[發(fā)明專利]一種表格化信息提取的方法、裝置、存儲介質(zhì)及電子設(shè)備

有效

• 申請?zhí)枺?/td>: 201910790460.1
• 申請日: 2019-08-26
• 公開（公告）號: CN110489424B
• 公開（公告）日: 2021-10-12
• 發(fā)明（設(shè)計(jì)）人: 周明昕
• 申請（專利權(quán)）人: 北京香儂慧語科技有限責(zé)任公司
• 主分類號: G06F16/22
• 分類號: G06F16/22;G06F16/2458;G06F40/284
• 代理公司: 北京集佳知識產(chǎn)權(quán)代理有限公司 11227
• 代理人: 丁曼曼

本發(fā)明提供了一種表格化信息提取的方法、裝置、存儲介質(zhì)及電子設(shè)備，其中，該方法包括：獲取目標(biāo)表格并確定目標(biāo)表格中的多個目標(biāo)單元格，提取每個目標(biāo)單元格的單元格內(nèi)容，并確定每個目標(biāo)單元格的位置信息；根據(jù)單元格內(nèi)容生成每個目標(biāo)單元格的單元格隱向量，并根據(jù)所有目標(biāo)單元格的單元格隱向量和相應(yīng)的位置信息生成目標(biāo)表格的表格隱向量；根據(jù)所有目標(biāo)單元格的單元格隱向量和目標(biāo)表格的表格隱向量提取目標(biāo)表格中的表格化信息。通過本發(fā)明實(shí)施例提供的表格化信息提取的方法、裝置、存儲介質(zhì)及電子設(shè)備，可以自適應(yīng)提取表格的結(jié)構(gòu)特征，適用于不同結(jié)構(gòu)的表格，可以大幅度提高對表格中高維語義關(guān)系信息提取的準(zhǔn)確度。

技術(shù)領(lǐng)域

本發(fā)明涉及信息處理的技術(shù)領(lǐng)域，具體而言，涉及一種表格化信息提取的方法、裝置、存儲介質(zhì)及電子設(shè)備。

背景技術(shù)

表格中蘊(yùn)含著高度抽象和壓縮的語義關(guān)系信息，例如一個包含某班級學(xué)生2016-2018年不同科目考試成績的表格，就蘊(yùn)含了這個班級的所有同學(xué)的每個科目的考試成績是多少，例如：其中的一個信息為(張三，2018年，數(shù)學(xué)成績，98分)；這種信息是結(jié)構(gòu)化多元組的關(guān)系信息，這些關(guān)系信息往往是非常重要的信息。

一般而言，簡單的表格可以依靠表格的規(guī)則提取表格中的信息，但復(fù)雜結(jié)構(gòu)的表格將高維的關(guān)系信息映射到二維表格平面上，其包含實(shí)體之間的復(fù)雜關(guān)系信息，傳統(tǒng)基于規(guī)則的表格結(jié)構(gòu)化信息提取方法不能解決復(fù)雜表格的關(guān)系提取問題。

例如如下的表1，可以提取得到的高維關(guān)系多元組包括(中國石油化工集團(tuán)，母公司，福建煉油化工集團(tuán))，(中國石油化工集團(tuán)，2017年，銷售額，5813.97萬元)等。關(guān)系多元組的部分內(nèi)容來自表頭，例如2017年、銷售額，部分來自于表格內(nèi)容，例如中國石油化工集團(tuán)、福建煉油化工集團(tuán)等。因?yàn)槊糠N表格的信息組織方式都不同，因此這些高維關(guān)系信息依靠傳統(tǒng)的規(guī)則提取的方法很難從各式各樣的表格中提取到。

表1

發(fā)明內(nèi)容

為解決上述問題，本發(fā)明實(shí)施例的目的在于提供一種表格化信息提取的方法、裝置、存儲介質(zhì)及電子設(shè)備。

第一方面，本發(fā)明實(shí)施例提供了一種表格化信息提取的方法，包括：

獲取目標(biāo)表格并確定所述目標(biāo)表格中的多個目標(biāo)單元格，提取每個所述目標(biāo)單元格的單元格內(nèi)容，并確定每個所述目標(biāo)單元格的位置信息；

根據(jù)所述單元格內(nèi)容生成每個所述目標(biāo)單元格的單元格隱向量，并根據(jù)所有所述目標(biāo)單元格的所述單元格隱向量和相應(yīng)的所述位置信息生成所述目標(biāo)表格的表格隱向量；

根據(jù)所有所述目標(biāo)單元格的單元格隱向量和所述目標(biāo)表格的表格隱向量提取所述目標(biāo)表格中的表格化信息。

在一種可能的實(shí)現(xiàn)方式中，所述確定每個所述目標(biāo)單元格的位置信息，包括：

根據(jù)所述目標(biāo)表格橫向和縱向上單元格的總數(shù)量分別確定所述目標(biāo)表格每行和每列的位置；

根據(jù)所述目標(biāo)表格每行和每列的位置確定所述目標(biāo)單元格在所述目標(biāo)表格中所占的起始行號、結(jié)束行號、起始列號和結(jié)束列號，并根據(jù)所述目標(biāo)單元格的起始行號、結(jié)束行號、起始列號和結(jié)束列號生成所述目標(biāo)單元格的二維的位置信息。

在一種可能的實(shí)現(xiàn)方式中，所述根據(jù)所述單元格內(nèi)容生成每個所述目標(biāo)單元格的單元格隱向量，包括：

對所述目標(biāo)單元格的單元格內(nèi)容進(jìn)行分詞處理，確定所述單元格內(nèi)容的每個分詞，并確定每個所述分詞的詞向量；

根據(jù)所述分詞的詞向量以及分詞之間的相似度確定所述分詞的隱向量，并根據(jù)所有所述分詞的隱向量生成相應(yīng)的目標(biāo)單元格的單元格隱向量。

在一種可能的實(shí)現(xiàn)方式中，所述根據(jù)所述分詞的詞向量以及分詞之間的相似度確定所述分詞的隱向量，包括：