[发明专利]一种面向人物名片的任职关系抽取方法和系统

说明书

本发明公开了一种面向人物名片的任职关系抽取方法，包括以下步骤：步骤1、获得人物名片图片，并对人物名片图片进行预处理；步骤2、对预处理后的人物名片图片中的文字进行提取，得到文字区域；步骤3、识别出文字区域中的三种实体，三种实体包括人名、工作单位和职位；步骤4、对步骤3中识别出的人名、工作单位和职位进行修正；步骤5、根据修正后的人名、工作单位和职位，形成用于表达任职关系的三元组并存储在电子名片数据库。本发明还公开了一种面向人物名片的任职关系抽取系统，本发明从而实现对名片的任职关系自动录入与存储，对人脉关系进行扩充和管理。

技术领域

本发明涉及搜索和信息抽取技术领域，特别是一种面向人物名片的任职关系抽取方法和系统。

背景技术

名片是当今商务交往以及日常生活中一种重要的身份信息传递载体，它在日常中的使用对建立交流加深印象以及建立初步商务互信有着巨大作用，也是提高个人影响力、增加合作可能的性价比较高的工具。早期人们往往通过手工录入的形式将名片上的内容转化为电子信息录入到数字存储设备中进行保存、管理。但这样做一方面是效率低下，在有大批量数据需要处理时有心无力；二是成本高昂，一个简单的录入工作却需要会使用计算机的人员重复劳动，并且后期需要耗费大量时间与精力来管理和维护数据库，而且还往往不方便与其他人的数据库对接。随着当今交流的日益频繁使得名片录入需求日益增加，通过技术手段来实现对名片的自动录入与存储已经变得可能并且需求迫切。

现有的针对名片的处理方法中，通常只实现了对其中联系方式例如手机号码、电子邮箱等信息的存取。而为了对人脉关系进行组织和管理，名片当中的任职关系是非常重要的。任职关系由人名，工作单位，职位三元组表达，现有方法没有解决如下问题：

（1）从文字提取的结果中识别出人名，工作单位，职位三种实体；

（2）对识别错误的文字，根据实体的特点进行修正；

（3）对于多个工作单位和职位，进行匹配，生成正确的人名，工作单位，职位三元组。

发明内容

本发明所要解决的技术问题是克服现有技术的不足而提供一种面向人物名片的任职关系抽取方法和系统，本发明从图片中进行文字提取，对人名、工作单位、职位三种实体进行自动识别，并根据不同实体的特点对提取错误的实体进行修正，最后进行匹配生成若干任职关系的方法，从而实现对名片的任职关系自动录入与存储，对人脉关系进行扩充和管理。

本发明为解决上述技术问题采用以下技术方案：

根据本发明提出的一种面向人物名片的任职关系抽取方法，包括以下步骤：

步骤1、获得人物名片图片，并对人物名片图片进行预处理；

步骤2、对预处理后的人物名片图片中的文字进行提取，得到文字区域；

步骤3、识别出文字区域中的三种实体，三种实体包括人名、工作单位和职位；

步骤4、对步骤3中识别出的人名、工作单位和职位进行修正；

步骤5、根据修正后的人名、工作单位和职位，形成若干个用来表达任职关系的三元组并存储在电子名片数据库中，每个三元组为人名，工作单位，职位。

作为本发明所述的一种面向人物名片的任职关系抽取方法进一步优化方案，步骤1的人物名片图片的获得方式是：拍摄、爬虫或用户提供；

预处理包括：

如果人物名片图片中包含多个名片，首先分割为单个的人物名片，随后对单个的人物名片进行二值化、平滑噪声、倾斜角检测和纠正处理。

作为本发明所述的一种面向人物名片的任职关系抽取方法进一步优化方案，步骤2中的提取包括文字检测和文字识别。

作为本发明所述的一种面向人物名片的任职关系抽取方法进一步优化方案，

步骤1之后还包括对预处理后的人物名片图片自动生成图片训练测试集；