一种基于ocr,nlp及正则表达式的合同文件文字内容提取方法

本发明涉及合同管理技术领域，公开了一种基于ocr,nlp及正则表达式的合同文件文字内容提取方法，包括以下步骤：S1、采用深度学习框架构建OCR文字识别模型及NLP关键字提取模型，并对模型进行训练；S2、将训练后的模型部署在容器中，提供接口供业务系统调用；S3、业务系统接收客户上传的合同文件，使用OCR文字识别模型进行文本检测和识别，提取合同文本内容；使用NLP关键字提取模型进行信息抽取，提取关键词和结构化信息；S4、使用正则表达式对合同文件识别结果与订单合同信息进行匹配；S5、找出不匹配的部分并进行标记；以解决现有技术无法高效、准确地识别和处理非标准化贸易合同文件的审核工作的技术问题。