关键信息的提取方法和装置、存储介质及电子装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114238622A(43)申请公布日2022.03.25(21)申请号202111565064.2(22)申请日2021.12.20(71)申请人浙江大华技术股份有限公司地址310051浙江省杭州市滨江区滨安路1187号(72)发明人陈浩熊剑平(74)专利代理机构北京康信知识产权代理有限责任公司11240代理人王晓婷(51)Int.Cl.G06F16/34(2019.01)G06F16/383(2019.01)G06F16/35(2019.01)G06K9/62(2022.01)权利要求书2页说明书13页附图5页(54)发明名称关键信息的提取方法和装置、存储介质及电子装置(57)摘要本发明公开了一种关键信息的提取方法和装置、存储介质及电子装置，其中，上述方法包括：根据目标文档中文本块的标注信息确定所述文本块的图像特征、位置特征和文本特征，其中，所述标注信息包括：所述文本块对应的图像信息、所述文本块在所述目标文档的位置和所述文本块的文本内容，所述文本特征包括：所述文本块中每个字符的第一字符特征；融合所述图像特征、所述位置特征和所述文本特征，得到所述文本块对应的文本块特征；根据所述文本块特征和所述第一字符特征提取所述文本块中的关键信息，采用上述技术方案，解决了对于结构复杂，文本内容丰富的文档提取效果较差等问题。CN114238622ACN114238622A权利要求书1/2页1.一种关键信息的提取方法，其特征在于，包括：根据目标文档中文本块的标注信息确定所述文本块的图像特征、位置特征和文本特征，其中，所述标注信息包括：所述文本块对应的图像信息、所述文本块在所述目标文档的位置和所述文本块的文本内容，所述文本特征包括：所述文本块中每个字符的第一字符特征；融合所述图像特征、所述位置特征和所述文本特征，得到所述文本块对应的文本块特征；根据所述文本块特征和所述第一字符特征提取所述文本块中的关键信息。2.根据权利要求1所述的关键信息的提取方法，其特征在于，融合所述图像特征、所述位置特征和所述文本特征的过程中，所述方法还包括：获取所述图像特征的第一权重、所述位置特征的第二权重和所述文本特征的第三权重；根据所述第一权重、第二权重、第三权重对所述图像特征、所述位置特征和所述文本特征进行加权相加，得到所述文本块的第一文本块特征。3.根据权利要求2所述的关键信息的提取方法，其特征在于，得到所述文本块的融合后的第一文本块特征之后，所述方法还包括：获取所述目标文档中的其他文本块的多个第二文本块特征，其中，所述目标文档包括：所述文本块和所述其他文本块；分别确定所述第一文本块特征与多个所述第二文本块特征中的每一个第二文本块特征的权重值，得到多个权重值，其中，所述权重值用于指示所述文本块和所述其他文本块的关联程度；根据所述多个第二文本块特征和所述多个权重值确定所述文本块的第三文本块特征，并将所述第三文本块特征作为所述文本块的文本块特征。4.根据权利要求3所述的关键信息的提取方法，其特征在于，分别确定所述第一文本块特征与多个所述第二文本块特征中的每一个第二文本块特征的权重值，得到多个权重值，包括：分别将所述第一文本块特征和多个所述第二文本块特征中的每一个第二文本块特征输入到注意力模型中，以使所述注意力模型用于根据第一文本块特征和多个所述第二文本块特征确定所述第一文本块特征与多个所述第二文本块特征中的每一个第二文本块特征的特征向量相似性；将所述特征向量相似性进行归一化处理，得到所述第一文本块特征与多个所述第二文本块特征中的每一个第二文本块特征的权重值。5.根据权利要求1所述的关键信息的提取方法，其特征在于，根据所述文本块特征和所述第一字符特征提取所述文本块中的关键信息的过程中，所述方法还包括：根据所述第一字符特征和所述文本块特征确定所述文本块中每个字符的分别对应的实体类型和所述实体类型的概率；将所述实体类型和所述实体类型的概率通过预设方式标注在所述每个字符上，得到所述每个字符的实体标注结果。6.根据权利要求5所述的关键信息的提取方法，其特征在于，根据所述文本块特征和所2CN114238622A权利要求书2/2页述第一字符特征提取所述文本块中的关键信息，包括：根据所述每个字符的实体标注结果将实体类型均为目标实体类型的字符进行合并，得到所述目标实体类型对应的完整字符串；将所述目标实体类型和所述目标实体类型对应的完整字符串作为有效键值对，并将所述有效键值对作为所述文本块中的关键信息。7.根据权利要求5所述的关键信息的提取方法，其特征在于，根据所述第一字符特征和所述文本块特征确定所述文本块中每个字符的分别对应的实体类型和所述实体类型的概率，包括：将所述第一字符特征和所述文本块特征进行相加，得到所