一種多頁(yè)面版式文檔的腳注識(shí)別和提取方法

基本信息

申請(qǐng)?zhí)?/td> CN201910743304.X 申請(qǐng)日 -
公開(kāi)（公告）號(hào) CN110705223A 公開(kāi)（公告）日 2020-01-17
申請(qǐng)公布號(hào) CN110705223A 申請(qǐng)公布日 2020-01-17
分類(lèi)號(hào) G06F40/169 分類(lèi) 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 徐劍波;張?jiān)娪?王磊 申請(qǐng)（專(zhuān)利權(quán)）人 北京眾信博雅科技有限公司
代理機(jī)構(gòu) - 代理人 -
地址 100000 北京市海淀區(qū)西三旗安寧莊路4號(hào)9號(hào)樓4層0996
法律狀態(tài) -

摘要

摘要 本發(fā)明涉及一種多頁(yè)面版式文檔的腳注識(shí)別和提取方法，屬于信息提取領(lǐng)域。本發(fā)明所述的方法，通過(guò)提取版式文件的中的文字塊、線段，提取頁(yè)面中字號(hào)、排版等特征滿(mǎn)足條件的文字塊作為腳注文字候選，并進(jìn)行正文中小字符與腳注區(qū)域文字的比對(duì)來(lái)提高候選腳注引用的正確性，同時(shí)通過(guò)提取腳注線，并區(qū)分起始腳注線與續(xù)頁(yè)腳注線，把腳注線與腳注文字交叉驗(yàn)證以排除干擾文字及干擾線段，最終確認(rèn)腳注區(qū)域。采用本發(fā)明所述的方法，可以自動(dòng)從多頁(yè)的版式文檔中提取腳注，適應(yīng)不同的排版風(fēng)格，適應(yīng)腳注在頁(yè)面底部或文章尾部等情況，并保證高的正確率。