[发明专利]一种名片文本信息的归类方法及装置

说明书

本申请公开了一种名片文本信息的归类方法及装置，通过OCR识别算法将名片图像转换为文本信息，再利用正则匹配表达式的匹配方法以及预设深度学习文本分类模型，按照预设类别提取文本信息中的子文本信息，并将其依次归类，解决了传统的仅基于规则或者词库匹配的方法已经无法适应新的名片形式、无法完全兼容OCR可能的少量识别错误，而导致的信息的错误分类或者信息缺失的技术问题。

技术领域

本申请涉及自然语言处理技术领域，尤其涉及一种名片文本信息的归类方法及装置。

背景技术

纸质名片作为一种简明又美观的信息载体，在社交活动之中扮演着重要的角色。用户在得到了一张纸质名片后，为了方便管理和查看，往往需要提取名片上的各项信息，例如：姓名、企业、电话、邮箱、地址等信息。

如今深度学习OCR识别技术日趋成熟，名片设计越来越个性化风格不一。传统的仅仅基于规则或者词库匹配的方法，针对新的名片风格，许多匹配规则失效，同时对于OCR的识别结果可能会带有无法预知的个别字眼错误无法兼容和考虑完全，已经无法满足于新的应用需求，且传统方法存在容易导致信息的错误分类或者信息缺失的技术问题。

本专利提出的一种名片文本信息归类的方法及装置，可以较好地解决这类问题，适应新的需求。

发明内容

本申请提供了一种名片文本信息的归类方法及装置，解决了传统的仅基于规则或者词库匹配的方法已经无法适应新的名片形式、无法完全兼容OCR可能的少量识别错误，而导致的信息的错误分类或者信息缺失的技术问题。

有鉴于此，本申请第一方面提供了一种名片文本信息的归类方法，所述方法包括：

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。

可选地，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。

可选地，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。

可选地，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。

可选地，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。

可选地，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。