一种文档解析系统及方法与流程

技术特征：

1.一种文档解析系统，其特征在于，所述系统包括：

2.如权利要求1所述的系统，其中，所述多模态融合编码器采用transformer模型，所述多模态融合编码器包括：

3.如权利要求2所述的系统，其中，所述多种预训练任务包括：

4.如权利要求1所述的系统，其中，所述多尺度序列标注任务包括：

5.如权利要求1所述的系统，其中，所述绝对位置偏置包括当前字段所在页码及位置信息，

6.如权利要求5所述的系统，其中，所述多模态融合编码器采用transformer模型，所述多模态融合编码器使用的自注意力机制如下：

7.如权利要求1所述的系统，其中，所述系统还包括：

8.如权利要求7所述的系统，其中，所述新的训练数据中的字段包括新字段和其他字段，其中，

9.如权利要求7所述的系统，其中，所述系统还包括预先构建的数据池，增量学习过程中，从所述新的训练数据中抽取部分数据存储在所述数据池中，并用当前新增的新字段作为标签标记抽取出的所述部分数据；

10.一种文档解析方法，其特征在于，所述方法包括：

技术总结
本发明实施例公开了一种文档解析系统，包括：数据预处理模块，用于对待处理文档进行解析，得到解析后的文档；多模态融合编码器，用于提取解析后的文档的特征，并对提取出的特征进行融合，得到文档解析模型；预训练任务模块，用于通过多种预训练任务对文档解析模型进行预训练，得到预训练后的模型；多尺度序列标注任务模块，用于通过多尺度序列标注任务对预训练后的模型进行微调，得到微调后的模型，以使微调后的模型能在多个尺度上预测待处理文档。本发明实施例还公开了一种文档解析方法。本发明能解析长文档，并在解析过程中能高效提取长文档的结构化信息，对长文档的字段具有较高的解析准确率。

技术研发人员：秦川,姜飞虎,朱琛,宋洋,祝恒书,赵鹏
受保护的技术使用者：北京华品博睿网络技术有限公司
技术研发日：
技术公布日：2024/1/15