MÉTODO PARA EXTRAÇÃO E ESTRUTURAÇÃO DE INFORMAÇÕES

IPC Classification

Abstract

MÉTODO PARA EXTRAÇÃO E ESTRUTURAÇÃO DE INFORMAÇÕES. A invenção propõe um método que recebe um documento não estruturado na entrada, extrai as suas informações, reorganiza e disponibiliza essas informações em arquivos que possam ser consumidos por outros sistemas. O método para extração e estruturação de informações compreende um modelo (1) separador de páginas do documento, (2) modelo de detecção e segmentação de blocos, (3) extrator de tabelas, (4) extrator de imagens, (5) modelo de classificação de imagens, (6) extrator de texto, (7) modelo de visão computacional para melhoria da qualidade da imagem dos textos, (8) modelo de reconhecimento ótico de caracteres, (09) modelo para correção ortográfica, (10) modelos para enriquecimento semântico do texto, (11) organizador dos arquivos de saída e (12) agregador de metadados para enriquecimento da informação. Também faz parte da invenção um gerador de documentos sintéticos que servem para criar uma base de treinamento composta por milhões de documentos sintéticos, que emulam documentos reais comumente utilizados pela indústria de O&G em diferentes variações de layouts. Esses documentos sintéticos são utilizados para treinar e atualizar os modelos de inteligência artificial usados no processo de principal de extração da informação. Sendo assim, compreende as seguintes etapas: (1) geração de documentos sintéticos, em diferentes configurações de layout; (2) treinamento/Sintonização de modelos de visão computacional e classificação; (3) controle da qualidade dos modelos sob conjuntos sintéticos e reais; (4) avaliação de resultado de extração no domínio de O&G; (5) identificação de novos formatos ou alterações em formatos existentes; (6) ajuste de parâmetros e configuração de novos formatos sintéticos.