一种文档信息结构化抽取方法、装置、存储介质及设备

本申请公开了一种文档信息结构化抽取方法、装置、存储介质及设备，该方法包括：首先获取目标文档所在的目标图像；并提取目标图像的目标视觉特征；然后将目标视觉特征输入语义信息提取模型进行OCR信息提取，得到目标OCR信息，并对其进行编码处理，得到目标语义编码向量；接着将目标视觉特征和目标语义编码向量输入预先构建的多模态大语言模型，预测得到目标文档对应的信息结构化抽取结果。可见，由于本申请采用的是结合OCR信息与多模态大语言模型的通用信息结构化抽取方法，并采用了视觉特征和OCR信息分别作为空间和文本语义上的抽取依据，解决了通过纯文本进行结构化抽取时的空间信息匮乏问题，从而能够有效提高文档信息结构化抽取的准确率。