一种基于大模型的文档数据处理方法和装置

提供了一种基于大模型的文档数据处理方法和装置，涉及人工智能技术领域，尤其涉及大模型、计算机视觉技术。实现方案为数据处理方法包括：获取从可携带文档格式PDF文件中识别的多种不同类型的元素中的至少一个PDF元素；基于所识别的PDF元素确定待处理图像和待处理文本，其中，待处理图像包括所识别的至少一个PDF元素的图像，待处理文本包括从待处理图像中识别的文本；基于自注意力机制对待处理文本进行特征提取，以得到待处理文本的自注意力特征；基于交叉注意力机制对待处理文本的自注意力特征和待处理图像的图像特征进行特征提取，以得到用于PDF文件的文本‑图像交叉注意力特征；以及至少基于交叉注意力特征确定PDF文件的解析结果。