基于大模型的文本识别方法、分类方法和装置制造方法及图纸

本发明专利技术属于人工智能文本处理技术领域，涉及基于大模型的文本识别方法、分类方法和装置。本发明专利技术通过OCR识别文本后，利用大模型Transformer架构的语义理解与推理能力，精准提取上下文关键信息，通过Prompt Engineering获取用户所需要数据，通过文本摘要形成向量簇，与向量库进行内积比较，输出分类名称，对输入文本分类，从而实现转化、识别、分类、存储。本发明专利技术结合了OCR识别、文本信息提取和文件属性分类等多种技术，实现了对文档的高效、准确处理。利用PPOCRv4工作流和Macro‑o1大模型对文件关键信息进行结构化提取，提高了文件关键信息提取的准确性和深度。利用Jina‑V3‑Embedding大模型和向量库进行内积比较，实现了对文本属性的快速、准确分类。

【技术实现步骤摘要】

本专利技术属于人工智能文本处理，涉及一种人工智能大模型辅助的文本识别方法、文本分类方法和装置。

技术介绍

1、随着数字化转型的加速，文字处理技术已成为政务、金融、医疗、法律等领域的核心需求。据统计，全球企业每年需处理超5000亿份文档，其中70%的非结构化数据如合同、报告、票据等依赖人工解析，导致效率低下、错误率高，平均人工审核错误率达8%-12%。

2、现有文字处理技术主要有：1、光学字符识别（ocr）系统，如tesseract、adobeacrobat等。但是该技术存在语义割裂问题，仅能提取文字坐标信息，无法理解上下文逻辑；例如医疗报告中，无法区分“阴性/阳性”结论与普通文本的语义权重差异。在复杂排版文档如多栏合同中，传统ocr内容错位率高达35%，且无法识别表格与文本的关联性。2、基于正则表达式或关键词库的分类系统，如elasticsearch。然而该技术规则引擎存在僵化匹配的缺陷，在应对新文档类型时需人工编写规则，金融领域平均每新增一类合同需耗费20人/小时维护规则库，在某些政务档案系统中因无法识别政策文件的衍生子类导致40%文件被错误本文档来自技高网...

【技术保护点】

1.一种基于大模型的文本识别方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于大模型的文本识别方法，其特征在于，获取原始文件并转换为字节流后，将转换后的字节流数据缓存至临时存储区；

3.根据权利要求1所述的基于大模型的文本识别方法，其特征在于，对原始文件的文本内容进行识别包括以下内容：

4.根据权利要求1所述的基于大模型的文本识别方法，其特征在于，提取文本信息步骤如下：

5.一种基于大模型的文本分类方法，其特征在于，该文本分类方法包括权利要求1-4任一项所述的基于大模型的文本识别方法步骤，还进一步包括：>

6.根据权利...

【技术特征摘要】

1.一种基于大模型的文本识别方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于大模型的文本识别方法，其特征在于，获取原始文件并转换为字节流后，将转换后的字节流数据缓存至临时存储区；

3.根据权利要求1所述的基于大模型的文本识别方法，其特征在于，对原始文件的文本内容进行识别包括以下内容：

4.根据权利要求1所述的基于大模型的文本识别方法，其特征在于，提取文本信息步骤如下：

5.一种基于大模型的文本分类方法，其特征在于，该文本分类方法包括权利要求1-4任一项所述的基于大模型的文本识别方法步骤，还进一步包括：...

【专利技术属性】
技术研发人员：杨凯，于文钦，李皓，高凌，孙江，王诚宇，
申请(专利权)人：青岛方天科技股份有限公司，
类型：发明
国别省市：