文档处理方法和装置

本申请实施例提供一种文档处理方法和装置。该方法包括：获取文档中的视觉信息和文本信息；利用卷积神经网络、曼哈顿自注意力模块和局部上下文增强模块，对所述视觉信息进行特征提取，获取视觉特征；利用序列模型对所述文本信息进行特征提取，获取文本特征；利用多模态融合模块融合所述视觉特征和所述文本特征，得到融合后的文本块特征；对所述文本块特征进行语义实体识别和关系提取，确定所述文档中每个文本块的类别和各个文本块之间的关系。该方法可实现文档多模态建模的精度与效率双重提升，提高文档解析效率和解析效果。