[发明专利]一种法院电子卷宗自动化归档系统及其方法在审

专利信息
申请号: 201910180466.7 申请日: 2019-03-11
公开(公告)号: CN109977073A 公开(公告)日: 2019-07-05
发明(设计)人: 叶渊地;陈立新;刘宝寅;王建能 申请(专利权)人: 厦门纵横集团科技股份有限公司
主分类号: G06F16/11 分类号: G06F16/11;G06K9/62;G06Q50/18
代理公司: 厦门市新华专利商标代理有限公司 35203 代理人: 朱凌
地址: 361000 福建省厦门市*** 国省代码: 福建;35
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 卷宗 学习训练 归档 分类 归档系统 特征库 自动化 法院 计算机自动化 人工智能技术 人工智能 工作效率 归档功能 人工处理 人工干预 自动识别 有效地 原有的 计算机 准确率 预设 匹配 图像 学习 替代 更新
【说明书】:

发明公开了一种法院电子卷宗自动化归档系统及其方法,使用计算机自动化处理技术,依靠人工智能技术学习训练识别电子卷宗标题的图像特征值,与预设的特征库进行匹配,实现对电子卷宗的自动识别、自动归档功能,并通过学习训练模型不断学习新的种类以获取新的分类特征值,从而不断更新特征库以丰富分类的种类。本发明通过计算机与人工智能想结合的方式,并以人工干预作为辅助,替代原有的人工处理方式对法院的电子卷宗进行归档分类,有效地提高工作效率和归档的准确率;并通过学习训练模型让计算机不断学习适应更多种类的卷宗,进一步完善归档的分类,提升本系统和方法的识别范围。

技术领域

本发明涉及档案管理技术领域,特别是指一种法院电子卷宗自动化归档系统及其方法。

背景技术

目前法院等政府部门存在大量的纸质卷宗材料,将材料进行电子化的工作量非常庞大,电子卷宗的归档一直是采用人工识别文档分类归属,再使用人工将电子卷宗文档拖动到对应分类目录下的方式,不但需要专门的人员进行操作,人工识别分类还存在分类错误、分类不及时、分类信息无存储、检索混乱等问题。

有鉴于此,本发明人针对上述问题上未臻完善所导致的诸多缺失及不便,而深入构思,且积极研究改良试做而开发设计出本发明。

发明内容

本发明的目的在于提供一种法院电子卷宗自动化归档系统及其方法,自动识别电子卷宗文档标题,应用人工智能监督式学习自动按标题分类归档,从而提高电子卷宗归档的效率和准确率。

为了达成上述目的,本发明的解决方案是:

一种法院电子卷宗自动化归档系统,包括待归档目录、归档目录、其它目录,特征库、电子卷宗监视器、处理模块和学习训练模型;

所述待归档目录用以存放待归档的电子卷宗;归档目录用以存放归档成功的电子卷宗;其它目录用以存放归档失败的电子卷宗;特征库用以存放电子卷宗的分类特征值;电子卷宗监视器用以监视待归档目录中的新增电子卷宗并自动编码卷宗号;处理模块用以对编码后的电子卷宗提取图像特征值并将图像特征值与特征库中的分类特征值匹配,根据匹配结果存入归档目录或其它目录;学习训练模型用以学习和训练电子卷宗的图像特征值以获取新的分类特征值并更新特征库;

所述处理模块设有数字特征分类器,用以提取电子卷宗中个人文档的页数的数字特征值并进行计数,与其目录页的信息进行比对。

所述待归档目录中的电子卷宗是通过人工扫描输入的入库卷宗,或是以往未归档的历史电子卷宗。

所述系统设有线程管理器,用以根据卷宗号队列数进行分配线程处理。

基于上述系统,一种法院电子卷宗自动化归档方法,包括以下步骤:

步骤S1.通过电子卷宗自动监视器实时监视待归档目录中的电子卷宗,发现新增电子卷宗时自动编码卷宗号;

步骤S2.处理模块对编码后的电子卷宗的每个文件进行处理:

S2-1.处理模块扫描文件的图像以提取文件的图像特征值,与特征库的分类特征值进行匹配:若匹配成功,转S2-2,若匹配失败,转S2-5;

S2-2.根据匹配的分类特征值,判断文件的属性:若是法院文档,转S2-4,否则转S2-3;

S2-3.通过数字特征分类器,提取目录页以及后续页的文件页数的数字特征值,将后续页的数字特征值与其目录页的信息进行比对:若比对成功,转S2-4,否则转S2-5;

S2-4.将处理过的文件与归档目录进行匹配并存入归档目录;

S2-5.将处理过的文件存入其它目录;

步骤S3.对其他目录的电子卷宗进行处理

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于厦门纵横集团科技股份有限公司,未经厦门纵横集团科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910180466.7/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top