[发明专利]从文本文档进行数据驱动的结构提取

摘要

公开了用于从文本文档中提取结构化内容作为图表的方法和装置。图表的顶点和边与文档标记以及标记之间的成对关系对应。支持无向的对等关系和有向的关系(例如键值或组成)。可以使用预定义的字段来标识顶点，然后将其映射到数据库列以在数据库中自动存储文档内容。经训练的神经网络分类器确定输入标记的所有成对组合的关系分类。关系分类可以区分多种关系类型。多级分类器从文档中提取多级图表结构。公开的实施例支持具有层次和平面关系的任意图表结构。关系不受空间邻近性或文档布局的限制。可以标识复合标记以及其他内容。根据单个标记的各种关系，它可以属于多个更高层级的结构。公开了示例和变型。