[发明专利]关键信息的提取方法和装置、存储介质及电子装置

说明书

本发明公开了一种关键信息的提取方法和装置、存储介质及电子装置，其中，上述方法包括：根据目标文档中文本块的标注信息确定所述文本块的图像特征、位置特征和文本特征，其中，所述标注信息包括：所述文本块对应的图像信息、所述文本块在所述目标文档的位置和所述文本块的文本内容，所述文本特征包括：所述文本块中每个字符的第一字符特征；融合所述图像特征、所述位置特征和所述文本特征，得到所述文本块对应的文本块特征；根据所述文本块特征和所述第一字符特征提取所述文本块中的关键信息，采用上述技术方案，解决了对于结构复杂，文本内容丰富的文档提取效果较差等问题。

技术领域

本发明涉及通信领域，具体而言，涉及一种关键信息的提取方法和装置、存储介质及电子装置。

背景技术

随着信息技术的快速发展，人们每天需要处理非常多的文档资料，使用人力来从这些文档中提取信息是重复且费时费力的。对文档的关键信息进行提取是一项非常有用的技术，其旨在于从复杂的无结构化的文本中提取出主要的关键信息，并将其进行结构化表示。使用文档关键信息提取技术能快速、高效地从文档中找到感兴趣的关键信息，代替效率低下的人工查找形式，从而极大的提升工作效率。

目前，随着一些基于深度学习的文档关键信息提取方法的提出以及使用，有效证明了深度学习相对比传统方法在该领域的优越性，但这些方法与技术仍然存在着一定的不足之处。比如，利用实体识别(NER)来进行文档关键信息抽取，在一些文本内容较短、结构简单的文档上取得了不错的效果，但对于结构复杂，文本内容丰富的文档提取效果就比较差。

针对相关技术中，对于结构复杂，文本内容丰富的文档提取效果较差等问题，尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种关键信息的提取方法和装置、存储介质及电子装置，以至少解决相关技术中，对于结构复杂，文本内容丰富的文档提取效果较差等问题。

根据本发明实施例的一个实施例，提供了一种关键信息的提取方法，包括：根据目标文档中文本块的标注信息确定所述文本块的图像特征、位置特征和文本特征，其中，所述标注信息包括：所述文本块对应的图像信息、所述文本块在所述目标文档的位置和所述文本块的文本内容，所述文本特征包括：所述文本块中每个字符的第一字符特征；融合所述图像特征、所述位置特征和所述文本特征，得到所述文本块对应的文本块特征；根据所述文本块特征和所述第一字符特征提取所述文本块中的关键信息。

在一个示例性实施例中，融合所述图像特征、所述位置特征和所述文本特征的过程中，所述方法还包括：获取所述图像特征的第一权重、所述位置特征的第二权重和所述文本特征的第三权重；根据所述第一权重、第二权重、第三权重对所述图像特征、所述位置特征和所述文本特征进行加权相加，得到所述文本块的第一文本块特征。

在一个示例性实施例中，得到所述文本块的融合后的第一文本块特征之后，所述方法还包括：获取所述目标文档中的其他文本块的多个第二文本块特征，其中，所述目标文档包括：所述文本块和所述其他文本块；分别确定所述第一文本块特征与多个所述第二文本块特征中的每一个第二文本块特征的权重值，得到多个权重值，其中，所述权重值用于指示所述文本块和所述其他文本块的关联程度；根据所述多个第二文本块特征和所述多个权重值确定所述文本块的第三文本块特征，并将所述第三文本块特征作为所述文本块的文本块特征。

在一个示例性实施例中，分别确定所述第一文本块特征与多个所述第二文本块特征中的每一个第二文本块特征的权重值，得到多个权重值，包括：分别将所述第一文本块特征和多个所述第二文本块特征中的每一个第二文本块特征输入到注意力模型中，以使所述注意力模型用于根据第一文本块特征和多个所述第二文本块特征确定所述第一文本块特征与多个所述第二文本块特征中的每一个第二文本块特征的特征向量相似性；将所述特征向量相似性进行归一化处理，得到所述第一文本块特征与多个所述第二文本块特征中的每一个第二文本块特征的权重值。