本發(fā)明涉及文字識(shí)別，尤其涉及一種數(shù)字化智能識(shí)別合同的系統(tǒng)及方法。

背景技術(shù)：

1、目前，隨著圖像識(shí)別文字的技術(shù)發(fā)展，合同是企業(yè)重要的交易文件，但是對(duì)于合同圖像的識(shí)別和關(guān)鍵要素的提取通常需要耗費(fèi)大量的人力進(jìn)行提取和鑒別，而且人力成本也較高，所以導(dǎo)致處理合同時(shí)，識(shí)別效率過低。

2、因此，本發(fā)明提出了一種數(shù)字化智能識(shí)別合同的系統(tǒng)及方法。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供一種數(shù)字化智能識(shí)別合同的系統(tǒng)及方法，用以通過利用圖像掃描技術(shù)將實(shí)體合同轉(zhuǎn)化為電子格式，之后根據(jù)ocr工具識(shí)別圖像中的文本，后分析預(yù)處理后的文本，提取合同條款并整合成結(jié)構(gòu)化數(shù)據(jù)，提高合同識(shí)別效率、準(zhǔn)確性，優(yōu)化了系統(tǒng)識(shí)別流程。

2、一方面，本發(fā)明提供一種數(shù)字化智能識(shí)別合同的系統(tǒng)，包括：

3、數(shù)據(jù)獲取模塊：利用圖像獲取設(shè)備獲取目標(biāo)合同的的初始圖像，并將初始圖像預(yù)處理后得到電子副本格式的標(biāo)準(zhǔn)圖像；

4、智能識(shí)別模塊：使用ocr工具識(shí)別標(biāo)準(zhǔn)圖像的圖像文本內(nèi)容，將圖像文本內(nèi)容轉(zhuǎn)化為原始文本數(shù)據(jù)；

5、文本處理模塊：對(duì)原始文本數(shù)據(jù)進(jìn)行文字處理，得到目標(biāo)合同的標(biāo)準(zhǔn)文本數(shù)據(jù)；

6、文本分析模塊：利用自然語言識(shí)別技術(shù)分析標(biāo)準(zhǔn)文本數(shù)據(jù)，提取關(guān)鍵合同數(shù)據(jù)，并且將關(guān)鍵合同數(shù)據(jù)整合為標(biāo)準(zhǔn)結(jié)構(gòu)的格式化合同數(shù)據(jù)。

7、另一方面，所述數(shù)據(jù)獲取模塊，包括：

8、設(shè)備配置單元：基于識(shí)別合同的標(biāo)準(zhǔn)圖像要求，確定圖像獲取設(shè)備的種類，且根據(jù)傳感器獲取周邊環(huán)境參數(shù)選擇標(biāo)準(zhǔn)拍攝環(huán)境，基于圖像獲取設(shè)備的安裝手冊(cè)進(jìn)行安裝配置；

9、圖像獲取單元：用于利用安裝好的圖像獲取設(shè)備獲取目標(biāo)合同的初始圖像。

10、另一方面，所述數(shù)據(jù)獲取模塊，包括：

11、預(yù)處理單元：對(duì)所述初始圖像進(jìn)行圖像增強(qiáng)后得到電子副本格式清晰圖像，將清晰圖像按照預(yù)設(shè)標(biāo)準(zhǔn)比例調(diào)整后獲取到第一圖像；

12、校正單元：將第一圖像的文本部分進(jìn)行水平修正處理，并調(diào)用空白區(qū)域識(shí)別算法對(duì)待裁剪區(qū)進(jìn)行裁剪，獲取到第二圖像；

13、壓縮單元：對(duì)第二圖像利用壓縮工具壓縮到標(biāo)準(zhǔn)圖像大小，獲取到所述目標(biāo)合同的標(biāo)準(zhǔn)圖像。

14、另一方面，所述智能識(shí)別模塊，包括：

15、第一處理單元：利用ocr工具將標(biāo)準(zhǔn)圖像加載完成后，通過識(shí)別算法來提取所述標(biāo)準(zhǔn)圖像的特征以生成第一特征圖像；

16、第二處理單元：將所述第一特征圖像進(jìn)行8個(gè)角度的旋轉(zhuǎn)，獲取到8個(gè)角度的方向特征圖像，對(duì)8個(gè)方向特征圖像進(jìn)行特征提取得到8個(gè)方向特征值；

17、向量獲取單元：將每個(gè)方向特征值按照向量轉(zhuǎn)換標(biāo)準(zhǔn)轉(zhuǎn)化為相應(yīng)的方向向量，同時(shí)，將第一特征圖像的特征向量作為中心向量；

18、矩陣構(gòu)建單元：基于所有方向向量以及中心向量構(gòu)成協(xié)方差矩陣；

19、投影單元：根據(jù)協(xié)方差矩陣獲取到混合特征向量，將所述混合特征向量投影到每個(gè)方向向量上得到投影系數(shù)，并將對(duì)應(yīng)的投影系數(shù)作為相應(yīng)方向特征圖像的權(quán)重系數(shù)。

20、另一方面，所述智能識(shí)別模塊，還包括：

21、融合單元：基于方向特征圖像的權(quán)重系數(shù)對(duì)8個(gè)方向向量進(jìn)行特征融合，得到融合特征向量，其中，所述融合特征向量包含若干元素特征，且每個(gè)元素特征包含橫向子特征以及縱向子特征；

22、匹配單元：基于特征-文本庫與融合特征向量進(jìn)行匹配，獲取所述融合特征向量中每個(gè)元素特征對(duì)應(yīng)的文本特征；

23、分別計(jì)算每個(gè)元素特征與對(duì)應(yīng)匹配的文本特征的初始相似度；

24、；

25、其中，表示所述融合特征向量中第i個(gè)元素特征與對(duì)應(yīng)匹配的文本特征的初始相似度；表示融合特征向量中第i個(gè)元素特征和對(duì)應(yīng)的文本特征的橫向梯度差值，表示融合特征向量中第i個(gè)元素特征和對(duì)應(yīng)的文本特征的縱向梯度差值，)表示正切函數(shù)，和分別表示融合特征向量中第i個(gè)元素特征和對(duì)應(yīng)的文本特征，表示基于的點(diǎn)積函數(shù)，表示范數(shù)比值；

26、對(duì)所述初始相似度進(jìn)行修正，獲取得到對(duì)應(yīng)元素特征的最終相似度；

27、；

28、其中，表示融合特征向量中第i個(gè)元素特征的最終相似度，)表示指數(shù)函數(shù)，表示融合特征向量中所有元素特征下的最大匹配相似度，表示融合特征向量中所有元素特征下的最小匹配相似度,表示融合特征向量中所有元素特征的均值相似度；表示基于所有的方差以及所有的方差的平均值；

29、基于所述融合特征向量中每個(gè)元素特征的最終相似度，從相似度-文字轉(zhuǎn)化映射表中匹配對(duì)應(yīng)的文字轉(zhuǎn)化方案，來將相應(yīng)圖像文本內(nèi)容轉(zhuǎn)化為原始文本數(shù)據(jù)。

30、另一方面，所述文本處理模塊，包括：

31、清理單元：遍歷原始文本數(shù)據(jù)，將原始文本數(shù)據(jù)中未識(shí)別詞匯標(biāo)記為目標(biāo)詞匯，并將所述目標(biāo)詞匯和標(biāo)準(zhǔn)詞典進(jìn)行詞匯比較；

32、若所述目標(biāo)詞匯中存在標(biāo)準(zhǔn)相似詞匯，則將目標(biāo)詞匯轉(zhuǎn)化為相似度最高的標(biāo)準(zhǔn)相似詞匯；反之，判定所述目標(biāo)詞匯為未知詞匯，進(jìn)行刪除操作，遍歷完后輸出第一合同數(shù)據(jù)；

33、其他格式單元：針對(duì)原始文本數(shù)據(jù)中非結(jié)構(gòu)化數(shù)據(jù)且結(jié)合預(yù)設(shè)目標(biāo)文本格式進(jìn)行濾除和轉(zhuǎn)化操作，輸出第二合同數(shù)據(jù)；

34、文本校對(duì)單元：基于校對(duì)器將第一合同數(shù)據(jù)和第二合同數(shù)據(jù)中的拼寫錯(cuò)誤詞匯進(jìn)行修正，得到標(biāo)準(zhǔn)文本數(shù)據(jù)。

35、另一方面，所述文本分析模塊，包括：

36、分詞單元：用于將標(biāo)準(zhǔn)文本數(shù)據(jù)分割成單詞序列，且基于通用詞詞典過濾掉無用停用詞，得到標(biāo)準(zhǔn)單詞序列；

37、實(shí)體識(shí)別單元：基于合同實(shí)體庫，利用命名實(shí)體識(shí)別系統(tǒng)來識(shí)別標(biāo)準(zhǔn)單詞序列的實(shí)體，得到實(shí)體序列；

38、關(guān)鍵詞提取單元：基于合同關(guān)鍵詞識(shí)別庫，對(duì)標(biāo)準(zhǔn)單詞序列進(jìn)行關(guān)鍵詞提取，得到關(guān)鍵詞序列；

39、判斷單元：取實(shí)體序列和關(guān)鍵詞序列的并集，將并集部分無用詞匯過濾處理后，得到關(guān)鍵合同數(shù)據(jù)。

40、另一方面，所述文本分析模塊，包括：

41、語法提取單元：對(duì)關(guān)鍵合同數(shù)據(jù)進(jìn)行語法分析，確定詞匯之間的關(guān)系和層次結(jié)構(gòu)，并且按照語法邏輯順序添加語法詞匯生成合同條款；

42、結(jié)構(gòu)化數(shù)據(jù)單元：將合同條款根據(jù)標(biāo)準(zhǔn)預(yù)設(shè)合同標(biāo)準(zhǔn)結(jié)構(gòu)的格式修正標(biāo)準(zhǔn)化處理，得到目標(biāo)合同的格式化合同數(shù)據(jù)。

43、另一方面，一種數(shù)字化智能識(shí)別合同的方法，包括：

44、步驟1：利用圖像獲取設(shè)備獲取目標(biāo)合同的的初始圖像，并將初始圖像預(yù)處理后得到電子副本格式的標(biāo)準(zhǔn)圖像；

45、步驟2：使用ocr工具識(shí)別標(biāo)準(zhǔn)圖像的圖像文本內(nèi)容，將圖像文本內(nèi)容轉(zhuǎn)化為原始文本數(shù)據(jù)；

46、步驟3：對(duì)原始文本數(shù)據(jù)進(jìn)行文字處理，得到目標(biāo)合同的標(biāo)準(zhǔn)文本數(shù)據(jù)；

47、步驟4：利用自然語言識(shí)別技術(shù)分析標(biāo)準(zhǔn)文本數(shù)據(jù)，提取關(guān)鍵合同數(shù)據(jù)，并且將關(guān)鍵合同數(shù)據(jù)整合為標(biāo)準(zhǔn)結(jié)構(gòu)的格式化合同數(shù)據(jù)。

48、本發(fā)明提供一種數(shù)字化智能識(shí)別合同的系統(tǒng)及方法，用以通過利用圖像掃描技術(shù)將實(shí)體合同轉(zhuǎn)化為電子格式，之后根據(jù)ocr工具識(shí)別圖像中的文本，后使用?nlp?技術(shù)分析預(yù)處理后的文本，提取合同條款并整合成結(jié)構(gòu)化數(shù)據(jù)，提高合同識(shí)別效率、準(zhǔn)確性，優(yōu)化了系統(tǒng)識(shí)別流程。