法从所述词语集中提取关键词，便于后续文书的生成，提高工作效率；将所述关键词与预构建的关键词字典进行匹配得到目标关键词，根据所述目标关键词在预构建的文本素材集数据库中查询，得到初始文本集，减少计算机的存储压力，节约存储资源；根据所述初始文本集生成目标文本，使生成的文本内容更加精确，提高文书内容的正确率。因此本发明提出的基于OCR技术的文本自动生成方法、装置及计算机可读存储介质，可以实现节省存储资源且更智能化的文书等文本的自动生成功能。
附图说明
图1为本发明一实施例提供的基于OCR技术的文本自动生成方法的流程示意图；
图2为本发明一实施例提供的图片文字识别方法的流程示意图；
图3为本发明一实施例提供的文字识别模型的流程示意图；
图4为本发明一实施例提供的分词过滤方法的流程示意图；
图5为本发明一实施例提供的提取关键词方法的流程示意图；
图6为本发明一实施例提供的初始文本集获取方法的流程示意图；
图7为本发明一实施例提供的基于OCR技术的文本自动生成装置的模块示意图；
图8为本发明一实施例提供的实现基于OCR技术的文本自动生成方法的电子设备的内部结构示意图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供的基于OCR技术的文本自动生成方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于OCR技术的文本自动生成方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。
本发明提供一种基于OCR技术的文本自动生成方法。参照图1所示，为本发明一实施例提供的基于OCR技术的文本自动生成方法的流程示意图。
在本实施例中，基于OCR技术的文本自动生成方法包括：
S1、利用预构建的图片文字识别方法对待识别图片进行文字识别，得到文本信息。
本发明实施例中，所述待识别图片是包含特定文书要求文字信息的图片，可以是招标要求图片。所述待识别图片中的文字信息可以是基金、股票简介、也可以是交易、投资要求等金融信息。本发明较佳实施例可以通过扫描仪扫描或者通过相机拍摄纸质文档来获取所述待识别图片。需要强调的是，为进一步保证上述特定文书要求数据的私密和安全性，上述待识别图片还可以从区块链的节点中获取。较佳地，所述预构建的图片文字识别方法包括图像处理和文字识别两大步骤。进一步地，参阅图2所示，所述S1详细包括：
S10、对所述待识别图片进行图像预处理，得到标准图片。
本发明实施例中，所述图像预处理是指针对图像的成像问题进行修正。其中，所述图像预处理包括灰度化、二值化、降噪、倾斜矫正、文字切分等，通过图像预处理有利于后续对图片进行特征提取，提高文字识别的准确率。
S11、利用预设的文字识别模型对所述标准图片进行文字识别，得到所述文本信息。
详细地，所述文字识别是对所述待识别图片的文本内容进行识别，将图片中的文字信息转化为文本信息。
本发明实施例中，所述文字识别模型是一种卷积循环神经网络模型，包括卷积层，循环层和转录层，从底向上。详细地，参阅图3所示，所述利用预设的文字识别模型对所述待识别图片进行文字识别，包括：
S30、通过所述文字识别模型的卷积层对所述标准图片执行卷积操作，从所述标准图片中提取特征序列；
S31、利用所述文字识别模型的循环层预测所述特征序列的标签分布；
S32、根据所述标签分布，利用所述文字识别模型的转录层对所述特征序列进行序列化识别，得到所述文本信息。
本发明实施例中所述文字识别模型基于卷积循环神经网络结构提取了鲁棒特征，又通过转录层的序列化识别避免了传统算法中难度极高的单字符切分与单字符识别。
S2、对所述文本信息依次进行分词和过滤，得到词语集，基于图排序算法从所述词语集中提取关键词。
进一步地，本发明实施例利用基于前缀分词词典的分词技术对所述文本信息依次进行分词和过滤。参阅图4所示，所述分词和过滤的具体实现步骤包括：
S40、利用前缀分词词典对所述文本信息进行切分，得到一种或者多种划分方式下的原始词语集；
详细地，所述利用前缀分词词典对所述文本信息进行切分是指利用前缀分词的方式将所述文本信息中的每句话划分成多个词语集。例如，“去北京大学玩”这句话，“北京大学”在前缀分词词典中的前缀可能有“北”、“北京”、“北京大”，因此最后可能得到的为“去/北/北京/北京大/北京大学/玩”。
S41、根据所述原始词语集，通过首尾相连构建有向无环图；
S42、采用动态规划算法计算所述有向无环图中的最大概率路径，得到所述文本信息的分词结果；
S43、根据预设的停用词表对所述分词结果进行过滤，得到所述词语集。其中，所述过滤包括剔除符号、语气词、修饰词等无用词。
进一步地，本发明实施例采用基于图排序算法的文本排序算法，将所述词语集重新组织为有向图，实现关键词提取。所述图排序算法是一种基于图的排序算法，利用投票机制让每个词语给它的邻居投赞成票，票的权重取决于自己的票数，通过计算出的权重，提取文本中的关键字。
详细地，参阅图5所示，所述基于图排序算法从所述词语集中提取关键词，包括：
S50、根据所述词语集构建有向有权图，其中，所述有向有权图中的一个节点表示所述词语集中的一个分词。
S51、根据权重计算公式计算所述有向有权图中每一个节点的权重。其中，所述权重计算公式如下：
Figure BDA0002600703980000071
其中，WS(Vi)表示节点Vi的权重，d为阻尼系数，代表从图中某一特定点指向其他任意点的概率，一般取值为0.85，In(Vi)为指向节点Vi的节点集合，Out(Vj)为节点Vi指向的节点集合，Wji为任两点Vi、Vj之间的连接权重，通常为1。
S52、选取所述有向有权图中权重超过预设阈值的节点，作为所述词语集的关键词。
较佳地，选取权重较高的分词作为关键词使得词语的描述更加符合预设要求。
S3、将所述关键词与预构建的关键词字典进行匹配得到目标关键词，根据所述目标关键词在预构建的文本素材集数据库中查询，得到初始文本集。
详细地地，参阅图6所示所述S3，包括：
S60、采用匹配算法将所述关键词与预构建的关键词字典中的关键词进行匹配，得到目标关键词；
S61、将所述目标关键词返回给用户进行确认，接收用户的确认结果；
S62、根据所述确认结果，在预构建的文本素材集数据库中查找与所述目标关键词对应的细节素材，作为符合预设要求的初始文本集。
其中，所述关键词字典是包含符合特定文书标准要求的所有关键词的集合；所述文本素材集数据库将初始文本集按照文书大类进行区分，每个大类下面存在一个或多个细节素材，每个细节素材对应一个或多个关键词，根据文书大类、细节素材、关键词之间的关系，
找到对应的初始文本集。
较佳地，本发明实施例采用的匹配算法为哈希算法，即散列函数。所述哈希函数可以将任意长度的输入经过变化以后得到固定长度的输出。哈希函数的这种单向特征和输出数据长度固定的特征使得它可以生成消息或者数据。详细地，采用哈希算法将所述关键词与预构建的字典中的关键词进行匹配，包括：采用哈希算法将所述关键词进行哈希处理，得到哈希值；将所述哈希值与所述字典包含关键词的哈希值进行对比，若哈希值相同，则将所述关键词与对应的所述字典中的关键词进行匹配。
S4、根据所述初始文本集生成目标文本。
较佳地，本发明实施例利用文档生成技术将所述初始文本集按照特定格式进行整合组装，生成一个符合用户的特定文书要求的目标文本。例如，初始文本集中包含多个素材段，先将多个素材段按照逻辑关系的顺序进行整合，得到完整文档，在按照文书的具体要求调整格式，如某些段落的字体需要加粗，最终得到目标文书。
详细地，所述文档生成技术是一种可以操作段落等信息、替换文本内容，智能生成文本文档的技术，可以采用目前已公开的技术，如doc4j技术。
较佳地，在所述目标文本生成后，使用消息推送机制通知用户文本已经生成，用户可以对所述目标文本进行预览和下载。
进一步地，依据生成的历史文本、关键词命中率、初始文本集命中率及用户反馈，可以对线上化生成文本流程进行优化，提升生成的文本的质量，解决用户的实际需求。例如，使生成的标书更切合实际投标的使用，提升投标者的中标率。
同时本发明还适用于智慧政务、智慧教育或者智慧医疗等领域，从而推动智慧城市的建设。例如，政府工作人员可以利用本发明智能生成政府公文，市民也可以利用本发明智能生成需要提交的申请报告等，节省时间，并提高效率。
本发明实施例利用预构建的图片文字识别方法对待识别图片进行文字识别，得到文本信息，可以减少生成文书中包含的错误内容，提升生成文书的质量；对所述文本信息依次进行分词和过滤，得到词语集，基于图排序算法从所述词语集中提取关键词，便于后续文书的生成，提高工作效率；将所述关键词与预构建的关键词字典进行匹配得到目标关键词，根据所述目标关键词在预构建的文本素材集数据库中查询，得到初始文本集，减少计算机的存储压力，节约存储资源；根据所述初始文本集生成目标文本，使生成的文本内容更加精确，提高文书内容的正确率。因此本发明提出的基于OCR技术的文本自动生成方法、装置及计算机可读存储介质，可以实现节省存储资源且更智能化的文书等文本的自动生成功能。
如图7所示，是本发明基于OCR技术的文本自动生成装置的功能模块图。
本发明所述基于OCR技术的文本自动生成装置100可以安装于电子设备中。根据实现的功能，所述基于OCR技术的文本自动生成装置可以包括文字识别模块101、关键词提取模块102、初始文本集获取模块103和目标文本生成模块104。本发所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述文字识别模块101，利用预构建的图片文字识别方法对待识别图片进行文字识别，得到文本信息。
本发明实施例中，所述待识别图片是包含特定文书要求文字信息的图片，可以是招标要求图片。所述待识别图片中的文字信息可以是基金、股票简介、也可以是交易、投资要求等金融信息。本发明较佳实施例可以通过扫描仪扫描或者通过相机拍摄纸质文档来获取所述待识别图片。需要强调的是，为进一步保证上述特定文书要求数据的私密和安全性，上述待识别图片还可以从区块链的节点中获取。
较佳地，所述预构建的图片文字识别方法包括图像处理和文字识别两大步骤。进一步地，所述文字识别模块101具体用于：
对所述待识别图片进行图像预处理，得到标准图片。
本发明实施例中，所述图像预处理是指针对图像的成像问题进行修正。其中，所述图像预处理包括灰度化、二值化、降噪、倾斜矫正、文字切分等，通过图像预处理有利于后续对图片进行特征提取，提高文字识别的准确率。
利用预设的文字识别模型对所述标准图片进行文字识别，得到所述文本信息。
详细地，所述文字识别是对所述待识别图片的文本内容进行识别，将图片中的文字信息转化为文本信息。
本发明实施例中，所述文字识别模型是一种卷积循环神经网络模型，包括卷积层，循环层和转录层，从底向上。详细地，所述利用预设的文字识别模型对所述待识别图片进行文字识别，包括：
通过所述文字识别模型的卷积层对所述标准图片执行卷积操作，从所述标准图片中提取特征序列；
利用所述文字识别模型的循环层预测所述特征序列的标签分布；
根据所述标签分布，利用所述文字识别模型的转录层对所述特征序列进行序列化识别，得到所述文本信息。
本发明实施例中所述文字识别模型基于卷积循环神经网络结构提取了鲁棒特征，又通过转录层的序列化识别避免了传统算法中难度极高的单字符切分与单字符识别。
所述关键词提取模块102，用于对所述文本信息依次进行分词和过滤，得到词语集，基于图排序算法从所述词语集中提取关键词。
进一步地，本发明实施例利用基于前缀分词词典的分词技术对所述文本信息依次进行分词和过滤。所述分词和过滤的具体实现步骤包括：
利用前缀分词词典对所述文本信息进行切分，得到一种或者多种划分方式下的原始词语集；
详细地，所述利用前缀分词词典对所述文本信息进行切分是指利用前缀分词的方式将所述文本信息中的每句话划分成多个词语集。例如，“去北京大学玩”这句话，“北京大学”在前缀分词词典中的前缀可能有“北”、“北京”、“北京大”，因此最后可能得到的为“去/北/北京/北京大/北京大学/玩”。
根据所述原始词语集，通过首尾相连构建有向无环图；
采用动态规划算法计算所述有向无环图中的最大概率路径，得到所述文本信息的分词结果；
根据预设的停用词表对所述分词结果进行过滤，得到所述词语集。其中，所述过滤包括剔除符号、语气词、修饰词等无用词。
进一步地，本发明实施例采用基于图排序算法的文本排序算法，将所述词语集重新组织为有向图，实现关键词提取。所述图排序算法是一种基于图的排序算法，利用投票机制让每个词语给它的邻居投赞成票，票的权重取决于自己的票数，通过计算出的权重，提取文本中的关键字。
详细地，所述基于图排序算法从所述词语集中提取关键词，包括：
根据所述词语集构建有向有权图，其中，所述有向有权图中的一个节点表示所述词语集中的一个分词；
根据权重计算公式计算所述有向有权图中每一个节点的权重。其中，所述权重计算公式如下：
Figure BDA0002600703980000111
其中，WS(Vi)表示节点Vi的权重，d为阻尼系数，代表从图中某一特定点指向其他任意点的概率，一般取值为0.85，In(Vi)为指向节点Vi的节点集合，Out(Vj)为节点Vi指向的节点集合，Wji为任两点Vi、Vj之间的连接权重，通常为1。
选取所述有向有权图中权重超过预设阈值的节点，作为所述词语集的关键词。
较佳地，选取权重较高的分词作为关键词使得词语的描述更加符合预设要求。
所述初始文本集获取模块103，用于将所述关键词与预构建的关键词字典进行匹配得到目标关键词，根据所述目标关键词在预构建的文本素材集数据库中查询，得到初始文本集。
详细地，所述初始文本集获取模块103具体用于：
采用匹配算法将所述关键词与预构建的关键词字典中的关键词进行匹配，得到目标关键词；
将所述目标关键词返回给用户进行确认，接收用户的确认结果；
根据所述确认结果，在预构建的文本素材集数据库中查找与所述目标关键词对应的细节素材，作为符合预设要求的初始文本集。
其中，所述字典是包含符合特定文书标准要求的所有关键词的集合；所述文本素材集数据库将初始文本集按照文书大类进行区分，每个大类下面存在一个或多个细节素材，每个细节素材对应一个或多个关键词，根据文书大类、细节素材、关键词之间的关系，找到对应的初始文本集。
较佳地，本发明实施例采用的匹配算法为哈希算法，即散列函数。所述哈希函数可以将任意长度的输入经过变化以后得到固定长度的输出。哈希函数的这种单向特征和输出数据长度固定的特征使得它可以生成消息或者数据。详细地，采用哈希算法将所述关键词与预构建的字典中的关键词进行匹配，包括：采用哈希算法将所述关键词进行哈希处理，得到哈希值；将所述哈希值与所述字典包含关键词的哈希值进行对比，若哈希值相同，则将所述关键词与对应的所述字典中的关键词进行匹配。
所述目标文本生成模块104，用于根据所述初始文本集生成目标文本。
较佳地，本发明实施例利用文档生成技术将所述初始文本集按照特定格式进行整合组装，生成一个符合用户的特定文书要求的目标文本。例如，初始文本集中包含多个素材段，先将多个素材段按照逻辑关系的顺序进行整合，得到完整文档，在按照文书的具体要求调整格式，如某些段落的字体需要加粗，最终得到目标文书。
详细地，所述文档生成技术是一种可以操作段落等信息、替换文本内容，智能生成文本文档的技术，可以采用目前已公开的技术，如doc4j技术。
较佳地，在所述目标文本生成后，使用消息推送机制通知用户文本已经生成，用户可以对所述目标文本进行预览和下载。
进一步地，依据生成的历史文本、关键词命中率、初始文本集命中率及用户反馈，可以对线上化生成文本流程进行优化，提升生成的文本的质量，解决用户的实际需求。例如，使生成的标书更切合实际投标的使用，提升投标者的中标率。
同时本发明还适用于智慧政务、智慧教育或者智慧医疗等领域，从而推动智慧城市的建设。例如，政府工作人员可以利用本发明智能生成政府公文，市民也可以利用本发明智能生成需要提交的申请报告等，节省时间，并提高效率。
如图8所示，是本发明实现基于OCR技术的文本自动生成方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如基于OCR技术的文本自动生成程序12。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如基于OCR技术的文本自动生成程序12的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行基于OCR技术的文本自动生成程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图8仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图8示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的基于OCR技术的文本自动生成程序12是多个指令的组合，在所述处理器10中运行时，可以实现：
利用预构建的图片文字识别方法对待识别图片进行文字识别，得到文本信息；
对所述文本信息依次进行分词和过滤，得到词语集，基于图排序算法从所述词语集中提取关键词；
将所述关键词与预构建的关键词字典进行匹配得到目标关键词，根据所述目标关键词在预构建的文本素材集数据库中查询，得到初始文本集；
根据所述初始文本集生成目标文本。
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图表记视为限制所涉及的权利要求。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种基于OCR技术的文本自动生成方法，其特征在于，所述方法包括：
利用预构建的图片文字识别方法对待识别图片进行文字识别，得到文本信息；
对所述文本信息依次进行分词和过滤，得到词语集，基于图排序算法从所述词语集中提取关键词；
将所述关键词与预构建的关键词字典进行匹配得到目标关键词，根据所述目标关键词在预构建的文本素材集数据库中查询，得到初始文本集；
根据所述初始文本集生成目标文本。
2.如权利要求1所述的基于OCR技术的文本自动生成方法，其特征在于，所述利用预构建的图片文字识别方法对待识别图片进行文字识别，得到文本信息，包括：
对待识别图片进行图像预处理，得到标准图片；
利用预设的文字识别模型对所述标准图片进行文字识别，得到所述文本信息。
3.如权利要求2所述的基于OCR技术的文本自动生成方法，其特征在于，所述利用预设的文字识别模型对所述标准图片进行文字识别，得到所述文本信息，包括：
通过所述文字识别模型的卷积层对所述标准图片执行卷积操作，从所述标准图片中提取特征序列；
利用所述文字识别模型的循环层预测所述特征序列的标签分布；
根据所述标签分布，利用所述文字识别模型的转录层对所述特征序列进行序列化识别，得到所述文本信息。
4.如权利要求1所述的基于OCR技术的文本自动生成方法，其特征在于，所述对所述文本信息依次进行分词和过滤，得到词语集，包括：
利用前缀分词词典对所述文本信息进行切分，得到一种或者多种划分方式下的原始词语集；
根据所述原始词语集，通过首尾相连构建有向无环图；
采用动态规划算法计算所述有向无环图中的最大概率路径，得到所述文本信息的分词结果；
根据预设的停用词表对所述分词结果进行过滤，得到所述词语集。
5.如权利要求1所述的基于OCR技术的文本自动生成方法，其特征在于，所述基于图排序算法从所述词语集中提取关键词，包括：
根据所述词语集构建有向有权图，其中，所述有向有权图中的一个节点表示所述词语集中的一个分词；
根据权重计算公式计算所述有向有权图中每一个节点的权重；
选取所述有向有权图中权重超过预设阈值的节点，作为所述词语集的关键词。
6.一种基于OCR技术的文本自动生成装置，其特征在于，所述装置包括：
文字识别模块，用于利用预构建的图片文字识别方法对待识别图片进行文字识别，得到文本信息；
关键词提取模块，用于对所述文本信息依次进行分词和过滤，得到词语集，基于图排序算法从所述词语集中提取关键词；
初始文本集获取模块，用于将所述关键词与预构建的关键词字典进行匹配得到目标关键词，根据所述目标关键词在预构建的文本素材集数据库中查询，得到初始文本集；
目标文本生成模块，用于根据所述初始文本集生成目标文本。
7.如权利要求6所述的基于OCR技术的文本自动生成装置，其特征在于，在对所述文本信息依次进行分词和过滤，得到词语集时，所述关键词提取模块执行下述操作：
利用前缀分词词典对所述文本信息进行切分，得到一种或者多种划分方式下的原始词语集；
根据所述原始词语集，通过首尾相连构建有向无环图；
采用动态规划算法计算所述有向无环图中的最大概率路径，得到所述文本信息的分词结果；
根据预设的停用词表对所述分词结果进行过滤，得到所述词语集。
8.如权利要求6所述的基于OCR技术的文本自动生成装置，其特征在于，在基于图排序算法从所述词语集中提取关键词时，所述关键词提取模块执行下述操作：
根据所述词语集构建有向有权图，其中，所述有向有权图中的一个节点表示所述词语集中的一个分词；
根据权重计算公式计算所述有向有权图中每一个节点的权重；
选取所述有向有权图中权重超过预设阈值的节点，作为所述词语集的关键词。
9.一种电子设备，其特征在于，所述电子设备包括：
存储器，存储至少一个指令；及
处理器，执行所述存储器中存储的指令以执行如权利要求1至5中任一所述的基于OCR技术的文本自动生成方法。
10.一种计算机可读存储介质，包括存储数据区和存储程序区，存储数据区存储根据区块链节点的使用所创建的数据，存储程序区存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至5中任意一项所述的基于OCR技术的文本自动生成方法。
CN202010727815.5A 2020-07-24 2020-07-24 基于ocr技术的文本自动生成方法、装置、设备及介质 Pending CN111782772A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010727815.5A CN111782772A (zh) 2020-07-24 2020-07-24 基于ocr技术的文本自动生成方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010727815.5A CN111782772A (zh) 2020-07-24 2020-07-24 基于ocr技术的文本自动生成方法、装置、设备及介质

Publications (1)

Publication Number Publication Date
CN111782772A true CN111782772A (zh) 2020-10-16

Family

ID=72763364

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010727815.5A Pending CN111782772A (zh) 2020-07-24 2020-07-24 基于ocr技术的文本自动生成方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN111782772A (zh)

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112084979A (zh) * 2020-09-14 2020-12-15 武汉轻工大学 食品成分识别方法、装置、设备及存储介质
CN112396048A (zh) * 2020-11-17 2021-02-23 中国平安人寿保险股份有限公司 图片信息提取方法、装置、计算机设备及存储介质
CN112560842A (zh) * 2020-12-07 2021-03-26 马上消费金融股份有限公司 一种信息识别方法、装置、设备和可读存储介质
CN112766263A (zh) * 2021-01-21 2021-05-07 西安理工大学 一种针对多层控股关系股份图的识别方法
CN112861648A (zh) * 2021-01-19 2021-05-28 平安科技（深圳）有限公司 文字识别方法、装置、电子设备及存储介质
CN112927087A (zh) * 2021-02-03 2021-06-08 泛华普益基金销售有限公司 理财信息处理系统、方法、计算机装置和存储介质
CN113256459A (zh) * 2021-04-30 2021-08-13 深圳市鹰硕教育服务有限公司 微课视频管理方法、装置、系统及存储介质
CN113535125A (zh) * 2021-08-04 2021-10-22 中国工商银行股份有限公司 金融需求项生成方法及装置
CN113743802A (zh) * 2021-09-08 2021-12-03 平安信托有限责任公司 工单智能匹配方法、装置、电子设备及可读存储介质
CN113806311A (zh) * 2021-09-17 2021-12-17 平安普惠企业管理有限公司 基于深度学习的文件分类方法、装置、电子设备及介质
CN113934935A (zh) * 2021-10-20 2022-01-14 平安国际智慧城市科技股份有限公司 交互式法院地图生成方法、装置、设备及可读存储介质
CN114495145A (zh) * 2022-02-16 2022-05-13 平安国际智慧城市科技股份有限公司 政策文号提取方法、装置、设备以及存储介质
CN114580362A (zh) * 2022-05-09 2022-06-03 四川野马科技有限公司 一种回标文件生成系统及其方法
CN114697286A (zh) * 2022-04-18 2022-07-01 上海迎盾科技有限公司 即时通信数据的处理方法及装置、计算机可读存储介质
CN114943975A (zh) * 2022-05-10 2022-08-26 山东大学 一种基于深度学习的多模态搜题方法及系统
CN116244496A (zh) * 2022-12-06 2023-06-09 山东紫菜云数字科技有限公司 一种基于产业链的资源推荐方法
CN116758551A (zh) * 2023-07-03 2023-09-15 读书郎教育科技有限公司 应用于词典笔的ocr文字识别方法
CN117475453A (zh) * 2023-12-25 2024-01-30 欣诚信息技术有限公司 一种基于ocr的文书检测方法、装置及电子设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110020185A (zh) * 2017-12-29 2019-07-16 国民技术股份有限公司 智能搜索方法、终端及服务器
CN110414519A (zh) * 2019-06-27 2019-11-05 众安信息技术服务有限公司 一种图片文字的识别方法及其识别装置
CN110598972A (zh) * 2019-07-26 2019-12-20 浙江华云信息科技有限公司 一种基于自然语言处理的计量采集研究方向趋势分析方法
CN111078979A (zh) * 2019-11-29 2020-04-28 上海观安信息技术股份有限公司 一种基于ocr和文本处理技术识别网贷网站的方法及系统
CN111414916A (zh) * 2020-02-29 2020-07-14 中国平安财产保险股份有限公司 图像中文本内容提取生成方法、装置及可读存储介质
CN111428488A (zh) * 2020-03-06 2020-07-17 平安科技（深圳）有限公司 简历数据信息解析及匹配方法、装置、电子设备及介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110020185A (zh) * 2017-12-29 2019-07-16 国民技术股份有限公司 智能搜索方法、终端及服务器
CN110414519A (zh) * 2019-06-27 2019-11-05 众安信息技术服务有限公司 一种图片文字的识别方法及其识别装置
CN110598972A (zh) * 2019-07-26 2019-12-20 浙江华云信息科技有限公司 一种基于自然语言处理的计量采集研究方向趋势分析方法
CN111078979A (zh) * 2019-11-29 2020-04-28 上海观安信息技术股份有限公司 一种基于ocr和文本处理技术识别网贷网站的方法及系统
CN111414916A (zh) * 2020-02-29 2020-07-14 中国平安财产保险股份有限公司 图像中文本内容提取生成方法、装置及可读存储介质
CN111428488A (zh) * 2020-03-06 2020-07-17 平安科技（深圳）有限公司 简历数据信息解析及匹配方法、装置、电子设备及介质

Cited By (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112084979A (zh) * 2020-09-14 2020-12-15 武汉轻工大学 食品成分识别方法、装置、设备及存储介质
CN112396048A (zh) * 2020-11-17 2021-02-23 中国平安人寿保险股份有限公司 图片信息提取方法、装置、计算机设备及存储介质
CN112396048B (zh) * 2020-11-17 2023-09-29 中国平安人寿保险股份有限公司 图片信息提取方法、装置、计算机设备及存储介质
CN112560842A (zh) * 2020-12-07 2021-03-26 马上消费金融股份有限公司 一种信息识别方法、装置、设备和可读存储介质
CN112861648A (zh) * 2021-01-19 2021-05-28 平安科技（深圳）有限公司 文字识别方法、装置、电子设备及存储介质
CN112861648B (zh) * 2021-01-19 2023-09-26 平安科技（深圳）有限公司 文字识别方法、装置、电子设备及存储介质
CN112766263B (zh) * 2021-01-21 2024-02-02 西安理工大学 一种针对多层控股关系股份图的识别方法
CN112766263A (zh) * 2021-01-21 2021-05-07 西安理工大学 一种针对多层控股关系股份图的识别方法
CN112927087A (zh) * 2021-02-03 2021-06-08 泛华普益基金销售有限公司 理财信息处理系统、方法、计算机装置和存储介质
CN113256459A (zh) * 2021-04-30 2021-08-13 深圳市鹰硕教育服务有限公司 微课视频管理方法、装置、系统及存储介质
CN113535125A (zh) * 2021-08-04 2021-10-22 中国工商银行股份有限公司 金融需求项生成方法及装置
CN113743802A (zh) * 2021-09-08 2021-12-03 平安信托有限责任公司 工单智能匹配方法、装置、电子设备及可读存储介质
CN113806311A (zh) * 2021-09-17 2021-12-17 平安普惠企业管理有限公司 基于深度学习的文件分类方法、装置、电子设备及介质
CN113806311B (zh) * 2021-09-17 2023-08-29 深圳市深可信科学技术有限公司 基于深度学习的文件分类方法、装置、电子设备及介质
CN113934935A (zh) * 2021-10-20 2022-01-14 平安国际智慧城市科技股份有限公司 交互式法院地图生成方法、装置、设备及可读存储介质
CN113934935B (zh) * 2021-10-20 2024-07-02 平安国际智慧城市科技股份有限公司 交互式法院地图生成方法、装置、设备及可读存储介质
CN114495145B (zh) * 2022-02-16 2024-05-28 平安国际智慧城市科技股份有限公司 政策文号提取方法、装置、设备以及存储介质
CN114495145A (zh) * 2022-02-16 2022-05-13 平安国际智慧城市科技股份有限公司 政策文号提取方法、装置、设备以及存储介质
CN114697286A (zh) * 2022-04-18 2022-07-01 上海迎盾科技有限公司 即时通信数据的处理方法及装置、计算机可读存储介质
CN114697286B (zh) * 2022-04-18 2024-04-26 上海迎盾科技有限公司 即时通信数据的处理方法及装置、计算机可读存储介质
CN114580362B (zh) * 2022-05-09 2022-11-01 四川野马科技有限公司 一种回标文件生成系统及其方法
CN114580362A (zh) * 2022-05-09 2022-06-03 四川野马科技有限公司 一种回标文件生成系统及其方法
CN114943975A (zh) * 2022-05-10 2022-08-26 山东大学 一种基于深度学习的多模态搜题方法及系统
CN116244496B (zh) * 2022-12-06 2023-12-01 山东紫菜云数字科技有限公司 一种基于产业链的资源推荐方法
CN116244496A (zh) * 2022-12-06 2023-06-09 山东紫菜云数字科技有限公司 一种基于产业链的资源推荐方法
CN116758551A (zh) * 2023-07-03 2023-09-15 读书郎教育科技有限公司 应用于词典笔的ocr文字识别方法
CN117475453A (zh) * 2023-12-25 2024-01-30 欣诚信息技术有限公司 一种基于ocr的文书检测方法、装置及电子设备
CN117475453B (zh) * 2023-12-25 2024-02-27 欣诚信息技术有限公司 一种基于ocr的文书检测方法、装置及电子设备

Similar Documents

Publication Publication Date Title
CN111782772A (zh) 基于ocr技术的文本自动生成方法、装置、设备及介质
CN111695439B (zh) 图像结构化数据提取方法、电子装置及存储介质
CN112597312A (zh) 文本分类方法、装置、电子设备及可读存储介质
CN108804423B (zh) 医疗文本特征提取与自动匹配方法和系统
CN112396049A (zh) 文本纠错方法、装置、计算机设备及存储介质
US11599727B2 (en) Intelligent text cleaning method and apparatus, and computer-readable storage medium
CN111488732B (zh) 一种变形关键词检测方法、系统及相关设备
CN111581367A (zh) 一种题目录入的方法和系统
CN113360654B (zh) 文本分类方法、装置、电子设备及可读存储介质
CN113901933B (zh) 基于人工智能的电子发票信息抽取方法、装置及设备
CN113706322A (zh) 基于数据分析的服务分发方法、装置、设备及存储介质
CN112883730B (zh) 相似文本匹配方法、装置、电子设备及存储介质
CN113268615A (zh) 资源标签生成方法、装置、电子设备及存储介质
CN113742592A (zh) 舆情信息推送方法、装置、设备及存储介质
CN115238670B (zh) 信息文本抽取方法、装置、设备及存储介质
CN114398557A (zh) 基于双画像的信息推荐方法、装置、电子设备及存储介质
CN113821602A (zh) 基于图文聊天记录的自动答疑方法、装置、设备及介质
CN115221276A (zh) 基于clip的中文图文检索模型训练方法、装置、设备及介质
CN112632264A (zh) 智能问答方法、装置、电子设备及存储介质
CN113704474A (zh) 银行网点设备操作指引生成方法、装置、设备及存储介质
CN113254814A (zh) 网络课程视频打标签方法、装置、电子设备及介质
CN115409041B (zh) 一种非结构化数据提取方法、装置、设备及存储介质
CN116340516A (zh) 实体关系的聚类提取方法、装置、设备及存储介质
CN108021918B (zh) 文字识别方法及装置
CN116468025A (zh) 电子病历结构化方法、装置、电子设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination