[发明专利]一种提取文档结构化信息的方法及装置

摘要

本发明提供一种提取文档结构化信息的方法，提取文档的字符块信息后，根据文档中字符块信息选择结构化信息模板，然后根据所述结构化信息模板对字符块进行聚类、排序后合并为文本块，最后根据所述结构化信息模板和所述文本块形成结构化文档。该方案中，根据当前文档的特点来选择模板，该模板更符合当前文档的特点，因此使用其来提取结构话信息，更加准确，此外，不同的文档可以根据其特点选择不同的模板，该方案可以应用于多种多样的文档中。本发明对现有技术中存在的只针对只适用一种文档的结构化信息提取方法进行了改进，采用多套模板的方式，使各种复杂的版面信息根据排版样式选择不同的模式，以提高获取版面信息的准确率。

主权项

一种提取文档结构化信息的方法，其特征在于，包括：提取文档的字符块信息；根据文档中字符块信息选择结构化信息模板；根据所述结构化信息模板对字符块进行聚类、排序后合并为文本块；根据所述结构化信息模板和所述文本块形成结构化文档。