公开(公告)号：CN116092102A

公开(公告)日：2023-05-09

申请号：CN202211714858.5

申请日：2022-12-27

Applicant: 国家计算机网络与信息安全管理中心 ,  长城计算机软件与系统有限公司

Inventor： 王秀文 ,  李美燕 ,  金忠良 ,  刘纯艳 ,  王峰 ,  刘鑫 ,  吴震 ,  吴迪 ,  李娅强 ,  杨菁林 ,  曾宣玮 ,  刘志丞

IPC: G06V30/412 ,  G06V30/413 ,  G06V30/18 ,  G06V30/162 ,  G06V30/148 ,  G06V30/19 ,  G06V10/44 ,  G06V10/26 ,  G06V10/28 ,  G06V10/48 ,  G06V10/764 ,  G06V10/82 ,  G06N3/044 ,  G06N3/08

Abstract: 本发明公开了一种包含文本信息的结构图的处理方法，所述方法包括：基于包含文本信息的结构图的线段组成进行轮廓检测；根据检测出的轮廓拟合出几何多边形；基于所述结构图中文本框的特征条件，从所述几何多边形中过滤掉不符合所述特征条件的形状，得到边框。本发明能够从包含有文本信息的结构图中高效、准确地提取出边框。

公开(公告)号：CN115827871A

公开(公告)日：2023-03-21

申请号：CN202211690035.3

申请日：2022-12-27

Applicant: 国家计算机网络与信息安全管理中心 ,  长城计算机软件与系统有限公司

Inventor： 李美燕 ,  吴震 ,  王秀文 ,  李娅强 ,  刘纯艳 ,  王峰 ,  刘鑫 ,  李政达 ,  陈鹏云 ,  杨菁林 ,  赵磊 ,  秦恺 ,  曾宣玮 ,  刘志丞

IPC: G06F16/35 ,  G06N3/08 ,  G06F18/241 ,  G06N3/0464

Abstract: 本发明提供了一种互联网企业分类的方法和装置，其中该方法包括：S1：获取互联网企业的多维度数据，并对所述多维度数据预处理以生成长文本数据；S2：将所述长文本数据输入基于Transformer编码器的Bert网络模型进行处理；S3：将经过处理后的数据送入分类器来对所述互联网企业进行分类。本发明的方案基于在Transformer架构的深度神经网络中进行自动特征组合学习，能够对互联网企业准确进行行业分类，并能够极大提升互联网企业行业分类的准确率。本发明的方案能够快速将海量企业多维度信息进行识别，无需人工干预。本发明的方案基于大语料预训练模型加下游任务微调的方案能灵活应用在不同场景中海量企业的快速分类。