龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：山东浪潮科学研究院有限公司
摘要：本发明公开了文档向量化并行加速方法及系统，属于文档处理技术领域，要解决的技术问题为大规模文档库的向量化效率低下。包括如下步骤：按照页码将扫描文档拆分为图片，将所有图片文件名存放到一个文件容器中；定义并初始化一个OCR结果容器；每个线程从图片文件中获取一张图片，并通过OCR识别模型识别图片文字内容，将文字内容存储至OCR结果容器中；模型切片线程从OCR结果容器中获取一条数据，通过预定义的切片方法进行切片；定义并初始化一个向量化结果容器；构建文档向量化线程池，从切片结果容器中获取一条数据，基于预定义的文本向量化模型对获取的数据进行向量化操作，得到文档内容向量化结果；整合文档向量化结果。
主权项：1.一种文档向量化并行加速方法，其特征在于，包括如下步骤：按照页码将扫描文档拆分为图片，将所有图片文件名存放到一个文件容器中；定义并初始化一个OCR结果容器，所述OCR结果容器用于存放OCR识别模型的输出结果；构建OCR线程池，每个线程从图片文件中获取一张图片，并通过OCR识别模型识别图片文字内容，将文字内容存储至OCR结果容器中；定义并初始化一个切片结果容器，所述切片结果容器用于存放文档内容切片结果，文档内容切片结果包括文档元数据信息，文档元数据信息包括文档页码和片段ID；构建模型切片线程池，每个模型切片线程从OCR结果容器中获取一条数据，通过预定义的切片方法对获取的数据进行切片，得到文档内容切片结果；定义并初始化一个向量化结果容器，所述向量化结果容器用于存放文档内容向量化结果；构建文档向量化线程池，每个文档向量化线程池从切片结果容器中获取一条数据，基于预定义的文本向量化模型对获取的数据进行向量化操作，得到文档内容向量化结果；整合文档向量化结果，根据向量化结果的元数据信息、结合下游需求，整合文档向量化结果，并将文档向量化结果存储至指定数据库或临时容器中。
全文数据：
权利要求：
百度查询： 山东浪潮科学研究院有限公司 文档向量化并行加速方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号