[发明专利]一种文档字符串内容识别方法

摘要

本发明涉及数据信息处理技术领域，具体公开了一种文档字符串内容识别方法。该方法包括：利用Bi‑LSTM‑CRF方法对字符串的编码规则进行分类，构建特定字符串识别模型；构建Bi‑LSTM‑CRF模型，利用特定场景中特定字符串作为字符串编码规则训练集，获得对字符串编码规则分类模型；将文档中的特定字符串与所述字符串编码规则分类模型进行匹配，获得特定字符串的匹配结果；将所述匹配结果与构建的所述特定字符串识别模型进行匹配识别后，生成编码结果集，并在原文档中标注编码。本方法能够在无先验精确编码规则知识前提下，依然能够有效准确识别特定字符串；相比现有的单纯利用字分布式字符串实体识别系统，基于Bi‑LSTM‑CRF模型的实体识别模型取得更好表现，具有更好的准确性。