[发明专利]一种国际贸易文件处理方法、系统以及一种服务器有效
申请号: | 201710564744.X | 申请日: | 2017-07-12 |
公开(公告)号: | CN108170697B | 公开(公告)日: | 2021-08-20 |
发明(设计)人: | 俞洲;吴思琪 | 申请(专利权)人: | 信号旗智能科技(上海)有限公司 |
主分类号: | G06F16/83 | 分类号: | G06F16/83;G06F16/22;G06F16/35 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 200942 上海市浦*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明提供一种国际贸易文件处理方法、系统以及一种服务器,所述方法包括:对图像国际贸易文件和文档国际贸易文件进行分类;识别图像国际贸易文件并将识别后的图像国际贸易文件和文档国际贸易文件统一转换为XML文件;根据XML文件附带的文件特征对XML文件进行分类;对XML文件进行分析处理确定XML文件中结构化部分和非结构化部分;对非结构化部分中的内容进行边界判别,确定标题区域和内容区域;对结构化部分有线框则依据线框,无线框则进行自适应投影;利用最大熵模型进行命名实体识别、根据规则判断句尾和基于本体表格的关系数据抽取,并将国际贸易信息元素以结构体的形式存储。所以本发明可完成国际贸易文件的结构化存储。 | ||
搜索关键词: | 一种 国际贸易 文件 处理 方法 系统 以及 服务器 | ||
对图像国际贸易文件和文档国际贸易文件进行分类;
识别所述图像国际贸易文件并将识别后的所述图像国际贸易文件和所述文档国际贸易文件统一转换为XML文件;
根据所述XML文件附带的文件特征对所述XML文件进行分类;
对所述XML文件进行分析处理确定所述XML文件中结构化部分和非结构化部分;
对所述非结构化部分中的内容进行边界判别,确定标题区域和内容区域;
对所述结构化部分有线框则依据线框,无线框则进行自适应投影;
利用最大熵模型进行命名实体识别、根据规则判断句尾和基于本体表格的关系数据抽取,并将国际贸易信息元素以结构体的形式存储,完成国际贸易文件的结构化存储。
2.根据权利要求1所述的国际贸易文件处理方法,其特征在于,所述XML文件附带的文件特征包括单词、线框、印签标识的坐标。3.根据权利要求1所述的国际贸易文件处理方法,其特征在于,采用随机森林模型对所述XML文件进行分类。4.根据权利要求1所述的国际贸易文件处理方法,其特征在于,将所述XML文件载入预设的国际贸易知识库,在所述国际贸易知识库中对所述XML文件进行分析处理;其中,根据所述国际贸易知识库中的概念确定所述XML文件中非结构化部分, 根据所述XML文件的表头特征、表底特征来确定所述XML文件中的结构化部分。5.根据权利要求1所述的国际贸易文件处理方法,其特征在于,对所述结构化部分进行处理还包括:当所述XML文件为单页时,根据所述国际贸易知识库中的单元格标题概念和表格表头概念对所述XML文件中的锚点进行信息元素提取;
当所述XML文件为多页时,根据相似度匹配判别结构化部分并对判别的结构化部分进行合并后根据所述国际贸易知识库中的单元格标题概念和表格表头概念对所述XML文件中的锚点进行信息元素提取。
6.一种国际贸易文件处理系统,其特征在于,所述国际贸易文件处理系统包括:国际贸易文件文件分类模块,用于对图像国际贸易文件和文档国际贸易文件进行分类;
识别转换模块,用于识别所述图像国际贸易文件并将识别后的所述图像国际贸易文件和所述文档国际贸易文件统一转换为XML文件;XML文件分类模块,用于根据所述XML文件附带的文件特征对所述XML文件进行分类;
结构化确定模块,用于对所述XML文件进行分析处理确定所述XML文件中结构化部分和非结构化部分;
非结构化处理模块,用于对所述非结构化部分中的内容进行边界判别,确定标题区域和内容区域;
结构化处理模块,用于对所述结构化部分有线框则依据线框,无线框则进行自适应投影;
数据处理存储模块,用于利用最大熵模型进行命名实体识别、根据规则判断句尾和基于本体表格的关系数据抽取,并将国际贸易信息元素以结构体的形式存储,完成国际贸易文件的结构化存储。
7.根据权利要求6所述的国际贸易文件处理系统,其特征在于,所述XML文件附带的文件特征包括单词、线框、印签标识的坐标。8.根据权利要求6所述的国际贸易文件处理系统,其特征在于,采用随机森林模型对所述XML文件进行分类。9.根据权利要求6所述的国际贸易文件处理系统,其特征在于,所述国际贸易文件处理系统还包括载入模块,用于将所述XML文件载入预设的国际贸易知识库,在所述国际贸易知识库中对所述XML文件进行分析处理;其中,所述非结构化处理模块根据所述国际贸易知识库中的概念确定所述XML文件中非结构化部分, 所述结构化处理模块根据所述XML文件的表头特征、表底特征来确定所述XML文件中的结构化部分。10.根据权利要求6所述的国际贸易文件处理系统,其特征在于,所述结构化处理模块还用于处理:当所述XML文件为单页时,根据所述国际贸易知识库中的单元格标题概念和表格表头概念对所述XML文件中的锚点进行信息元素提取;
当所述XML文件为多页时,根据相似度匹配判别结构化部分并对判别的结构化部分进行合并后根据所述国际贸易知识库中的单元格标题概念和表格表头概念对所述XML文件中的锚点进行信息元素提取。
11.一种服务器,所述服务器包括处理器和存储器,所述存储器存储有程序指令,其特征在于,所述处理器运行程序指令实现如权利要求1至5任一权利要求所述的方法中的步骤。该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于信号旗智能科技(上海)有限公司,未经信号旗智能科技(上海)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201710564744.X/,转载请声明来源钻瓜专利网。