[发明专利]一种基于神经网络的复杂PDF结构解析方法及装置有效
| 申请号： | 201911124192.6 | 申请日： | 2019-11-18 |
| 公开（公告）号： | CN110598191B | 公开（公告）日： | 2020-04-07 |
| 发明（设计）人： | 宋永生;汤铭;王楠 | 申请（专利权）人： | 江苏联著实业股份有限公司 |
| 主分类号： | G06F40/126 | 分类号： | G06F40/126;G06F40/205;G06F40/258;G06F40/30;G06N3/04;G06N3/08 |
| 代理公司： | 连云港联创专利代理事务所(特殊普通合伙) 32330 | 代理人： | 刘刚 |
| 地址： | 210006 江苏省南京*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本说明书实施例提供了一种基于神经网络的复杂PDF结构解析方法及装置，通过获得PDF文档的特征信息；根据最大熵模型对所述PDF文档的特征信息进行粗颗粒划分，获得所述PDF文档的分层段落；根据大规模语料集中训练的两层双向语言模型转化所述PDF文档的分层段落获得段落词向量，压缩所述段落词向量获得段落语义向量；将所述段落语义向量输入多层双向长短时记忆网络，获得所述PDF文档的所有段落的层级序列。解决了由于PDF文档结构不单一，存在泛化能力较差的技术问题，达到了避免人工设计规则逻辑的局限性，能够高水平的解析复杂PDF文档结构，泛化性强的技术效果。 | ||
| 搜索关键词： | 一种 基于 神经网络 复杂 pdf 结构 解析 方法 装置 | ||
【主权项】：
1.一种基于神经网络的复杂PDF结构解析方法，其特征在于，所述方法包括：/n获得PDF文档的特征信息；/n根据最大熵模型对所述PDF文档的特征信息进行粗颗粒划分，获得所述PDF文档的分层段落；/n根据语料集中训练的两层双向语言模型转化所述PDF文档的分层段落获得段落词向量，压缩所述段落词向量获得段落语义向量；/n将所述段落语义向量输入多层双向长短时记忆网络，获得所述PDF文档的所有段落的层级序列，其中，所述多层双向长短时记忆网络通过学习多组PDF文档的文档结构训练获得。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于江苏联著实业股份有限公司，未经江苏联著实业股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201911124192.6/，转载请声明来源钻瓜专利网。
