一种基于非结构化文档的人物关系识别方法与流程

本发明涉及非结构文档处理领域，特别涉及一种基于非结构化文档的人物关系识别方法。

背景技术：

1、非结构化文档的数字化处理是档案保护与信息化管理的重要技术手段。在历史档案，如古代族谱数字化的实际应用场景中，相关技术通常依靠扫描设备获取文档图像，利用光学字符识别（ocr）技术提取图像中的文字内容并结合自然语言处理模型基于文字数据之间的前后文语义规则来抽取实体和结构关系。

2、然而，相关技术在处理特殊排版形态的非结构化历史文档时存在技术缺陷：由于这类历史文档，如传统族谱，往往采用例如由右至左的竖向书写、不同代际依赖横向缩进深度与垂直相对位置来体现层级，导致常规的文本抽取流程中，丢弃了原有的关键空间排版线索，使得提取出的文本内容丧失语境，造成逻辑关系错配与层级解析错误。

技术实现思路

1、本发明提供一种基于非结构化文档的人物关系识别方法，可以解决现有技术中存在的问题。

2、一种基于非结构化文档的人物关系识别方法，包括：

3、获取非结构化文档图像；

4、通过文字检测模型与文档结构解析模型对所述非结构化文档图像进行区域特征提取，得到带有空间坐标矩阵与语义标签矩阵的多个文本包围盒；

5、调用文字识别模型将所述多个文本包围盒转化为字符特征数据；

6、基于所述空间坐标矩阵与所述语义标签矩阵构建节点邻接矩阵；将所述节点邻接矩阵作为空间关联数据与所述字符特征数据进行特征对齐与融合，得到空间语义混合特征；

7、将所述空间语义混合特征输入至预先训练的逻辑关系重构模型中进行多维特征聚合分析，输出包含层级关联权重的人物关系图谱；

8、基于所述人物关系图谱得到目标人物关系链路。

9、基于上述方案，在文字识别之前先提取各文字区域的空间坐标与语义标签，以空间坐标构建节点邻接矩阵并与字符特征融合，使得文字内容间的空间排版关系应用于后续的关系推理，实现了对人物层级与从属关系的提取。

1.一种基于非结构化文档的人物关系识别方法，其特征在于，包括：

2.如权利要求1所述的一种基于非结构化文档的人物关系识别方法，其特征在于，通过文字检测模型与文档结构解析模型对所述非结构化文档图像进行区域特征提取，得到带有空间坐标矩阵与语义标签矩阵的多个文本包围盒，包括：

3.如权利要求2所述的一种基于非结构化文档的人物关系识别方法，其特征在于，对所述基础边框坐标集合与所述分类特征进行交并比对齐，得到所述多个文本包围盒，包括：

4.如权利要求3所述的一种基于非结构化文档的人物关系识别方法，其特征在于，基于所述空间坐标矩阵与所述语义标签矩阵构建节点邻接矩阵，包括：

5.如权利要求4所述的一种基于非结构化文档的人物关系识别方法，其特征在于，基于所述语义标签矩阵确定所述第一文本包围盒与所述第二文本包围盒的属性关联方向，包括：

6.如权利要求5所述的一种基于非结构化文档的人物关系识别方法，其特征在于，基于所述水平偏移标量、所述垂直偏移标量与所述属性关联方向得到节点关联概率值，包括：

7.如权利要求6所述的一种基于非结构化文档的人物关系识别方法，其特征在于，将所述节点邻接矩阵作为空间关联数据与所述字符特征数据进行特征对齐与融合，得到空间语义混合特征，包括：

8.如权利要求7所述的一种基于非结构化文档的人物关系识别方法，其特征在于，所述逻辑关系重构模型为图卷积神经网络模型；将所述空间语义混合特征输入至预先训练的逻辑关系重构模型中进行多维特征聚合分析，输出包含层级关联权重的人物关系图谱，包括：

9.如权利要求8所述的一种基于非结构化文档的人物关系识别方法，其特征在于，基于所述人物关系图谱得到目标人物关系链路，包括：

10.如权利要求9所述的一种基于非结构化文档的人物关系识别方法，其特征在于，以所述源节点为起始点，采用最大生成树算法对所述人物关系图谱中的所述层级关联权重进行剪枝过滤，包括：