[发明专利]一种名片文本信息的归类方法及装置

权利要求书

1.一种名片文本信息的归类方法，其特征在于，包括：

对接收到的名片图像，按行通过OCR识别算法得到所述名片图像中每行的文本信息；

逐行对所述文本信息通过正则匹配表达式进行匹配，将匹配成功的第一子文本信息归类至预设类别之中；

将所述文本信息中除去所述第一子文本信息，得到第二子文本信息，通过预设深度学习文本分类模型，将所述第二子文本信息归类至所述预设类别之中。

2.根据权利要求1所述的名片文本信息的归类方法，其特征在于，所述将所述第二子文本信息归类至所述预设类别之中之后还包括：

检测所述预设类别中地址信息类别和地址尾部信息类别是否包含至少两个子文本信息，若是，则利用预设语言模型将所述至少两个子文本信息进行拼接，判断是否拼接成一条地址文本信息。

3.根据权利要求1所述的名片文本信息的归类方法，其特征在于，所述将所述第二子文本信息归类至所述预设类别之中之后还包括：

将所述预设类别中的各子文本信息进行抬头去除处理。

4.根据权利要求1所述的名片文本信息的归类方法，其特征在于，所述逐行对所述文本信息通过正则匹配表达式进行匹配之前还包括：

接收归类指令，并根据所述归类指令确定待归类的预设类别的数量。

5.根据权利要求1所述的名片文本信息的归类方法，其特征在于，所述逐行对所述文本信息通过正则匹配表达式进行匹配，将匹配成功的第一子文本信息归类至预设类别之中具体包括：

逐行对所述文本信息按照预设类别的抬头文字以及特征字段或带有预设类别的起始符以及终止符的特征字段进行匹配，将匹配成功的第一子文本信息归类至所述预设类别之中。

6.根据权利要求1所述的名片文本信息的归类方法，其特征在于，所述通过预设深度学习文本分类模型，将所述第二子文本信息归类至所述预设类别之中具体包括：

将所述第二子文本信息作为预设深度学习文本分类模型推理阶段的输入，得到所述预设深度学习文本分类模型对所述第二子文本信息与各个所述预设类别的匹配概率，根据所述匹配概率，将所述第二子文本信息归类至所述匹配概率最高的所述预设类别。

7.根据权利要求2所述的名片文本信息的归类方法，其特征在于，所述检测所述预设类别中地址信息类别和地址尾部信息类别是否包含至少两个子文本信息，若是，则利用预设语言模型将所述至少两个子文本信息进行拼接，判断是否拼接成一条地址文本信息具体包括：

检测所述预设类别中地址信息类别和地址尾部信息类别；

若所述地址尾部信息类别中包含子文本信息，则判断所述地址信息类别中包含的子文本信息与所述地址尾部信息类别中包含的子文本信息是否属于同一个地址信息，若是，则将所述地址信息类别中包含的子文本信息与所述地址尾部信息类别中包含的子文本信息拼接，利用预设语言模型的预设困惑度阈值判断是否拼接成一条地址文本信息。

8.根据权利要求7所述的名片文本信息的归类方法，其特征在于，所述利用预设语言模型的预设困惑度阈值判断是否拼接成一条地址文本信息具体包括：

将所述地址信息类别中包含的子文本信息与所述地址尾部信息类别中包含的子文本信息拼接后，以拼接位置为中心，左右各截取预设长度的文本信息作为预设语言模型的输入，得到所述预设语言模型输出的困惑度；

将所述困惑度与预设困惑度阈值进行比较，若所述困惑度小于所述预设困惑度阈值，则所述地址信息类别中包含的子文本信息与所述地址尾部信息类别中包含的子文本信息拼接成功，否则拼接失败，保留所述地址信息类别中包含的子文本信息，并舍弃所述地址尾部信息类别中包含的子文本信息。