[发明专利]基于自适应进化算法的保单数字化方法

权利要求书

1.基于自适应进化算法的保单数字化方法，其特征在于，包括如下步骤：

(1)构建改进的OCR程序

在Faster R-CNN算法上添加新的神经网络，共计新增8层全连接神经网络，节点数目分别为16、16、8、16、8、4、2、1，构建改进的OCR程序，将图片化的纸质文本提取成无结构化的纯文本格式，提取的纯文本格式分为文本字段集合A和框体坐标集合B，所述集合A包含OCR程序识别出的所有字段；

(2)生成随机分配方案

在得到文本字段集合A和框体坐标集合B之后，生成随机分配方案；

(3)计算函数g

建立保单格式库，存储不同格式的保单，保单格式通过函数g进行描述

g＝r(T) (1)

其中，T是210×297的矩阵，r是线性代数中求解矩阵的秩；矩阵T的现实含义为将A4纸横向划分210等份，纵向划分297等份，每个矩形上有文字则为1，无文字则为0；

矩阵T中的任意一个元素a_i，j只能取值0或者1；a_i，j＝1表示第i行第j个矩形上面有文字，a_i，j＝0表示第i行第j个矩形上面没有文字；

(4)计算评价函数

本过程同标准进化算法一致，简述如下：

所述评价函数的公式如下：

公式中，α₁为基础率，是被分配在基础字段名的字段值数量与总字段值数量的比值；α₂为偏离度，是所有字段值中右侧坐标与字段名左侧坐标差值的方差；α₃为距离，是补充字段的左侧到字段值右侧的距离之和；

(5)选择

本过程同标准进化算法一致，依照评价函数做锦标赛选择；

(6)交叉

本过程与标准进化算法存在极大不同，包括如下步骤：

步骤1：随机选择2个分配方案，命名为F₁，F₂；

步骤2：取i＝0；

步骤3：如果i小于297的长度，转步骤4，否则转步骤9；所述297是根据矩阵T的尺寸210*297确定的，可以遍历每一行；

步骤4：按照公式(3)计算交叉概率J；

步骤5：生成一个随机数a；

步骤6：判断a是否大于J，为真转步骤7，否则转步骤8；

步骤7：将F₁中的第i行和F₂中的第i行互换；

步骤8：i＝i+1，转步骤3；

步骤9：结束；

经过步骤1到步骤9，得到了一个交叉的结果，因为共有5000个分配方案，所以需要重复执行步骤1到步骤9共计5000次，用来保证每一个分配方案都至少有一次交叉的机会；

(7)变异

本过程与标准进化算法存在极大不同，包括如下步骤：

步骤1：随机选择1个分配方案，命名为F；

步骤2：取i＝0；

步骤3：如果i小于297的长度，转步骤4，否则转步骤9；所述297是根据矩阵T的尺寸210*297确定的，可以遍历每一行；

步骤4：按照公式(3)计算变异概率B；

步骤5：生成一个随机数a；

步骤6：判断a是否大于B，为真转步骤7，否则转步骤8；

步骤7：随机选择F中的任意两行进行互换；

步骤8：i＝i+1，转步骤3；

步骤9：结束；

经过步骤1到步骤9，得到了一个变异的结果，因为共有5000个分配方案，所以需要重复执行步骤1到步骤9共计5000次，用来保证每一个分配方案都至少有一次变异的机会；

(8)获取结果

将步骤(7)中的结果代入步骤(3)，重新开始步骤(3)到步骤(7)，每重复一次步骤(3)到步骤(7)，公式(4)的f值都会不断变大；当连续5次公式(4)的f值都不再增加的时候，本次保单数字化完全结束，取其中f值最大的一个分配方案作为最终结果；

(9)结束

完成一次保单数字化过程。

2.如权利要求1所述的基于自适应进化算法的保单数字化方法，其特征在于，步骤(2)生成随机分配方案，坐标就是集合B中的坐标，字段为集合A中的字段，包括步骤如下：

步骤1：获取字段值的个数Z₁；

步骤2：选择字段值中右侧坐标小于字段名左侧坐标部分，结果的集合用C表示，置i＝1；

步骤3：判断C是否为空，如果C为空集，转步骤4，如果C为空集，步骤9；

步骤4：C为空集说明字段值无法匹配基础字段名，那么从补充字段名里寻找字段名给字段值匹配，从补充字段名中找到字段值可用的字段，集合用R表示；

步骤5：判断R是否为空，如果R为空集，转步骤6，如果R不为空集，转步骤8；

步骤6：R为空集说明没有空闲出来的补充字段名，那么取消第i字段值，转步骤14；

步骤7：R不为空集，尚未分配的字段名，存入集合R₁表示，如R₁为空集，转步骤8，如果R₁不为空集，转步骤9；

步骤8：R₁为空集，那么从集合R中随机找到一个字段名作为字段值i匹配的字段名，转步骤14；

步骤9：R₁不为空集，那么从集合R₁中随机找到一个字段名作为字段值i匹配的字段名，转步骤14；

步骤10：C不为空集，说明字段值中右侧坐标小于字段名左侧坐标，可以从基础字段名集合里寻找匹配的字段名，用集合用U表示，如果U为空集，转步骤11，如果U不为空集，步骤14；

步骤11：U为空集说明分配字段值时，所有基础字段名都没有空闲出来，那么计算字段值左侧与字段名右侧距离小于40个像素之内，有字段值空闲出来的基础字段名，字段名集合用N表示，如果N为空集的话，转步骤12，如果不为空集，转步骤13；

步骤12：N为空集，那么字段值i匹配的字段名只能从补充字段名里寻找，与上述的补充字段名搜寻方法一样，转步骤14；

步骤13：N不为空集，那么从N里随机选取字段名给字段值匹配，转步骤15，U不为空集说明字段值对应的基础字段名有空闲的，那么从集合R中随机找到一个字段名作为字段值i匹配的字段名，转步骤14；

步骤14：判断i≤Z₁是否成立，如果成立，转步骤15，如果不成立，转步骤12；

步骤15：输出可行解，即随机分配方案。