[发明专利]信息抽取模型的构建方法、信息抽取方法及装置

权利要求书

1.一种信息抽取模型的构建方法，其特征在于，包括：

获取分类训练样本集和分类标注信息，其中，所述分类训练样本集中的每个分类训练样本包括分类训练文本框在图像中的位置和分类训练文本框中的文字，所述分类标注信息表示分类训练样本的分类训练文本框属于预设文本框类别中的哪一类别；

基于所述分类训练样本集和所述分类标注信息，训练用于对文本框进行分类的文本框分类模型；

获取提取训练样本集和提取标注信息，其中，所述提取训练样本集的每个提取训练样本为包括一个或多个文字的提取训练文字序列，所述提取标注信息表示提取训练文字序列中的每个文字在信息实体的预设参考位置中的哪一位置；

基于所述提取训练样本集和所述提取标注信息，训练用于从文本框中提取文字的文本提取模型；

基于训练好的文本框分类模型和训练好的文本提取模型，构建用于从图像中抽取信息实体的信息抽取模型。

2.根据权利要求1所述的构建方法，其特征在于，获取所述分类标注信息的步骤包括：

获取所述图像中的多个预标注文本框的位置和所述预标注文本框的类别；

基于所述分类训练文本框的位置和所述多个预标注文本框的位置，确定所述分类训练文本框与所述多个预标注文本框中的每个之间的面积重叠度，并基于所述面积重叠度对分类训练文本框进行标注，以获取所述分类标注信息，

其中，所述面积重叠度指的是分类训练文本框与预标注文本框的重叠面积与预标注文本框的面积的比值，当分类训练文本框与预标注文本框的面积重叠度大于预设阈值时，将分类训练文本框标注为与相应的预标注文本框相同的类别。

3.一种信息抽取方法，其特征在于，包括：

获取关于待抽取信息的图像的图像数据，其中，所述图像数据包括所述图像中的文本框的位置和每个文本框中的文字；

基于所述图像数据，使用信息抽取模型抽取所述图像中的信息，其中，所述信息抽取模型是根据权利要求1或2所述的信息抽取模型的构建方法构建得到的。

4.一种信息抽取方法，其特征在于，包括：

获取待抽取信息的图像的图像数据，其中，所述图像数据包括图像中的文本框的位置和每个文本框中的文字；

基于所述文本框的位置和所述文本框中的文字，按照预设文本框类别，对所述文本框进行分类，其中，所述预设文本框类别代表文本框中的文字所表示的信息实体的类别；

将被分类为同一类别的文本框中的文字组合为文本序列；

针对每个类别，基于所述文本序列，预测所述文本序列中的每个文字在相应类别所对应的信息实体中的文字位置；

按照所预测的文字位置，从所述图像数据中抽取出每个类别下的信息实体，以用于根据信息实体确定所述图像中的信息。

5.一种信息抽取模型的构建装置，其特征在于，包括：

第一获取单元，被配置为获取分类训练样本集和分类标注信息，其中，所述分类训练样本集中的每个分类训练样本包括分类训练文本框在图像中的位置和分类训练文本框中的文字，所述分类标注信息表示分类训练样本的分类训练文本框属于预设文本框类别中的哪一类别；

第一训练单元，被配置为基于所述分类训练样本集和所述分类标注信息，训练用于对文本框进行分类的文本框分类模型；

第二获取单元，被配置为获取提取训练样本集和提取标注信息，其中，所述提取训练样本集的每个提取训练样本为包括一个或多个文字的提取训练文字序列，所述提取标注信息表示提取训练文字序列中的每个文字在信息实体的预设参考位置中的哪一位置；

第二训练单元，被配置为基于所述提取训练样本集和所述提取标注信息，训练用于从文本框中提取文字的文本提取模型；

构建单元，被配置为基于训练好的文本框分类模型和训练好的文本提取模型，构建用于从图像中抽取信息实体的信息抽取模型。