[发明专利]生成图神经网络模型的方法、装置、设备及存储介质

权利要求书

1.一种生成图神经网络模型的方法，包括：

获取样本凭证文件的图数据，其中，所述图数据包括：节点和边，各个节点为所述样本凭证文件中目标检测框的目标样本特征，所述边为所述目标检测框与其他检测框之间的位置关系特征；

利用所述目标样本特征和所述位置关系与对应的字段类别标签，对机器学习模型进行训练，得到图神经网络模型。

2.根据权利要求1所述的方法，其中，所述位置关系特征基于以下步骤确定：

将所述样本凭证文件输入预设的文本行检测网络中，得到所述目标检测框的坐标信息和所述其他检测框的坐标信息；

根据所述目标检测框的坐标信息和所述其他检测框的坐标信息，生成为目标向量；

将所述目标向量作为所述位置关系特征。

3.根据权利要求2所述的方法，其中，所述根据所述目标检测框的坐标信息和所述其他检测框的坐标信息，生成为目标向量，包括：

根据所述目标检测框的坐标信息和所述其他检测框的坐标信息，确定所述目标检测框与其他检测框之间的距离信息；

将以下至少一项进行归一化处理，得到所述目标向量：

所述目标检测框的坐标信息、所述其他检测框的坐标信息、所述距离信息、所述目标检测框的坐标信息之间的比值、所述其他检测框的坐标信息之间的比值。

4.根据权利要求1-3任一项所述的方法，其中，所述目标检测框的类型为图像；所述目标样本特征基于以下步骤确定：

获取所述目标检测框的视觉样本特征和文本样本特征；

根据所述视觉样本特征和所述文本样本特征，生成所述目标样本特征。

5.根据权利要求4所述的方法，其中，所述获取所述目标检测框的视觉样本特征和文本样本特征，包括：

将所述样本凭证文件中的目标检测框输入预设的视觉特征提取网络中，得到所述视觉样本特征；以及

将所述样本凭证文件中的目标检测框内的文本输入预设的文本特征提取网络中，得到所述文本样本特征。

6.根据权利要求5所述的方法，其中，所述根据所述视觉样本特征和所述文本样本特征，生成所述目标样本特征，包括：

利用克罗内克积将所述视觉样本特征和所述文本样本特征进行融合，得到所述目标样本特征。

7.一种文本识别方法，包括：

获取待预测凭证文件中第一检测框的坐标信息和第一检测框内的目标文本信息；

将所述坐标信息和所述目标文本信息输入如权利要求1-6任一项所述的方法生成的图神经网络模型中，得到所述第一检测框的字段类别，其中，所述第一检测框的字段类别用于表征所述第一检测框内目标文本信息所属的类别。

8.根据权利要求7所述的方法，其中，所述获取待预测凭证文件中第一检测框的坐标信息和第一检测框内的目标文本信息，包括：

将所述待预测凭证文件输入预设的文本行检测网络中，得到所述待预测凭证文件中第一检测框的坐标信息；

利用预设的文本识别网络，对所述第一检测框进行识别，得到所述第一检测框内的目标文本信息。

9.一种生成图神经网络模型的装置，包括：

数据获取模块，被配置成获取样本凭证文件的图数据，其中，所述图数据包括：节点和边，各个节点为所述样本凭证文件中目标检测框的目标样本特征，所述边为所述目标检测框与其他检测框之间的位置关系特征；

模型训练模块，被配置成利用所述目标样本特征和所述位置关系与对应的字段类别标签，对机器学习模型进行训练，得到图神经网络模型。

10.根据权利要求9所述的装置，所述装置还包括：

信息获取模块，被配置成获取所述目标检测框的尺寸信息和所述样本凭证文件中其他检测框的尺寸信息；

向量生成模块，被配置成根据所述目标检测框的尺寸信息和所述其他检测框的尺寸信息，生成为目标向量；

特征确定模块，被配置成将所述目标向量作为所述位置关系特征。