[发明专利]文档元数据的按块提取

权利要求书

1.一种方法，包括：

获取文档图像，其中所述文档图像包括多个对象；

识别所述文档图像内的多个宏块；

在所述多个宏块的宏块内执行微块处理，其中所述微块处理包括检查宏块内的微块的内容以提取键-值对，所述检查内容包括执行微块的本体分析，其中所述微块处理包括将置信水平与所提取的键-值对相关联；以及

基于在所述多个宏块中的宏块内执行微块处理来输出元数据。

2.根据权利要求1所述的方法，其中，输出元数据包括将元数据输出到进程接口。

3.如权利要求1所述的方法，其中，所述方法包括处理所述文档图像以识别基线样式参数值，所述基线样式参数值指定基线字体高度；针对所述文档图像的文本行中的每个单词，识别相对样式参数，所述相对样式参数是参考所述基线样式参数值定义的，其中，所述相对样式参数将所述文本行的文本的单词的字体高度指定为所述基线样式参数值的百分比；并且其中输出元数据包括提供相对样式参数作为输出元数据以用于输出。

4.如权利要求1所述的方法，其中，所述元数据呈现包括宏块的指示以及在每个宏块的标志符内被标识并被子头化的所标识的键-值对的分层结构。

5.如权利要求1所述的方法，其中，检查宏块的区域内的微块的内容包括使用不同的机器逻辑微块界定规则迭代地执行检查，使得对于第一迭代，识别宏块的区域内的第一组微块，且对于第二迭代，识别宏块的区域内的第二组微块，其中第二组微块的微块计数不同于第二组微块的微块计数。

6.根据权利要求1所述的方法，其中所述输出包括丢弃键-值对，使得具有低于阈值的置信水平的键-值对不经受输出。

7.根据权利要求1所述的方法，其中所述检查内容包括执行未对齐微块的本体分析，以及基于所述本体分析确定未对齐微块共线。

8.如权利要求1所述的方法，其中，所述方法包括确定用于所述文档图像的大于微块的区域的空白空间样式参数值，以及基于所述空白空间样式参数值应用机器逻辑微块界定规则。

9.一种方法，包括：

获取文档图像，其中所述文档图像包括多个对象；

识别所述文档图像内的宏块，其中所述宏块包括所述多个对象中的对象；

在所述文档图像的所述宏块的区域内检查微块的内容以提取一个或多个键-值对，其中所述检查包括在所述微块的所述区域内检查未对齐微块的内容，并且其中在所述微块的所述区域内检查未对齐微块的内容包括应用本体分析；

将置信水平与所述一个或多个键-值对中的键-值对相关联；以及

输出所述一个或多个键-值对。

10.根据权利要求9所述的方法，其中所述检查包括分析所述宏块的所述区域内的第一微块及第二微块两者的相应语义内容，查明所述第一微块的第一语义内容与键名相关联，从对应于所述键名的键本体数据发现所述第二微块的第二语义内容具有对应于所述键名的数据类型。

11.根据权利要求9所述的方法，其中在所述识别宏块之前开始所述检查未对齐微块的内容，且其中基于所述检查未对齐微块的内容来执行所述识别所述文档图像内的宏块。

12.如权利要求9所述的方法，其中，检查宏块的区域内的未对齐微块的内容包括使用不同的机器逻辑微块界定规则迭代地执行所述检查，使得对于第一迭代，识别宏块的区域内的第一组微块，且对于第二迭代，识别宏块的区域内的第二组微块，其中第二组微块的微块计数不同于第二组微块的微块计数。