[发明专利]文档处理方法、装置、设备及计算机可读存储介质

权利要求书

1.一种文档处理方法，其特征在于，所述方法包括：

获取待处理文档的语义特征以及视觉特征；

根据所述语义特征和所述视觉特征确定所述待处理文档的通用特征；

根据所述待处理文档的通用特征确定所述待处理文档的类别。

2.根据权利要求1所述的文档处理方法，其特征在于，所述获取待处理文档的语义特征，包括：

获取所述待处理文档的文本识别结果；

基于所述文本识别结果，获得所述待处理文档的语义特征。

3.根据权利要求2所述的文档处理方法，其特征在于，所述获取所述待处理文档的文本识别结果，包括：

获取所述待处理文档所包含的文本框以及所述文本框所包含的文本内容；

获得各个所述文本框中的文本内容的分词处理结果；

获得所述分词处理结果对应的特征向量。

4.根据权利要求1所述的文档处理方法，其特征在于，所述根据所述视觉特征和所述语义特征确定所述待处理文档的通用特征，包括：

分别对所述视觉特征和所述语义特征进行正则化处理；

对正则化处理后的所述视觉特征和正则化处理后的所述语义特征进行加权求和，得到所述待处理文档的通用特征。

5.根据权利要求1至4任一项所述的文档处理方法，其特征在于，所述文档处理方法利用神经网络执行，所述神经网络包括用于提取所述待处理文档的通用特征的特征提取子网络和用于根据所述通用特征确定所述待处理文档的类别的第一分类子网络，其中，所述第一分类子网络具体用于：

比较所述待处理文档的通用特征与预设的至少一类文档的标准特征，确定所述待处理文档的通用特征与所述至少一类文档的标准特征的相似度；

根据所获得的至少一个相似度确定所述待处理文档的类别。

6.根据权利要求5所述的文档处理方法，其特征在于，所述根据所获得的至少一个相似度确定所述待处理文档的类别，包括：

获得所述至少一个相似度中最高的相似度；

响应于所述最高的相似度大于或等于预设的相似度阈值，确定所述最高的相似度对应的标准特征所属文档的类别为所述待处理文档的类别。

7.根据权利要求5或6所述的文档处理方法，其特征在于，所述方法还包括对所述神经网络中的特征提取子网络进行训练，具体包括：

将样本文档输入至所述特征提取子网络，获得所述样本文档的通用特征，其中，所述样本文档标注有类别；

将所述通用特征输入至第二分类子网络，获得所述样本文档的预测类别；

根据所述样本文档的预测类别和所述样本文档的标注类别之间的差异，对所述特征提取子网络的网络参数进行调整。

8.根据权利要求7所述的文档处理方法，其特征在于，所述至少一类文档的标准特征是利用训练完成的特征提取子网络，对所述至少一类文档进行特征提取而获得的。

9.根据权利要求6至8任一项所述的文档处理方法，其特征在于，所述方法还包括：

响应于所述最高的相似度小于所述预设的相似度阈值，增加所述待处理文档为标准模板，并确定所述通用特征为新增标准模板对应类别的标准特征。

10.根据权利要求5至9任一项所述的文档处理方法，其特征在于，所述方法还包括：

响应于选择指令，从预设的文档类别中选择至少一个类别作为目标类别；

所述比较所述待处理文档的通用特征与预设的至少一类文档的标准特征，确定所述待处理文档的通用特征与所述至少一类文档的标准特征的相似度，包括：

比较所述待处理文档的通用特征与预设的至少一个目标类别的文档的标准特征，确定所述待处理文档的通用特征与所述至少一个目标类别的文档的标准特征的相似度。