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！

龙图腾网恭喜北京智谱华章科技有限公司申请的专利一种智能文本提取与结构化处理的文档解析方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118447525B 。

龙图腾网通过国家知识产权局官网在2025-04-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410349746.7，技术领域涉及：G06V30/42；该发明授权一种智能文本提取与结构化处理的文档解析方法及系统是由刘欢;汪子涵设计研发完成，并于2024-03-26向国家知识产权局提交的专利申请。

本一种智能文本提取与结构化处理的文档解析方法及系统在说明书摘要公布了：本发明属于文档解析技术领域，涉及一种智能文本提取与结构化处理的文档解析方法及系统，所述方法包括：1输入文本的判断、转换和预处理；2对预处理后的图片格式的文本进行角度矫正；3进行版面分析；4进行单行文本智能提取，单行文本的智能提取结果包括行文本识别内容和行文本框；5将行文本框与版面分析框进行比对，获得更新后的行文本框和版面分析框；6运用递归切割和索引跟踪方法对更新后的版面分析框进行版面排序；7根据排序后的版面分析框对更新后的行文本框进行归类，依照版面类别进行行文本识别内容的结构化输出，得到最终的文档解析结果。其在处理复杂文档时，可以提供更高的准确度和效率。

本发明授权一种智能文本提取与结构化处理的文档解析方法及系统在权利要求书中公布了：1.一种智能文本提取与结构化处理的文档解析方法，其特征在于，包括以下步骤：1判定输入文本的格式，若输入文本的格式为非图片格式，则将输入文本转换为图片格式的文本并对图片格式的文本进行预处理；2对预处理后的图片格式的文本进行文本检测以获得OCR检测框，通过OCR检测框的宽高比和文本方向分类器判断是否对预处理后的图片格式的文本进行角度矫正，并在需要进行角度矫正时进行角度矫正以获得矫正后的图片格式的文本和OCR检测框；3对矫正后的图片格式的文本进行版面分析，以得到版面分析框及其版面类别；4对矫正后的图片格式的文本进行单行文本智能提取，以得到单行文本的智能提取结果，所述单行文本的智能提取结果包括行文本识别内容和行文本框；5将行文本框与版面分析框进行比对，以完善版面区域，去除无用语义信息，从而获得更新后的行文本框和版面分析框；6运用递归切割和索引跟踪方法对更新后的版面分析框进行版面排序；7根据排序后的版面分析框对更新后的行文本框进行归类，依照版面类别进行行文本识别内容的结构化输出，得到最终的文档解析结果；所述步骤7具体包括：7.1遍历更新后的行文本框，将每个更新后的行文本框归类至对应的排序后的版面分析框；7.2对于归类在版面类别为表格的版面分析框内的行文本框，应用表格重建算法进行表格重建，对于归类在版面类别为非表格的版面分析框内的行文本框，应用段落合并算法得到结构化段落的输出文本；7.3对每个版面分析框内的行文本识别内容进行格式化处理；7.4按照版面分析框的顺序输出每个版面分析框内的结构化文本，以输出最终的文档解析结果；所述步骤7.2中的应用表格重建算法进行表格重建具体为：对于版面类别为表格的版面分析框，创建一个虚拟画布，即二维矩阵，其每个元素对应原始表格中的一个字符；根据版面类别为表格的版面分析框内的行文本框的宽度及文本字符数量，计算画布缩放因子；将版面类别为表格的版面分析框内的行文本框根据Y轴坐标进行排序，判断已排序的行文本框在Y轴上的交集，如果行文本框之间在Y轴上的交集与任意行文本框高度占比达到预设阈值，则认为这些行文本框属于同一行，对归类为同一行的行文本框按照其在X轴上的位置进行排序；在虚拟画布上根据X轴上的位置和Y轴上的位置的排序结果，依次将归类为同一行的行文本框的内容填充到虚拟画布对应的位置上，如果在填充过程中发现归类为同一行的行文本框的内容超出了所述虚拟画布的尺寸，则自动调整所述虚拟画布的宽度；在归类为同一行的行文本框的每个行文本框的边界添加空格，以确保临近的字符之间有适当的间隙，避免字符之间的粘连，形成表格形式的文本输出。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京智谱华章科技有限公司，其通讯地址为：100086 北京市海淀区中关村东路1号院9号楼10层整层；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。