買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉杭州電子科技大學(xué)申請(qǐng)的專利基于注意力修正的圖神經(jīng)網(wǎng)絡(luò)的視覺文檔信息抽取方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN119919954B 。

龍圖騰網(wǎng)通過國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-26發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202411964079.X，技術(shù)領(lǐng)域涉及：G06V30/413；該發(fā)明授權(quán)基于注意力修正的圖神經(jīng)網(wǎng)絡(luò)的視覺文檔信息抽取方法是由姜明;龔鍇睿;張旻設(shè)計(jì)研發(fā)完成，并于2024-12-30向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本基于注意力修正的圖神經(jīng)網(wǎng)絡(luò)的視覺文檔信息抽取方法在說明書摘要公布了：本發(fā)明涉及基于注意力修正的圖神經(jīng)網(wǎng)絡(luò)的視覺文檔信息抽取方法，包括先依據(jù)實(shí)體及其文本內(nèi)容與文本框信息提取實(shí)體節(jié)點(diǎn)圖像、文本、布局特征，獲取文檔中各實(shí)體節(jié)點(diǎn)相鄰最近的n個(gè)實(shí)體節(jié)點(diǎn)索引以生成邊鄰接矩陣，后將實(shí)體節(jié)點(diǎn)特征與邊鄰接矩陣輸入GraphSAGE圖網(wǎng)絡(luò)模型學(xué)習(xí)節(jié)點(diǎn)特征，此過程融合圖卷積與基于結(jié)構(gòu)特征的注意力修正機(jī)制，依據(jù)節(jié)點(diǎn)特征距離與度信息計(jì)算并修正邊權(quán)重，經(jīng)多層圖卷積與修正操作后輸出特征表示，輸入全連接層完成節(jié)點(diǎn)分類，對(duì)文檔采樣獲取實(shí)體節(jié)點(diǎn)對(duì)及邊特征，融合后再輸入全連接層進(jìn)行邊分類。該方法借助GraphSAGE模型，有效融合多模態(tài)信息，精準(zhǔn)捕捉節(jié)點(diǎn)與圖結(jié)構(gòu)特性，動(dòng)態(tài)調(diào)整節(jié)點(diǎn)關(guān)系與權(quán)重，顯著提升實(shí)體節(jié)點(diǎn)分類準(zhǔn)確率。

本發(fā)明授權(quán)基于注意力修正的圖神經(jīng)網(wǎng)絡(luò)的視覺文檔信息抽取方法在權(quán)利要求書中公布了：1.基于注意力修正的圖神經(jīng)網(wǎng)絡(luò)的視覺文檔信息抽取方法，其特征在于：包括以下步驟： 步驟一：使用光學(xué)字符識(shí)別獲取文檔中若干實(shí)體以及實(shí)體所對(duì)應(yīng)的文本內(nèi)容、文本框坐標(biāo)值和文本框尺寸，根據(jù)文本框坐標(biāo)值和長(zhǎng)寬表示實(shí)體節(jié)點(diǎn)布局特征，使用殘差網(wǎng)絡(luò)提取文檔全局圖像特征，再利用RoI對(duì)齊層獲取區(qū)域級(jí)實(shí)體節(jié)點(diǎn)圖像特征，并通過spacy模型提取文檔的實(shí)體節(jié)點(diǎn)文本特征； 步驟二：對(duì)步驟一獲取的實(shí)體節(jié)點(diǎn)圖像特征、實(shí)體節(jié)點(diǎn)文本特征、實(shí)體節(jié)點(diǎn)布局特征通過計(jì)算各模態(tài)特征之間的交互關(guān)系以及對(duì)整體任務(wù)的貢獻(xiàn)度，生成對(duì)應(yīng)的注意力權(quán)重向量，然后用這些權(quán)重向量分別對(duì)各模態(tài)特征進(jìn)行加權(quán)融合，得到最終的多模態(tài)融合實(shí)體節(jié)點(diǎn)特征； 步驟三：對(duì)文檔里的各個(gè)實(shí)體節(jié)點(diǎn)，查找與之相鄰最近的n個(gè)實(shí)體節(jié)點(diǎn)，對(duì)實(shí)體節(jié)點(diǎn)文本框左上角、右下角以及中心點(diǎn)之間的綜合距離展開計(jì)算，得出最近的n個(gè)實(shí)體節(jié)點(diǎn)索引，用以生成邊鄰接矩陣； 步驟四：先使用基于節(jié)點(diǎn)特征距離計(jì)算注意力權(quán)重的方式，對(duì)步驟二獲取的實(shí)體節(jié)點(diǎn)特征以及步驟三的邊鄰接矩陣，在GraphSAGE圖網(wǎng)絡(luò)模型的第一層中，以加權(quán)求和操作聚合鄰居節(jié)點(diǎn)特征并結(jié)合注意力權(quán)重計(jì)算聚合后的鄰居特征，后將節(jié)點(diǎn)自身特征與聚合后的鄰居特征拼接，通過權(quán)重矩陣與激活函數(shù)完成特征更新得到第一層的節(jié)點(diǎn)特征，在學(xué)習(xí)過程中，于注意力修正層，綜合節(jié)點(diǎn)度信息與基于節(jié)點(diǎn)特征距離的中間注意力系數(shù)計(jì)算修正后的注意力權(quán)重并歸一化，以此優(yōu)化邊權(quán)重，增強(qiáng)特征表示，接著進(jìn)行第二層GraphSAGE卷積操作，以加權(quán)求和方式聚合鄰居特征并更新節(jié)點(diǎn)特征； 步驟五：將經(jīng)過兩層GraphSAGE卷積及注意力修正后的特征輸入到全連接層進(jìn)行特征融合，并通過線性層實(shí)現(xiàn)實(shí)體節(jié)點(diǎn)的分類； 步驟六：對(duì)原始文檔進(jìn)行圖采樣，獲取實(shí)體節(jié)點(diǎn)對(duì)，邊特征由實(shí)體節(jié)點(diǎn)之間的關(guān)系特征、實(shí)體節(jié)點(diǎn)的閱讀順序特征、極坐標(biāo)特征，步驟四經(jīng)過圖神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)后的實(shí)體節(jié)點(diǎn)特征組成，四種特征融合得到最終邊特征； 步驟七：將步驟六中最終邊特征輸入到全連接層進(jìn)行邊分類。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人杭州電子科技大學(xué)，其通訊地址為：310018 浙江省杭州市錢塘區(qū)白楊街道2號(hào)大街1158號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。