[发明专利]非结构化数据文档处理方法及相关设备

说明书

本公开提供一种非结构化数据文档处理方法及相关设备。该方法包括：利用基于深度学习的文字识别模型，对非结构化数据文档进行文字识别，以获得文字内容；采用信息抽取算法从所述文字内容中抽取关键信息；将所述关键信息转化为结构化数据予以存储或输出。这种非结构化数据文档处理方法通过数字化手段实现非结构化数据的提取转换，可以减少手工处理数据的工作量，节省人力资源成本。

技术领域

本公开涉及数据处理领域，尤其涉及一种非结构化数据文档处理方法及相关设备。

背景技术

文字识别是计算机视觉研究领域的分支之一，是模式识别和人工智能领域的一种应用，利用光学技术和计算机技术把印刷或者手写在纸上的文字识别出来，并转化为一种计算机能够接受、人可以理解的形式。

信息抽取是为从文本中选择出的信息创建一个结构化的表示形式，然后将转换后的结构化、半结构化的信息存储在数据库里用户查询或进一步的分析使用。

然而传统的文字识别技术也面临着图像质量差时识别准确度不足的问题急需改善。

发明内容

有鉴于此，本公开的目的在于提出一种非结构化数据文档处理方法及相关设备。

基于上述目的，本公开提供的非结构化数据文档处理方法，包括：

利用基于深度学习的文字识别模型，对非结构化数据文档进行文字识别，以获得文字内容；

采用信息抽取算法从所述文字内容中抽取关键信息；

将所述关键信息转化为结构化数据予以存储或输出。

基于同一发明构思，本公开还提供了一种非结构化数据文档处理装置，包括：

文字识别模块，用于利用基于深度学习的文字识别模型对非结构化数据文档进行文字识别，以获得文字内容；

信息抽取模块，用于采用信息抽取算法从所述文字内容中抽取关键信息；

转化模块，用于将所述关键信息转化为结构化数据予以存储或输出。

基于同一发明构思，本公开还提供了一种电子设备，包括存储器、处理器以及存储在所述存储器上并可由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现本公开提供的非结构化数据文档处理方法。

从上面所述可以看出，本公开提供的非结构化数据文档处理方法及相关设备，对海量的非结构化数据能够进行有效的分析和应用，能够将非结构化数据全面纳入审计视野，为审计人员提供有价值的审计信息，为审计关注点提供强有力的数据支撑，提升信息化审计工作的广度和深度。同时，通过数字化手段实现非结构化数据的提取转换，可以减少手工处理数据的工作量，节省人力资源成本，进一步提高审计效能。

附图说明

为了更清楚地说明本公开或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本公开实施例的非结构化数据文档处理方法的流程图；

图2为本公开实施例的文字识别的流程图；

图3为本公开实施例的采用基于监督学习的抽取模型进行信息抽取的流程图；

图4为本公开实施例的采用基于深度学习的抽取模型进行信息抽取的流程图；

图5为本公开实施例的基于深度学习的抽取模型的架构图；

图6为本公开实施例的非结构化数据文档处理装置的结构图；

图7为本公开实施例的电子设备的结构图。