买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉杭州冰特科技股份有限公司申请的专利面向大语言模型训练的多模态文档数据处理方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121093293B 。

龙图腾网通过国家知识产权局官网在2026-03-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511648672.8，技术领域涉及：G06F18/25；该发明授权面向大语言模型训练的多模态文档数据处理方法及系统是由王文强;高宏亮;龙䶮䶮设计研发完成，并于2025-11-12向国家知识产权局提交的专利申请。

本面向大语言模型训练的多模态文档数据处理方法及系统在说明书摘要公布了：本发明公开了一种面向大语言模型训练的多模态文档数据处理方法及系统，方法包括：接收多种格式的若干个原始文档，分别提取每一原始文档的结构信息，基于结构信息识别每一原始文档的文本区域和图像区域；采用基于GPU加速与异构计算的并行OCR识别引擎，对文本区域和图像区域进行光学字符识别，生成相应原始文档的识别文本数据；对每一原始文档的识别文本数据进行多维度质量评估与清洗，输出规范化文本数据；将规范化文本数据按预定义结构存储至分布式知识库，并对规范化文本数据进行版权与合规性检验。通过采用基于GPU加速与异构计算的并行OCR识别引擎，实现了多模态文档的高效、高精度批处理，提升处理速度、识别准确率和数据质量。

本发明授权面向大语言模型训练的多模态文档数据处理方法及系统在权利要求书中公布了：1.一种面向大语言模型训练的多模态文档数据处理方法，其特征在于，包括如下步骤： 接收多种格式的若干个原始文档，分别提取每一所述原始文档的结构信息，基于所述结构信息识别每一所述原始文档的文本区域和图像区域； 采用基于GPU加速与异构计算的并行OCR识别引擎，对所述文本区域和所述图像区域进行光学字符识别，生成相应所述原始文档的识别文本数据； 对每一所述原始文档的识别文本数据进行多维度质量评估与清洗，输出符合质量等级的规范化文本数据； 将所述规范化文本数据按预定义结构存储至分布式知识库，并对所述规范化文本数据进行版权与合规性检验； 所述采用基于GPU加速与异构计算的并行OCR识别引擎，对所述文本区域和所述图像区域进行光学字符识别，生成相应所述原始文档的识别文本数据，包括： 对每一所述文本区域和所述图像区域进行预处理，得到相应的一待识别图像； 将若干个所述原始文档的所述文本区域和所述图像区域相应的所有所述待识别图像组合为若干个待识别图像批次，并将每一所述待识别图像批次分解为多个独立的OCR识别子任务，每一所述OCR识别子任务与一待识别图像相对应； 基于包含CPU与GPU构成的异构计算平台，通过多线程调度器将多个独立的所述OCR识别子任务并行分配至多个计算线程进行处理； 调用基于改进深度卷积神经网络的光学字符识别模型对每一所述OCR识别子任务进行处理，基于Transformer架构的序列识别模块对所述光学字符识别模型的输出结果进行文字序列解码与纠错，生成中间文本数据及其对应的置信度评分； 依据置信度预设阈值对所述中间文本数据进行过滤，剔除所述置信度评分小于所述置信度预设阈值的所述中间文本数据，并将所述置信度评分大于或等于所述置信度预设阈值的所述中间文本数据聚合为相应所述原始文档的识别文本数据。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人杭州冰特科技股份有限公司，其通讯地址为：311100 浙江省杭州市余杭区仓前街道龙舟路6号1幢501-1；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。