[发明专利]一种文书标题识别方法和装置

说明书

本发明提供一种文书标题识别方法和装置，其中，文书标题识别方法，包括：获取待处理卷宗的文本信息；将所述文本信息划分为文书划分单元，并确定每一个文书划分单元对应的标题行；在所述标题行中的目标标题行与预设标题库匹配不成功的情况下，基于所述目标标题行和目标正文之间的关联关系对所述目标标题行进行纠错处理，以得到纠错后的目标标题行，其中，所述目标正文为所述目标标题行对应的文书划分单元中的正文文本；在所述纠错后的目标标题行与所述预设标题库匹配成功的情况下，输出所述纠错后的目标标题行。本申请实施例能够对出错的标题行进行纠正，从而提升输出的标题行的可靠性。

技术领域

本发明涉及图文领域，尤其涉及一种文书标题识别方法和装置。

背景技术

随着信息化水平的提高和人工智能技术的进步，图文光学字符识别(OpticalCharacter Recognition，OCR)识别在越来越多的场景中得以应用，例如：公检法领域的无纸化办公、医疗卫生领域的电子档病历等。其中，在公检法领域的无纸化办公过程中，主要通过电子卷宗管理系统完成卷宗管理，其中卷宗包括反应案件办理过程和案件办理结果的文字、图像、声像、视频等数字材料。电子卷宗的结构化存储、管理，可以提升办案质量、效率。

电子卷宗编目是电子卷宗管理过程中的重要一环。该电子卷宗编目分为两个步骤：首先，对电子卷宗材料进行分析，将卷宗划分为多个文书划分单元；然后，提取文书划分单元的首页的标题行作为文书标题，以基于该文书标题完成编目过程。

在该电子卷宗编目过程中，文书标题的识别直接依赖于文书划分单元的首页的标题行结果。但是，纸质文书中的标题行可能存在因标题行采用了不同字体的文字、被印章覆盖的文字等因素，而造成标的题行的识别结果出错的问题，进而对编目过程造成严重的错误。

由此可见，相关技术中基于OCR识别出的文书划分单元的首页的标题行进行编目的过程，存在可靠性低的问题。

发明内容

本发明实施例提供一种文书标题识别方法和装置，能够对基于OCR识别出的文书划分单元的首页的标题行进行纠错，从而能够提升编目过程的可靠性。

为解决上述技术问题，本发明是这样实现的：

第一方面，本发明实施例提供了一种文书标题识别方法，包括：

获取待处理卷宗的文本信息；

将所述文本信息划分为文书划分单元，并确定每一个文书划分单元对应的标题行；

在所述标题行中的目标标题行与预设标题库匹配不成功的情况下，基于所述目标标题行和目标正文之间的关联关系对所述目标标题行进行纠错处理，以得到纠错后的目标标题行，其中，所述目标正文为所述目标标题行对应的文书划分单元中的正文文本；

在所述纠错后的目标标题行与所述预设标题库匹配成功的情况下，输出所述纠错后的目标标题行。

第二方面，本发明实施例提供了一种文书标题识别装置，包括：

获取模块，用于获取待处理卷宗的文本信息；

划分模块，用于将所述文本信息划分为文书划分单元，并确定每一个文书划分单元对应的标题行；

纠错模块，用于在所述标题行中的目标标题行与预设标题库匹配不成功的情况下，基于所述目标标题行和目标正文之间的关联关系对所述目标标题行进行纠错处理，以得到纠错后的目标标题行，其中，所述目标正文为所述目标标题行对应的文书划分单元中的正文文本；

输出模块，用于在所述纠错后的目标标题行与所述预设标题库匹配成功的情况下，输出所述纠错后的目标标题行。

第三方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的文书标题识别方法的步骤。