[发明专利]文档布局的解析方法、装置、电子设备和存储介质

说明书

本申请公开了文档布局的解析方法、装置、电子设备和存储介质，涉及自然语言处理、深度学习技术领域。具体实现方案为：通过根据获取的目标文档的多个字符和多个字符的字符信息生成字符全连接图，根据多个字符的字符信息生成多个字符顶点的顶点类型，并根据获取的空间语义特征和字符信息生成多个字符连接边的边类型，最后根据顶点类型和边类型生成目标文档的文档布局。由此，通过根据字符信息、语义信息和空间位置信息，对文档布局进行解析，生成文档布局，从而充分利用信息搜索全局最优解，提高了文档布局解析的准确性。

技术领域

本申请涉及计算机技术领域，具体涉及自然语言处理、深度学习技术领域，尤其涉及一种文档布局的解析方法、装置、电子设备和存储介质。

背景技术

布局解析是理解文档内容不可或缺的一步，众多后续任务都需建立在精准的布局解析的基础之上。例如，知道文档是左右分栏，才能得到正确的文字序列；知道文档某区域是表格以及单元格之间的关系，才能够正确理解表格内容。

可见，如何准确地解析文档布局是至关重要的。

发明内容

本申请提供一种用于准确生成文档布局的文档布局的解析方法、装置、电子设备和存储介质。

根据第一方面，提供了一种文档布局的解析方法，包括：

获取目标文档之中的多个字符以及所述多个字符的字符信息；

根据所述多个字符以及所述多个字符的字符信息生成字符全连接图，其中，所述字符全连接图包括多个字符顶点，以及所述多个字符顶点之间的多个字符连接边；

获取每个所述字符的空间语义特征；

根据所述多个字符的字符信息生成所述多个字符顶点的顶点类型；

根据所述空间语义特征和所述字符信息生成所述多个字符连接边的边类型；以及

根据所述顶点类型和所述边类型生成所述目标文档的文档布局。

本申请实施例的文档布局的解析方法，通过根据获取的目标文档的多个字符和多个字符的字符信息生成字符全连接图，根据多个字符的字符信息生成多个字符顶点的顶点类型，并根据获取的空间语义特征和字符信息生成多个字符连接边的边类型，根据顶点类型和边类型生成目标文档的文档布局。由此，通过根据字符信息、语义信息和空间位置信息，对文档布局进行解析，生成文档布局，从而充分利用信息搜索全局最优解，提高了文档布局解析的准确性。

根据第二方面，提供了一种文档布局的解析装置，包括：

第一获取模块，用于获取目标文档之中的多个字符以及所述多个字符的字符信息；

第一生成模块，用于根据所述多个字符以及所述多个字符的字符信息生成字符全连接图，其中，所述字符全连接图包括多个字符顶点，以及所述多个字符顶点之间的多个字符连接边；

第二获取模块，用于获取每个所述字符的空间语义特征；

第二生成模块，用于根据所述多个字符的字符信息生成所述多个字符顶点的顶点类型；

第三生成模块，用于根据所述空间语义特征和所述字符信息生成所述多个字符连接边的边类型；以及

第四生成模块，用于根据所述顶点类型和所述边类型生成所述目标文档的文档布局。

本申请实施例的文档布局的解析装置，通过根据获取的目标文档的多个字符和多个字符的字符信息生成字符全连接图，根据多个字符的字符信息生成多个字符顶点的顶点类型，并根据获取的空间语义特征和字符信息生成多个字符连接边的边类型，最后根据顶点类型和边类型生成目标文档的文档布局。由此，通过根据字符信息、语义信息和空间位置信息，对文档布局进行解析，生成文档布局，从而充分利用信息搜索全局最优解，提高了文档布局解析的准确性。