公文自动套红及格式校正方法与流程

摘要: 本技术涉及公文数据处理,尤其涉及一种公文自动套红及格式校正方法。背景技术:1、在集团型企业与政务办公场景中,公文处理工作涉及版式规范制定、要素排布、套红制作及格...
公文自动套红及格式校正方法与流程

本技术涉及公文数据处理,尤其涉及一种公文自动套红及格式校正方法。

背景技术:

1、在集团型企业与政务办公场景中,公文处理工作涉及版式规范制定、要素排布、套红制作及格式审核等多个环节。由于公文对规范性、严肃性要求极高,其版头、发文机关标志、发文字号、标题、主送机关、正文、附件说明、成文日期、印章、版记等要素的字体、字号、行距、页边距、相对位置均需严格遵循既定标准。同时,集团内部通常存在多级组织架构,总部、子公司及各部门之间往往执行不同的公文规范,联合行文、多级转发、跨单位行文等情况进一步增加格式统一与冲突协调的难度。因此,如何实现公文套红、格式标准化、版式冲突校正以及多级发文规范的自动适配,成为该场景下的迫切需求。

2、针对上述问题,现有技术主要采用以下方案:一是基于固定模板的替换式套红,即通过预制的公文模板直接填充内容以实现红头区域的生成;二是基于规则库的简单格式检查,依靠预设的字体、字号或间距规则对文档进行逐一比对;三是单一文本或单一视觉处理,仅利用光学字符识别技术提取文本内容或仅分析页面视觉布局,未能将二者进行有效结合。

3、然而,上述方案均无法同时满足公文处理中对结构理解、版式推理与冲突消解的综合要求,导致无法真正实现全流程无人化、标准化的公文输出。

技术实现思路

1、本技术提供一种公文自动套红及格式校正方法,以解决无法真正实现全流程无人化、标准化的公文输出的问题。

2、本技术提供一种公文自动套红及格式校正方法,所述方法由处理器执行,包括:

3、获取待处理公文的电子文档数据;

4、对所述电子文档数据进行文档布局分析,以得到视觉模态特征;

5、对所述电子文档数据进行自然语言处理,以得到文本模态特征;

6、将所述视觉模态特征和所述文本模态特征进行融合,以生成结构化公文树,所述结构化公文树中的节点对应所述视觉区块,所述节点标注有语义角色和版式角色;

7、构建集团级公文版式知识图谱;所述集团级公文版式知识图谱包含公文核心要素和版式约束关系;

8、根据所述结构化公文树、所述电子文档数据的公文类型和发文级别,在所述集团级公文版式知识图谱中进行匹配,以确定标准套红范式;

9、根据所述标准套红范式,从所述集团级公文版式知识图谱中提取版头实体、红线实体、发文字号实体、发文机关标志实体的标准位置信息和样式信息;

10、基于所述标准位置信息和样式信息,在所述电子文档数据中生成红头区域并完成套红;

11、将所述电子文档数据的实际格式参数与所述集团级公文版式知识图谱中的版式约束关系进行对比,检测字体差异、字号差异、段落间距差异、版头位置差异、版记位置差异、要素缺失、要素冗余,并根据所述版式约束关系对所述电子文档数据进行校正,以生成标准化文档;

12、当所述电子文档数据涉及联合发文、多级转发、跨单位行文时,基于所述集团级公文版式知识图谱中的版式约束关系进行版式一致性推理,以消解版式冲突;

13、输出所述标准化文档的格式校正报告,所述格式校正报告标注修改项和修改依据。

14、本技术通过融合视觉模态特征和文本模态特征生成结构化公文树,并结合集团级公文版式知识图谱进行标准套红范式匹配与实体样式提取,能够自动完成红头区域生成及套红操作,改善公文制作效率;同时,通过将实际格式参数与知识图谱中的版式约束关系进行对比,可检测多种格式偏差并依据约束关系自动校正,有助于降低人工校验成本并提升公文格式规范性;对于联合发文或多级转发场景,基于图谱进行版式一致性推理以消解冲突,可改善多级单位间公文版式的一致性和合规性;此外,输出标注修改项和修改依据的校正报告,为格式调整提供可追溯依据,有利于全流程自动化公文处理的可靠性和标准化水平提升。

15、可选的,所述对所述电子文档数据进行文档布局分析,以得到视觉模态特征,包括:

16、对所述电子文档数据进行光学字符识别和文档布局分析,以提取视觉区块的位置坐标、区块尺寸、字体名称、字号数值、行距数值和页眉页脚位置,并将所述位置坐标、所述区块尺寸、所述字体名称、所述字号数值、所述行距数值和所述页眉页脚位置作为所述视觉模态特征。

17、通过提取视觉区块的位置坐标、区块尺寸、字体名称、字号数值、行距数值和页眉页脚位置作为视觉模态特征,能够为结构化公文树的生成和版式偏差对比提供精细的视觉参数依据,有利于提升后续格式检测与校正的精准度,并改善公文版式自动识别的效果。

18、可选的,所述对所述电子文档数据进行自然语言处理,以得到文本模态特征,包括:

19、对所述电子文档数据进行自然语言处理,以识别文种类型、发文机关名称、结构层级标题和正文内容,并将所述文种类型、所述发文机关名称、所述结构层级标题和所述正文内容作为所述文本模态特征。

20、通过自然语言处理识别文种类型、发文机关名称、结构层级标题和正文内容作为文本模态特征,可为结构化公文树的语义角色标注和版式角色分配提供文本层面的结构化信息,有利于改善后续标准套红范式匹配的准确性和版式约束关系比对的效率。

21、可选的,所述将所述视觉模态特征和所述文本模态特征进行融合,以生成结构化公文树,包括:

22、将所述视觉模态特征中的视觉区块与所述文本模态特征中的文本片段进行对齐,并为每个对齐后的视觉区块分配语义角色标签和版式角色标签,以形成包含若干节点的结构化公文树;其中,所述语义角色标签用于指示公文要素类别,所述版式角色标签用于指示视觉样式类别。

23、通过对视觉区块与文本片段进行对齐,并为每个视觉区块分配指示公文要素类别的语义角色标签和指示视觉样式类别的版式角色标签,能够形成包含节点标注信息的结构化公文树,有利于为后续标准套红范式匹配、格式偏差检测与校正、版式冲突消解提供结构化的数据基础,改善多模态信息在公文处理中的融合利用效果。

24、可选的,所述构建集团级公文版式知识图谱,包括:

25、抽取公文核心要素,所述公文核心要素包括版头、发文机关标志、发文字号、红线、标题、主送机关、正文、附件、成文日期、印章、版记和页码;

26、定义版式约束关系,所述版式约束关系包括位置约束、层级约束、格式约束和合规约束,所述位置约束为上下间距数值和左右间距数值,所述层级约束为联合行文规则和多级发文规则,所述格式约束为字体名称、字号数值、行距数值和页边距数值,所述合规约束为密级标识、紧急程度标识和签发人标识;

27、将所述公文核心要素作为实体,将所述版式约束关系作为属性或关系,构建集团级公文版式知识图谱。

28、通过抽取包含版头、发文机关标志、发文字号、红线、标题、主送机关、正文、附件、成文日期、印章、版记、页码在内的公文核心要素作为实体,并定义位置约束、层级约束、格式约束、合规约束作为属性或关系,构建集团级公文版式知识图谱,能够为套红操作、格式偏差检测与校正、多级行文冲突消解提供结构化的知识参照,有利于改善公文自动处理过程中版式规则调用的准确性和效率。

29、可选的,所述根据所述结构化公文树、所述电子文档数据的公文类型和发文级别,在所述集团级公文版式知识图谱中进行匹配,以确定标准套红范式,包括:

30、从所述结构化公文树中提取发文机关节点和文种节点;

31、根据所述发文机关节点确定发文级别,并根据所述文种节点确定公文类型;

32、将所述发文级别和所述公文类型作为查询条件,在所述集团级公文版式知识图谱中检索匹配的套红模板,以得到标准套红范式。

33、通过从结构化公文树中提取发文机关节点和文种节点以确定发文级别和公文类型,并在集团级公文版式知识图谱中检索匹配的套红模板,能够针对不同发文级别和公文类型动态确定标准套红范式,有利于改善套红模板匹配的针对性和准确性,减少人工选择模板的干预需求。

34、可选的,所述基于所述标准位置信息和样式信息,在所述电子文档数据中生成红头区域并完成套红,包括:

35、根据所述版头实体的标准位置信息和标准样式信息,在所述电子文档数据的页眉区域插入发文机关标志图像或文本,并设置字体名称、字号数值和颜色值;

36、根据所述发文字号实体的标准位置信息,在所述发文机关标志下方插入发文字号字符串;

37、根据所述红线实体的标准位置信息和样式信息,在所述发文字号下方绘制红色分隔线,以完成套红。

38、通过根据版头实体、发文字号实体和红线实体的标准位置信息及样式信息,在电子文档数据的页眉区域插入发文机关标志并设置字体、字号和颜色,在发文机关标志下方插入发文字号字符串,并在发文字号下方绘制红色分隔线,能够自动完成红头区域各组成元素的精确定位与样式设置,有利于改善套红操作的规范性和执行效率。

39、可选的,所述将所述电子文档数据的实际格式参数与所述集团级公文版式知识图谱中的版式约束关系进行对比,检测字体差异、字号差异、段落间距差异、版头位置差异、版记位置差异、要素缺失、要素冗余,并根据所述版式约束关系对所述电子文档数据进行校正,以生成标准化文档,包括:

40、遍历所述结构化公文树中的每个节点,获取所述节点的实际字体名称、实际字号数值、实际段落间距数值、实际位置坐标和实际要素存在状态;

41、将所述实际字体名称、所述实际字号数值、所述实际段落间距数值、所述实际位置坐标和所述实际要素存在状态分别与所述集团级公文版式知识图谱中对应的标准字体名称、标准字号数值、标准段落间距数值、标准位置坐标和标准要素存在要求进行比对,以生成差异列表,所述差异列表包含字体差异、字号差异、段落间距差异、版头位置差异、版记位置差异、要素缺失和要素冗余;

42、根据所述差异列表,调用所述集团级公文版式知识图谱中的标准参数对所述电子文档数据进行修改,以生成标准化文档。

43、通过遍历结构化公文树节点获取实际格式参数,并与集团级公文版式知识图谱中的标准参数进行比对以生成包含字体、字号、段落间距、版头位置、版记位置、要素缺失及冗余等差异的列表,再依据标准参数进行修改,能够系统性地完成多类型格式偏差的检测与校正,有利于提升公文格式标准化的自动化水平和校正操作的全面性。

44、可选的,所述当所述电子文档数据涉及联合发文、多级转发、跨单位行文时,基于所述集团级公文版式知识图谱中的版式约束关系进行版式一致性推理,以消解版式冲突,包括:

45、当检测到所述电子文档数据中包含多个发文机关标志实体或多个发文字号实体时,判定为联合发文或多级转发或跨单位行文;

46、提取所述多个发文机关标志实体的排列顺序和层级关系;

47、根据所述集团级公文版式知识图谱中的层级约束,验证所述排列顺序和所述层级关系是否符合预设的联合行文规则或多级发文规则;

48、若不符合,则按照所述联合行文规则或多级发文规则调整所述多个发文机关标志实体的位置、字体名称和字号数值,以消解版式冲突。

49、通过检测联合发文、多级转发或跨单位行文场景下多个发文机关标志实体的排列顺序和层级关系,并依据集团级公文版式知识图谱中的层级约束进行验证和调整,能够改善多单位行文场景下版式冲突的自动识别与校正能力,有利于提升联合行文和多级转发类公文版式的一致性。

50、可选的,所述输出所述标准化文档的格式校正报告,包括:

51、记录校正过程中每一项修改的修改前参数、修改后参数和修改依据条款,所述修改依据条款为所述集团级公文版式知识图谱中的版式约束关系的具体条目;

52、将所述修改前参数、所述修改后参数和所述修改依据条款汇总,以生成格式校正报告;

53、输出所述标准化文档和所述格式校正报告。

54、通过记录校正过程中每一项修改的修改前参数、修改后参数和修改依据条款,并将上述信息汇总生成格式校正报告,能够为标准化文档的格式调整提供可追溯的修改记录和依据说明,有利于改善公文校正过程的透明度和结果的可审核性。

55、由以上技术方案可知,本技术提供一种公文自动套红及格式校正方法,包括:获取待处理公文的电子文档数据;对所述电子文档数据进行文档布局分析,以得到视觉模态特征;对所述电子文档数据进行自然语言处理,以得到文本模态特征;将所述视觉模态特征和所述文本模态特征进行融合,以生成结构化公文树;构建集团级公文版式知识图谱;根据所述结构化公文树、所述电子文档数据的公文类型和发文级别,在所述集团级公文版式知识图谱中进行匹配,以确定标准套红范式;根据所述标准套红范式,从所述集团级公文版式知识图谱中提取版头实体、红线实体、发文字号实体、发文机关标志实体的标准位置信息和样式信息;基于所述标准位置信息和样式信息,在所述电子文档数据中生成红头区域并完成套红;将所述电子文档数据的实际格式参数与所述集团级公文版式知识图谱中的版式约束关系进行对比,检测字体差异、字号差异、段落间距差异、版头位置差异、版记位置差异、要素缺失、要素冗余,并根据所述版式约束关系对所述电子文档数据进行校正,以生成标准化文档;当所述电子文档数据涉及联合发文、多级转发、跨单位行文时,基于所述集团级公文版式知识图谱中的版式约束关系进行版式一致性推理,以消解版式冲突;输出所述标准化文档的格式校正报告,所述格式校正报告标注修改项和修改依据,以解决无法真正实现全流程无人化、标准化的公文输出的问题。