[发明专利]基于OCR技术的文档信息智能获取和纠错方法、系统及设备

权利要求书

1.一种基于OCR技术的文档信息智能获取和纠错方法，其特征在于，所述方法包括：

获取公告文件，并解析所述公告文件以得到公告文本；

通过预先训练好的语言表示模型获取所述公告文本中各个字符的置信度；

判断所述公告文本是否为预设类型文本；

如果所述公告文本不是所述预设类型文本，则将所述公告文本和各个字符的置信度输入到预设OCR纠错模型，以通过所述预设OCR纠错模型对所述公告文本中置信度低于预设阈值的字符进行纠错操作，得到纠错后的目标公告文本；

根据所述目标公告文本从预先配置的信息要素表中匹配多个目标要素值；及

根据所述多个目标要素值从所述目标公告文本中提取多个公告数据。

2.如权利要求1所述的基于OCR技术的文档信息智能获取和纠错方法，其特征在于，所述获取公告文件，并解析所述公告文件以得到公告文本的步骤，包括：

对所述公告文件进行格式转换操作，以得到图片格式的公告文件；及

基于文字识别技术提取所述图片格式的公告文件的文字内容，并根据所述文字内容生成所述公告文本。

3.如权利要求1所述的基于OCR技术的文档信息智能获取和纠错方法，其特征在于，还包括：

如果所述公告文本是所述预设类型文本，则根据预设关键词表对所述公告文本进行纠错操作，以得到所述纠错后的目标公告文本。

4.如权利要求3所述的基于OCR技术的文档信息智能获取和纠错方法，其特征在于，所述如果所述公告文本是所述预设类型文本，则根据预设关键词表对所述公告文本进行纠错操作，以得到所述纠错后的目标公告文本的步骤，包括：

从所述公告文本中获取置信度低于预设阈值的多个目标字符；

根据所述多个目标字符从所述公告文本中提取多个候选词；及

根据所述预设关键词表对所述多个候选词进行纠错操作，以得到所述纠错后的目标公告文本。

5.如权利要求1所述的基于OCR技术的文档信息智能获取和纠错方法，其特征在于，所述根据所述多个目标要素值从所述目标公告文本中提取多个公告数据的步骤，包括：

根据所述多个目标要素值和预先配置的匹配规则从所述信息要素表中获取各个目标要素值所对应的要素，以得到多个目标要素；及

根据所述多个目标要素从所述目标公告文本中提取多个公告数据。

6.如权利要求5所述的基于OCR技术的文档信息智能获取和纠错方法，其特征在于，所述根据所述多个目标要素值和预先配置的匹配规则从所述信息要素表中获取各个目标要素值所对应的要素，以得到多个目标要素的步骤，包括：

根据所述匹配规则将所述多个目标要素值转化为多个正则表达式；及

根据所述多个正则表达式从所述信息要素表中获取各个目标要素值所对应的要素，以得到多个目标要素。

7.如权利要求1至6中任一项所述的基于OCR技术的文档信息智能获取和纠错方法，其特征在于，还包括：将所述多个公告数据上传到区块链。

8.一种基于OCR技术的文档信息智能获取和纠错系统，其特征在于，包括：

解析模块，用于获取公告文件，并解析所述公告文件以得到公告文本；

获取模块，用于通过预先训练好的语言表示模型获取所述公告文本中各个字符的置信度；

判断模块，用于判断所述公告文本是否为预设类型文本；

输入模块，用于如果所述公告文本不是所述预设类型文本，则将所述公告文本和各个字符的置信度输入到预设OCR纠错模型，以通过所述预设OCR纠错模型对所述公告文本中置信度低于预设阈值的字符进行纠错操作，得到纠错后的目标公告文本；

匹配模块，用于根据所述目标公告文本从预先配置的信息要素表中匹配多个目标要素值；及

提取模块，用于根据所述多个目标要素值从所述目标公告文本中提取多个公告数据。