[发明专利]纸质文档的自动化录入方法、系统、装置及存储介质

权利要求书

1.一种纸质文档的自动化录入方法，其特征在于，包括：

获取纸质文档的目标图像；

识别目标图像以获取相应的内容数据，所述内容数据包括版面特征数据和文字数据，所述文字数据包括文字特征数据和正文文字数据；

根据所述内容数据对目标图像进行分类标记，获取目标图像的属性标签；

根据目标图像的属性标签匹配预设的实体文档模型；

将文字数据录入选定的实体文档模型，生成结构化文档数据；

存储所述结构化文档数据；

将文字数据录入选定的实体文档模型后，对生成的结构化档案数据进行校审；

若校审结果合格，则存储所述结构化档案数据；

若校审结果不合格，则从步骤“识别目标图像以获取相应的内容数据”开始循环；如果循环第N次后，校审结果仍不合格，转由人工校审；

根据所述内容数据对目标图像进行分类标记，获取目标图像的属性标签，包括：

预设文档属性标签数据集，其中包括不同类型文档的版面特征数据、以及与版面特征数据相对应的第一类属性标签；

用从目标图像中获取的版面特征数据，匹配预设文档属性标签数据集中的版面特征数据；将匹配到的版面特征数据所对应的第一类属性标签设为目标图像的第一类属性标签；

预设文档属性标签数据集，其中还包括：文字特征数据以及与文字特征数据相对应的第二类属性标签；第二类属性标签对应唯一的第一类属性标签；

对从目标图像中获取的标题文字数据进行语义解析，用语义解析的结果匹配预设文档属性标签数据集中的文字特征数据；将匹配到的文字特征数据所对应的第二类属性标签设为目标图像的第二类属性标签；

若同一目标图像的第二类属性标签和第一类属性标签满足预设的对应关系，则完成对目标图像分类标记；

若同一目标图像的第二类属性标签和第一类属性标签不满足预设的对应关系，则输出报错内容后，又从新开始分类标记步骤，直至同一目标图像的第二类属性标签和第一类属性标签满足预设的对应关系。

2.根据权利要求1所述的自动化录入方法，其特征在于，根据目标图像的属性标签匹配预设的实体文档模型，包括：

预设实体档案模型集合，其中包括若干实体档案模型、以及与实体档案模型相对应的属性标签，所述属性标签包括第一类属性标签和第二类属性标签；

用目标图像的属性标签匹配预设实体档案模型中的属性标签，将匹配到的属性标签对应的实体档案模型作为选定的实体文档模型。

3.根据权利要求2所述的自动化录入方法，其特征在于，预设实体文档模型集合中，每一个实体文档模型对应一个预设子集，所述预设子集里面包括该实体文档模型的若干预设结构表征数据；

将文字数据录入选定的实体文档模型，生成结构化档案数据，步骤包括：

对从目标图像中获取的正文文字数据进行语义解析，用语义解析的结果去匹配该实体文档模型对应的预设结构表征数据，确定相匹配的预设结构表征数据；

将正文文字数据和相匹配的预设结构表征数据组合，生成结构化档案数据。

4.根据权利要求3所述的自动化录入方法，其特征在于，对生成的结构化档案数据进行校审，包括：

预设标准档案模型集合，其中包括若干标准档案模型、以及与标准档案模型相对应的属性标签；所述标准档案模型中包含若干必备字段和可选字段；

根据属性标签，选择所述结构化档案数据对应的标准档案模型；

检查所述结构化档案数据中是否包括全部的必备字段；

若所述结构化档案数据中缺少必备字段，则校审结果不合格；

若所述结构化档案数据中包括全部的必备字段，则校审结果合格；

校审结果合格后，采用自然语言处理技术检查所述结构化档案数据中是否存在文字错误或缺失，若出现错误则用预设纠错模型纠错。