[发明专利]一种列表识别方法与系统

摘要

本发明所述的列表识别方法及系统，对原始版式文档内的元数据信息进行解析和分析，提取页面内基本图元；对所述基本图元进行分割，提取页面内分割文本行，并得到分割片；针对所述分割片构造出无向图；根据所述基本图元的属性，检测前导符号的缩进特征；根据所述缩进特征、所述分割片的局部特征以及分割片之间的邻域关系特征，训练学习模型，获得模型参数，建立列表识别模型；调用所述列表识别模型对所需的文档进行列表识别，得到识别结果。这样以机器学习的方式可以识别列表首行和列表续行的上下文关系，最终实现对版式文档的列表的版面分析及理解，即使列表首行的前导符号变化多样，也能进行识别，提高了版式文档中列表识别的准确性。

主权项

一种列表识别方法，其特征在于，包括以下步骤：对原始版式文档内的元数据信息进行解析和分析，提取页面内基本图元；对所述基本图元进行分割，提取页面内分割文本行，并得到分割片；针对所述分割片构造出无向图，在所述针对所述分割片构造出无向图的过程中，利用所述分割片的邻域关系构造无向图；根据所述基本图元的属性，检测前导符号的缩进特征，所述根据所述基本图元的属性，检测前导符号的缩进特征的过程，包括检测所述前导符号缩进级别、缩进量以及与其他前导符号缩进是否一致；根据所述缩进特征、所述分割片的局部特征以及分割片之间的邻域关系特征，训练学习模型，获得模型参数，建立列表识别模型，其中所述邻域关系是与其周围的分割片的邻居关系、位置关系信息；调用所述列表识别模型对所需的文档进行列表识别，得到识别结果。