科创中国

新一代信息技术产业,人工智能

电子档案管理系统是企事业单位的档案现代化管理的重要技术 手段。当前电子档案影像资料的分类、关键信息提取、摘要等工作仍 然需要人工完成。随着信息资源数字化、网络化的进程进一步加快， 海量档案资料自动分类、自动摘要、自动关键字提取等智能化要求越 来越迫切。 本项目研究基于知识图谱与深度学习的电子档案智能管理技术， 通过对（高速）扫描仪或相机获取的档案影像进行OCR 识别，运用 自然语言处理技术实现档案影像自动分类、自动摘要和自动关键信息 提取，从而大大减轻档案管理人员的劳动强度，提高档案资料影像化 采集的质量和效率。

1、基于预训练词向量和允许字符集的OCR 识别结果检错与纠错 技术 由于种种原因，OCR 识别结果往往存在识别错误。这些错误的 文本如果不预先进行纠错，将会影响分类器的训练的效果和文本分类 的精度。本项目利用CBOW 原理，通过将待检词序列中的异常词代 入预训练CBOW 模型，获得异常词位置的最大概率候选词，用该候 选词替换异常词，从而实现文本纠错。在此基础上，根据OCR 识别 结果，结合额外的有用信息，尽可能的对识别结果进行纠错，进一步 提高识别准确率减少人工校对的工作量。 2、基于深度学习的文本自动分类技术 对档案图像中的文本进行识别，对识别结果文本集合中的文本进 行特征提取，形成文本特征向量集合，以文本特征向量集合为输入， — 68 — 对应的类别为输出，训练基于深度神经网络文本分类器，对档案进行 自动分类。 3、基于知识图谱的电子档案多级分类技术 根据特定领域内的文本分类信息构建知识图谱本体，基于本体构 建多级类别模型，利用分类器提取OCR 软件识别结果的类别，从而 实现OCR 识别结果的自动多级分类。

本项目依托西安电子科技大学机电工程学院工业互联 网与云计算研究中心、西电-途游AI 联合实验室的软硬件环境和研发 力量，采用供需结合、产教融合、校企合作的形式开展研发工作。团 队目前有教授3 名，副教授5 名，博士6 名、硕士2 名，硕士研究生 23 名，主要成员包括： 李向宁，男，计算机软件与理论专业博士，项目负责人，负责整 体技术方案设计、软件开发和成果推广。 赵克，男，机械制造及自动化专业博士，技术顾问，主要负责深 度学习、自然语言理解方案设计和指导。 李龙海，男，计算机应用专业博士，技术骨干，主要负责OCR 识别系统的研发。 程培涛，男，机械制造及自动化专业博士，技术骨干，主要负责 智能检错纠错算法的研发。 李燕，女，英语教育专业本科，市场主管，主要负责产品推广。 张函婧，女，新闻传媒专业本科，政企主管，主要负责政府产业 政策对接，校企合作。

点击查看