公开(公告)号：CN117058704B

公开(公告)日：2024-01-05

申请号：CN202311190777.4

申请日：2023-09-15

Applicant: 之江实验室

Inventor： 何贵甲 ,  黄程韦 ,  盖君芳 ,  黄宝忠 ,  刘俊聪

IPC: G06V30/42 ,  G06V30/413 ,  G06V30/416 ,  G06V30/148

Abstract: 本发明公开了一种基于视觉和文本特征的教材内容及结构的提取方法和装置，包括：读取PDF教材并将每个页面转成图片；对图片进行灰度转换、膨胀、腐蚀操作得到预处理后图片；基于空白区域对预处理后图片进行区域分割以得到多个区域块；采用OCR识别区域块中文本字符，并建立文本字符与区域块的对应关系；对区域块进行页眉页脚识别，并去除页眉页脚对应的区域块；对剩余区域块基于视觉规则和文本规则共同进行区域类型判断，其中，区域类型包括标题、正文以及自定义类型；根据区域类型和文本字符与区域块的对应关系建立取PDF教材的结构关系。该方法和装置能够实现结构化信息提取，适用于包含图片格式等各种类型的PDF文件。

公开(公告)号：CN116228361A

公开(公告)日：2023-06-06

申请号：CN202310202883.3

申请日：2023-02-28

Applicant: 之江实验室

Inventor： 周英 ,  黄宝忠 ,  盖君芳 ,  陈圆谜 ,  齐炎 ,  刘俊聪 ,  黄程韦

IPC: G06Q30/0601 ,  G06Q30/0203 ,  G06Q50/20 ,  G06F18/22

Abstract: 本申请涉及人工智能领域，特别是涉及一种基于特征匹配的课程推荐方法、装置、计算机设备和存储介质，所述方法包括：以正相关的课程特征样本和学生特征样本的匹配对作为训练样本，以各所述匹配对之间的匹配度作为输出，训练课程推荐模型；将目标学生的学生特征以及备选课程的课程特征输入所述课程推荐模型，输出所述目标学生与各所述备选课程的匹配度；基于各所述匹配度，确定所述目标学生的推荐课程。本发明能够为学生智能推荐合适的课程。

公开(公告)号：CN116912867B

公开(公告)日：2023-12-29

申请号：CN202311175495.7

申请日：2023-09-13

Applicant: 之江实验室

Inventor： 何贵甲 ,  黄程韦 ,  盖君芳 ,  黄宝忠 ,  刘俊聪

IPC: G06V30/413 ,  G06V30/19 ,  G06V30/18 ,  G06V20/70

Abstract: 本发明公开了一种结合自动标注和召回补全的教材结构提取方法和装置，将教材PDF转换为图片，并通过高精度OCR识别出图片中的每个区域的文本信息和位置信息，再结合规则模型和聚类来构建样本，并利用样本训练与区域类型对应的多种分类模型来预测区域类型未知的区域类型，最后自动召回补全缺失的部分并建立整本教材的内容及结构关系，这样能够顾实现快速准确地从教材中快速准备地提取出标题和正文，并建立相应的结构关系。

公开(公告)号：CN117058704A

公开(公告)日：2023-11-14

申请号：CN202311190777.4

申请日：2023-09-15

Applicant: 之江实验室

Inventor： 何贵甲 ,  黄程韦 ,  盖君芳 ,  黄宝忠 ,  刘俊聪

IPC: G06V30/42 ,  G06V30/413 ,  G06V30/416 ,  G06V30/148

Abstract: 本发明公开了一种基于视觉和文本特征的教材内容及结构的提取方法和装置，包括：读取PDF教材并将每个页面转成图片；对图片进行灰度转换、膨胀、腐蚀操作得到预处理后图片；基于空白区域对预处理后图片进行区域分割以得到多个区域块；采用OCR识别区域块中文本字符，并建立文本字符与区域块的对应关系；对区域块进行页眉页脚识别，并去除页眉页脚对应的区域块；对剩余区域块基于视觉规则和文本规则共同进行区域类型判断，其中，区域类型包括标题、正文以及自定义类型；根据区域类型和文本字符与区域块的对应关系建立取PDF教材的结构关系。该方法和装置能够实现结构化信息提取，适用于包含图片格式等各种类型的PDF文件。

公开(公告)号：CN116912867A

公开(公告)日：2023-10-20

申请号：CN202311175495.7

申请日：2023-09-13

Applicant: 之江实验室

Inventor： 何贵甲 ,  黄程韦 ,  盖君芳 ,  黄宝忠 ,  刘俊聪

IPC: G06V30/413 ,  G06V30/19 ,  G06V30/18 ,  G06V20/70

Abstract: 本发明公开了一种结合自动标注和召回补全的教材结构提取方法和装置，将教材PDF转换为图片，并通过高精度OCR识别出图片中的每个区域的文本信息和位置信息，再结合规则模型和聚类来构建样本，并利用样本训练与区域类型对应的多种分类模型来预测区域类型未知的区域类型，最后自动召回补全缺失的部分并建立整本教材的内容及结构关系，这样能够顾实现快速准确地从教材中快速准备地提取出标题和正文，并建立相应的结构关系。