CN119399778A 基于多规则库的文档智能审核方法及系统 （江苏润和软件股份有限公司）

本发明公开了基于多规则库的文档智能审地提取文档的关键信息并为后续的规则匹配提林算法对文档内容进行多维度特征分析与规则2S3.在规则匹配审核过程中，通过随机森林算法对文档内容进行多维度特征分析与规接收待审核的文档内容，将文档转换为数字图像格式，进行光学字根据提取的语义信息和结构特征，匹配文档内容与多规则库中的规则，提取根据规则匹配度指数，确定需要匹配的规则库类别，并从数将从数据库加载的规则库与文档内容进行逐一比对，按照规则通过随机森林算法对文档内容进行多维度特征分析与规则分类，并对林算法对文档内容进行多维度特征分析与规则分类的具体过3提取文档中的语义特征、结构特征和格式特征，将提取的特征转化为数根据随机森林分类模型，对待审核的文档内容进行规则分类，获取通过随机森林分类模型输出每个规则的匹配度值，判断文档内将计算出的匹配度值与预设的阈值进行比较，如果匹配度低于量机算法识别文档中的逻辑冲突并进行二次标记的具根据标记的文档内容，提取文档中的语义和逻辑关系特征转化提取的逻辑特征为数值化向量，构建支持向量机模型的输入根据支持向量机模型分析结果识别文档中的逻辑冲突部分，对识别出9.基于多规则库的文档智能审核系统，应用于权利要求1_8中任一项所述的基于多规所述解析模块用于接收待审核的文档内容，对文档内容进行光学字符识别和格式解所述规则匹配模块用于根据文档内容的规则库匹配特征，加载并选择数据库中所述特征分析模块用于在规则匹配审核过程中，通过随机森林算法对所述逻辑冲突识别模块用于根据标记的文档内容，将标记的文4[0003]目前的文档审核方法主要包括人工审核和基于简单规则匹配的自动化审核方难以动态调整的特点也导致其审核结果的准确性和[0005]针对现有技术的不足，本发明提供了基于多规则库的文5[0008]进一步地，通过自然语言处理识别文档内容的规则与文档的整体结构进行比对，通过支持向量机算法识别文档中的逻辑冲突并进行二次标6[0025]请参阅图1，本发明实施例提供一种技术方案：基于多规则库的文档智能审核方7OCR是一种将图像中的文字转化为文本的技术，它能够从文档的图片或扫描件中提取出其89与结构规则库中的规则的匹配程度。文档的结构通常正则表达式或模式匹配算法来计算。格式匹配度指数(Mj)：格式匹配度指数度量文档的排符合相应的规范或规则。(TruePositive,正确匹配的数量);Fa是模型文档内容中提取出相关的语义信息与逻辑关系特征。这些特征通常包括文档中涉及的实体与文档整体结构对齐：将标记的文档内容与文档的整体结构对齐。这一过程涉及到分析文定位到文档的整体结构中。这有助于确定标记内容在文档中所处的位置和上下文，从而更好地理解其与其他内容的逻辑关系。转化逻辑特征为数值化向量：在对文档进行逻辑分析时，将提取的语义和逻辑特征转化为数值化向量。这一步是为了将复杂的文本信息转化为的训练数据进行学习和分类。利用训练好的SVM模型进行逻辑冲突分析：通过训练好的SVM模型对待审核的文档内容进行逻辑冲突分析。支持向量机会分析文档的逻辑结构，识别出可能存在逻辑冲突的部分。包括文档中的前后矛盾、信息重复或不合理的因果关系等都可出的逻辑冲突部分进行二次标记。这些冲突可能是由相互矛盾的内容引起的，或者是由于文档中逻辑不连贯的结构导致的。在标记时，系统通常会以高亮显示或其他方式标出这些内容进行光学字符识别和格式解析，通过自然语言处理识别文程中，特征分析模块通过随机森林算法对文档内容进行深入分析。该算法通过分析文档中过对文档整体结构和标记内容的比对，检测文档是否存在前后矛盾、信息不一致或逻辑不[0046]这些计