文本处理方法和装置.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115862019A(43)申请公布日2023.03.28(21)申请号202211649156.3(22)申请日2022.12.21(71)申请人深圳前海微众银行股份有限公司地址518027广东省深圳市前海深港合作区前湾一路1号A栋201室(72)发明人易剑韬郑少杰(74)专利代理机构北京同立钧成知识产权代理有限公司11205专利代理师李亚丽刘芳(51)Int.Cl.G06V30/14(2022.01)G06F16/583(2019.01)G06F16/58(2019.01)G06F40/279(2020.01)权利要求书2页说明书18页附图11页(54)发明名称文本处理方法和装置(57)摘要本申请提供了一种文本处理方法和装置，涉及金融科技(Fintech)领域，通过获取样本图像，对样本图像进行文本提取得到初始文本，初始文本中包括有样本图像中的文字和各个文字的相对位置；在初始文本中确定出关键词，初始文本中包括至少一个关键词；确定关键词在初始文本中所处的位置；获取样本图像所属的业务场景和在业务场景下已知的关键词信息文本，构建得到概率转移矩阵；根据关键词的位置和概率转移矩阵，在初始文本中搜索得到与关键词相关联的目标词组；根据每个关键词和与该关键词关联的目标词组，构造出目标文本。解决了现有的图片中文字结构化信息提取效果差，提取过程效率慢的技术问题。CN115862019ACN115862019A权利要求书1/2页1.一种文本处理方法，其特征在于，包括：获取样本图像，对所述样本图像进行文本提取得到初始文本，所述初始文本中包括有所述样本图像中的文字和各个文字的相对位置；在所述初始文本中确定出关键词，所述初始文本中包括至少一个关键词；确定所述关键词在所述初始文本中所处的位置；获取所述样本图像所属的业务场景和在所述业务场景下已知的关键词信息文本，构建得到概率转移矩阵；根据所述关键词的位置和概率转移矩阵，在所述初始文本中搜索得到与所述关键词相关联的目标词组；根据每个关键词和与该关键词关联的目标词组，构造出目标文本。2.根据权利要求1所述的方法，其特征在于，在所述初始文本中确定出至少一个关键词，包括：对所述初始文本进行分词处理，计算所述初始文本中各个分词组合的概率值，所述分词组合包括前词和后词，所述概率值用于表征所述前词与所述后词是否相邻；根据所述概率值大小，对各个分词组合进行排序，并从排序序列中选取出至少一个目标词组组合；从所述目标词组组合中提取出前词，作为所述关键词。3.根据权利要求1所述的方法，其特征在于，所述确定所述关键词在所述初始文本中所处的位置，包括：在所述初始文本中确定出坐标原点，并建立坐标系；在所述初始文本中通过初始词框框选出所述关键词；确定所述初始词框上至少一个位置点在所述坐标系上的坐标，以确定所述关键词所述初始文本中所处的位置。4.根据权利要求1所述的方法，其特征在于，所述根据所述关键词的位置和概率转移矩阵，在所述初始文本中搜索得到与所述关键词相关联的目标词组，包括：根据所述关键词的位置，获取用于框选所述关键词的初始词框；根据所述关键词周围的文字，对所述初始词框进行至少一次缩放，缩放后的初始词框中框选有所述关键词周围的至少一个文字；根据所述概率转移矩阵，计算每次缩放后的初始词框的转移概率，所述转移概率用于表征缩放后的初始词框中的文字与所述关键词的相邻概率；在每次缩放后的初始词框中选取出转移概率最大的目标框；从所述目标框中确定出目标词语。5.根据权利要求4所述的方法，其特征在于，所述计算每次缩放后的初始词框的转移概率，包括：对缩放后的初始词框中的文字进行分词，得到至少一个分词词组；根据所述概率转移矩阵，获取缩放后的初始词框中每个分词词组与所述关键词的转移概率并求和，作为该缩放后的初始词框的转移概率。6.根据权利要求4所述的方法，其特征在于，所述对所述初始词框进行至少一次缩放，包括：2CN115862019A权利要求书2/2页对所述初始词框进行放大得到放大搜索框；若所述放大搜索框的转移概率大于预设初始概率，则将所述预设初始概率更新为所述放大搜索框的转移概率，并继续对所述放大搜索框进行放大，直到满足预设放大阈值条件；若所述放大搜索框的转移概率小于或等于预设初始阈值，则对所述放大搜索框进行缩小，得到缩小搜索框；在所述缩小搜索框的转移概率小于或等于所述预设初始阈值时，继续对所述缩小搜索框进行缩小，直到缩小搜索框的转移概率大于所述预设初始阈值或满足预设缩小阈值条件。7.根据权利要求4所述的方法，其特征在于，若所述关键词为两个以上，则所述在所述初始文本中搜索得到与所述关键词相关联的目标词组，包括：在上一次对每个关键词的初始词框进行缩放后，对在上一次缩放后的所有关键词的初始词