表格識(shí)別

字符分割

字符識(shí)別

格式化輸出

4.語義識(shí)別

地址識(shí)別

地址信息提?。壕珳?zhǔn)提取文本填單中的地址信息，并按省、市、區(qū)、街道、詳細(xì)地址的格式結(jié)構(gòu)化輸出
姓名信息提取：精準(zhǔn)提取文本填單信息中收件人或寄件人的名稱，并輸出結(jié)構(gòu)化信息
電話信息提取：精準(zhǔn)提取文本填單信息中寄件人或收件人的聯(lián)系方式，并輸出結(jié)構(gòu)化信息

詞法分析

中文分詞：將連續(xù)的自然語言文本，切分成具有語義合理性和完整性的詞匯序列
詞性標(biāo)注：為自然語言文本中的每個(gè)詞匯賦予一個(gè)詞性，例如名詞、動(dòng)詞、形容詞等
命名實(shí)體識(shí)別：識(shí)別自然語言文本中具有特定意義的實(shí)體，主要包括人名、地名、機(jī)構(gòu)名、時(shí)間日期

短文本相似度

短文本相似度計(jì)算：提供兩個(gè)短文本之間的語義相似度計(jì)算能力，輸出的相似度是一個(gè)介于0到1之間的實(shí)數(shù)值，輸出數(shù)值越大，則代表語義相似程度相對(duì)越高
短文本相似聚合：通過語義相似度計(jì)算，判斷兩個(gè)短文本的語義表述是否相近，從而實(shí)現(xiàn)相似短文本的聚合或去重

文本糾錯(cuò)

文本糾錯(cuò)能力：準(zhǔn)確識(shí)別出文本中出現(xiàn)的字詞或標(biāo)點(diǎn)錯(cuò)誤，并針對(duì)性給出正確的建議文本內(nèi)容，在搜索引擎、語音識(shí)別、內(nèi)容審核等場(chǎng)景有廣泛應(yīng)用

詞向量表示

詞語向量化：通過訓(xùn)練的方法，將語言詞表中的詞映射成一個(gè)長(zhǎng)度固定的向量
文本可計(jì)算：詞表中所有的詞向量構(gòu)成一個(gè)向量空間，每一個(gè)詞都是這個(gè)詞向量空間中的一個(gè)點(diǎn)，利用這種方法，實(shí)現(xiàn)文本的可計(jì)算

詞義相似度

深度語義解析：該技術(shù)常用于計(jì)算兩個(gè)給定詞語的語義相似度，基于自然語言中的分布假設(shè)，即越是經(jīng)常共同出現(xiàn)的詞之間的相似度越高
領(lǐng)先技術(shù)應(yīng)用：詞義相似度是自然語言處理中的重要基礎(chǔ)技術(shù)，是專名挖掘、query改寫、詞性標(biāo)注等常用技術(shù)的基礎(chǔ)之一

依存句法分析

深度語義結(jié)構(gòu)：利用句子中詞與詞之間的依存關(guān)系來表示詞語的句法結(jié)構(gòu)信息(如主謂、動(dòng)賓、定中等結(jié)構(gòu)關(guān)系) ，并用樹狀結(jié)構(gòu)來表示整句的的結(jié)構(gòu)(如主謂賓、定狀補(bǔ))等
算法識(shí)別準(zhǔn)確：在大規(guī)模人工標(biāo)注的數(shù)據(jù)基礎(chǔ)上，句法結(jié)構(gòu)描述體系簡(jiǎn)潔通用，海量數(shù)據(jù)訓(xùn)練讓文本匹配更準(zhǔn)確

DNN語言模型

基于條件概率：該技術(shù)通過計(jì)算給定詞組成的句子的概率，從而判斷所組成的句子是否符合客觀語言表達(dá)習(xí)慣
 

 

搭建海量文檔集中存儲(chǔ)的平臺(tái)，實(shí)現(xiàn)統(tǒng)一的文檔管理。對(duì)文檔進(jìn)行統(tǒng)一管理可支持顯示、搜索、排序等功能。提供權(quán)限控制機(jī)制，針對(duì)用戶進(jìn)行細(xì)粒度的權(quán)限控制，控制用戶的管理、瀏覽、閱讀、編輯、下載、刪除、打印、訂閱等操作，實(shí)現(xiàn)文檔安全共享。采用加密存儲(chǔ)，防止文件擴(kuò)散，全面保證數(shù)據(jù)的安全性和可靠性。
6.底稿審核
登錄系統(tǒng)上傳文件，系統(tǒng)將自動(dòng)識(shí)別文件內(nèi)容，區(qū)分首頁及正文頁，對(duì)首頁數(shù)據(jù)進(jìn)行整理，將整理的數(shù)據(jù)在文檔正文內(nèi)進(jìn)行一致性核查，核查通過則提示驗(yàn)證通過，否則提示不通過。