[发明专利]表单信息的获取方法、装置和服务器

说明书

本说明书提供了表单信息的获取方法、装置和服务器。基于该方法，通过先确定出目标图像中目标表单的主题类型，并获取目标表单内的文本数据、文本数据的位置信息，以及文本数据之间的基于位置的第一类依赖关系；进一步，引入预设的知识图谱，结合主题类型，构建同时包含有目标表单中的文本数据，以及文本数据之间的第一类依赖关系和基于语义的第二类依赖关系的目标表单的泛化套打表格模型；再根据上述目标表单的泛化套打表格模型，可以综合利用文本数据之间的第一类依赖关系和第二类依赖关系，根据目标规则，精准地提取出相应的文本数据作为目标表单信息。从而可以同时适用于不同表单样式的表单，进行相应的表单信息提取，具有较好的泛化性。

技术领域

本说明书属于人工智能技术领域，尤其涉及表单信息的获取方法、装置和服务器。

背景技术

在许多数据处理场景中，常常需要工作人员提取纸质表单中所关注的部分或全部的表单信息，以便后续进行数字化的数据处理。

基于现有方法，往往需要预先针对每一种表单样式单独构建并训练一个表单信息的提取模型来专门提取该种表单样式的表单中的表单信息。一旦上述表单样式发生了改变，则需要另外重新训练一个提取模型来提取对应改变后的表单样式的表单中的表单信息。可见，现有方法在实施时泛化性相对较差，无法有效地提取不同表单样式的表单中的表单信息。

针对上述问题，目前尚未提出有效的解决方案。

发明内容

本说明书提供了一种表单信息的获取方法、装置和服务器，以能同时适用于不同表单样式的表单，进行具体的表单信息提取。

本说明书提供了一种表单信息的获取方法，包括：

获取目标图像；其中，所述目标图像包含有待处理的目标表单；

确定出目标图像中所包含的目标表单的主题类型；

根据所述目标图像，获取目标表单内的文本数据和文本数据的位置信息，并确定文本数据之间的基于位置的第一类依赖关系；

根据预设的知识图谱、所述主题类型、所述目标表单内的文本数据和文本数据的位置信息，确定出文本数据之间的基于语义的第二类依赖关系，并构建得到目标表单的泛化套打表格模型；其中，所述目标表单的泛化套打表格模型包含有文本数据，以及文本数据之间的基于位置的第一类依赖关系和基于语义的第二类依赖关系；

根据目标规则，从所述目标表单的泛化套打表格模型中提取出相应的文本数据，以得到目标表单信息。

在一个实施例中，在获取目标图像之后，所述方法还包括：

对所述目标图像进行预处理；其中，所述预处理包括以下至少之一：图像标准化处理、倾斜校正处理、扭曲修复处理。

在一个实施例中，在所述预处理包括扭曲修复处理的情况下，对所述目标图像进行预处理，包括：

检测所述目标图像中的目标表单是否存在扭曲；

在确定所述目标图像中的目标表单存在扭曲的情况下，确定扭曲类型；其中，所述扭曲类型包括：目标表单自身存在的扭曲、获取目标图像时引入的扭曲；

在确定所述扭曲类型为目标表单自身存在的扭曲的情况下，调用预设的扭曲修复处理模型，处理所述目标图像；其中，所述预设的扭曲修复处理模型为包含有两个U-net堆叠而成的DocUNet结构的深度学习模型。

在一个实施例中，确定出目标图像中所包含的目标表单的主题类型包括：

利用SIFT算法处理所述目标图像，以提取得到目标图像特征；

调用预设的主题分类模型处理所述目标图像特征，以确定出目标图像中所包含的目标表单的主题类型。