[发明专利]文档元数据的按块提取

说明书

提出了方法、计算机程序产品和系统。所述方法包括，例如：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的微块处理来输出元数据。

技术领域

本公开涉及文档处理技术，并且更具体地涉及用于从文档图像认知地数字化数据的方法、计算机程序产品和系统。

背景技术

在传统的文档处理中，在准备时，逐页扫描纸上墨写文档作为相应的可视图像。扫描纸张的结果文档文件通常是页面的一系列可视图像。页面的每个可视图像不具有可访问的内容，并且现有文档处理应用可以将某些可视图像图案数字化为数字化数据，该数字化数据可以通过使用对应的计算机程序应用来访问和操作。这种可视图像的数据数字化处理通常被称为提取或数据提取。鉴于传统纸件形式和扫描文档图像中所表示的信息量，提取这种文档图像可能极大地影响工业以及社会的许多领域中的一般生产率。

发明内容

通过在一个方面提供一种方法，克服了现有技术的缺点，并且提供了附加的优点。该方法包括，例如：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的微块处理来输出元数据。

通过在一个方面提供一种计算机程序产品，克服了现有技术的缺点，并且提供了附加的优点，该计算机程序产品包括计算机可读存储介质，该计算机可读存储介质可由一个或多个处理器电路读取并且存储指令以供一个或多个处理器执行以用于执行一种方法，该方法包括例如：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的微块处理来输出元数据。

通过在一个方面提供一种系统，克服了现有技术的缺点，并且提供了附加的优点，该系统包括：存储器；与存储器通信的一个或多个处理器；以及可由一个或多个处理器经由存储器执行以执行方法的程序指令，该方法包括例如：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的微块处理来输出元数据。

通过在一个方面提供一种方法，克服了现有技术的缺点，并且提供了附加的优点。该方法包括，例如：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；检查所述文档图像的所述宏块的区域内的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。