买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：重庆亲笔签数字科技有限公司

摘要：本发明涉及基于自适应空间度量的结构化信息抽取方法、系统及介质，包括：离线模板构建：在模板中标注关键字所在的位置信息；文字识别和排序：对待处理文档图像进行文字识别，得到包含有元素s的集合S；关键字抽取：对于集合S中的每个元素s，计算元素s所对应的文本框移动到与模板中的关键字i所对应的文本框相重叠时所需要移动的最小单元数，记为D1i，找到D1i取值最小的关键字x；判断元素s的字符串中是否包含所需识别的关键字x，若是，则将[x，s‑x，s的位置信息]作为元素r存入结果集合R中，否则，则将[s，s的位置信息]作为元素c存入候选集合C中；对应值重构。本发明具有较高的可迁移性，提升了信息抽取的准确性。

主权项：1.一种基于自适应空间度量的结构化信息抽取方法，其特征在于，包括以下步骤：离线模板构建：在模板中标注关键字所在的位置信息，标注好的模板为包含有元素k的集合K，其中，元素k包括关键字和文本框坐标组信息；文字识别：对待处理文档图像进行文字识别，得到包含有元素s的集合S，其中，元素s包括字符串、文本框位置信息；关键字抽取：对于集合S中的每个元素s，计算元素s所对应的文本框移动到与模板中的关键字i所对应的文本框相重叠时所需要移动的最小单元数，记为D1i，其中，i为1,2，……，m，m为模板中已标注关键字的数量，找到D1i取值最小的关键字x；判断元素s的字符串中是否包含了所需识别的关键字x，若是，则将[x，s-x，s的位置信息]作为元素r存入结果集合R中，其中：s-x表示将元素s的字符串去掉关键字x后剩下的字符串，否则，则将[s，s的位置信息]作为元素c存入候选集合C中；对应值重构：对于候选集合C中的所有元素c，计算元素c所对应的文本框移动到与结果集合R中的元素rj所对应的文本框相邻时所需要移动的最小单元数，记为D2j，其中，j为1,2，……，n，n为结果集合R中元素r的数量，找到D2j取值最小的元素r，并将该元素c的字符串添加到元素r的“值”的位置；所述D2j的计算公式如下：D2jE,F＝αE,F·min|Ex1-Fx1|,|Ex1-Fx2|,|Ex2-Fx2|,|Ex2-Fx1|+min|Ey1-Fy1|,|Ey1-Fy2|,|Ey2-Fy1|,|Ey2-Fy2|其中：E表示元素rj所对应的文本框；F表示元素c所对应的文本框；Ex1,Ey1表示文本框E的左上角坐标；Ex2,Ey2表示文本框E的右下角坐标；Fx1,Fy1表示文本框F的左上角坐标，Fx2,Fy2表示文本框F的右下角坐标；αE,F表示文本框E和文本框F的相对位置；所述αE,F的计算方法如下： 其中，k1为尺度参数，若Ex1Fx1，则表示文本框E在文本框F的右侧，若Ex1Fx1，则表示文本框E在文本框F的左侧。

全文数据：

权利要求：

百度查询： 重庆亲笔签数字科技有限公司 基于自适应空间度量的结构化信息抽取方法、系统及介质