CN114067343B 一种数据集的构建方法、模型训练方法和对应装置 （中国建设银行股份有限公司）

行OCR识别，确定票据图像中的各个要素实体的2若需要展示的要素为表格中的要素，则确定要素文本框的属若预设展示形式为html形式，则确定要素文本框，并按照ht基于每一个要素实体，应用所述要素实体的类别对应的标签对所述要素实体进行标确定各个所述待处理的票据图像中的各个标注后的要素实体构成的要素集合为数据若针对所述要素实体的标注操作为整个标注过程的非首次标注，则通过票据抽取模若所述要素信息中不包括预设关键词信息，则根据所述要素信述临近要素实体和所述要素实体在所述票据图像上的距离小于预设若所述要素实体的类别为简单类别，则将所述要素实体标注为所述要素实体的标签；获取训练数据集，其中，所述训练数据包括应用权利要求1～使用所述数据集对预先构建的神经网络模型进行训练，直到所述神经网络模型收敛，3并将所述属性标签作为所述要素文本框的附属展标注模块，用于基于每一个要素实体，应用所述要素实体的类别数据集确定模块，用于确定各个所述待处理的票据图像中的各个标所述标注模块具体用于：若针对所述要素实体的标注操作为整个标若所述要素信息中不包括预设关键词信息，则根据所述要素信述临近要素实体和所述要素实体在所述票据图像上的距离小于预设若所述要素实体的类别为简单类别，则将所述要素实体标注为所述要素实体的标签；训练模块，用于使用所述数据集对预先构建9.一种电子设备，包括存储器、处理器及存储在序指令被处理器执行时实现权利要求1至4任一4行时实现权利要求1至4中任一项所述的方5[0010]确定各个所述待处理的票据图像中的各个标注后的要素实体构成的要素集合为6key为需要展示的要素的序列号，所述键值对中的value值为需要展示的要素的嵌套json7的要素实体所在的区域内的要素实体的数量key为需要展示的要素的序列号，所述键值对中的value值为需要展示的要素的嵌套json89多的是对于句子本身进行语义解析，分析句子中词语的词性以及在上下文中的语义关系，从而进行相应的回答。这样的标注数据对于以对话为目标的问答机器人来说是完全足够等电子设备。服务器102可以是一台服务器、若干台服务器组成的服务器集群或云计算中此进行详细的说明。虽然本申请实施例提供了如下述实施例或附图所示的方法操作步骤，不存在必要因果关系的步骤中，这些步骤的执行顺序不限于本申请实施例提供的执行顺签中包括复合要素中的各个要素实体的标签和[0117]本发明通过OCR文字识别与NLP序列标注的结合来构建票据影像信息抽取的数据签，并将该属性标签作为要素文本框的附属属性信息进行展示。该属性标签可以是一个[0124]其中，Json(JavaScriptObjectNotation,JS对象简谱)是一种轻量级的数据交[0129]本申请实施例中，训练数据集是通过前述实施例中的数素的抽取就会比较困难，而结合OCR识别后就可以保留这关键的位置信息以及临近要素的[0155]本申请实施例提的数据集的构建装置与上述数据集的构建方法采用了相同的发[0159]本申请实施例提的票据识别模型的训练装置与上述票据识别模型的训练方法采SignalProcessor，DSP)、专用集成电路(ApplicationSpecific[0162]存储器112作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程RAM)、静态随机访问存储器(StaticRandomAccessMemory，SRAM)、可编程只读存储器擦除可编程只读存储器(ElectricallyErasableProgrammableRead-OnlyMemory，中的存储器112还可以是电路或者其它任意能够实现存储功能的装置，用于存储程序指令SignalProcessor，DSP)、专用集成电路(ApplicationSpecific[0165]存储器122作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程RAM)、静态随机访问存储器(StaticRandomAccessMemory，SRAM)、可编程只读存储器擦除可编程只读存储器(ElectricallyErasableProgrammableRead-OnlyMemory，中的存储器122还可以是电路或者其它任意能够实现存储功能的装置，用于存储程序指令的任何可用介质或数据存储设备，包括但不限于：移动存储设备、随机存取存储器(RAM，例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以使所述计算机设备执行本说明书上述描述的根据本公开各种示例性实施方式的方法中的