[發(fā)明專利]基于RPA及AI的表格信息抽取方法、裝置、設(shè)備及介質(zhì)

在審

• 申請?zhí)枺?/td>: 202011024745.3
• 申請日: 2020-09-25
• 公開（公告）號: CN112149399A
• 公開（公告）日: 2020-12-29
• 發(fā)明（設(shè)計(jì)）人: 汪冠春;胡一川;褚瑞;李瑋;胡偉;張海雷;白龍飛
• 申請（專利權(quán)）人: 北京來也網(wǎng)絡(luò)科技有限公司;北京奔影網(wǎng)絡(luò)科技有限公司
• 主分類號: G06F40/186
• 分類號: G06F40/186;G06F40/177;G06F40/151;G06F40/253;G06K9/34
• 代理公司: 北京科領(lǐng)智誠知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11782
• 代理人: 陳士騫

1.一種基于RPA及AI的表格信息抽取方法，其特征在于，包括：

S1、將包含有表格的文件轉(zhuǎn)化為圖片；

S2、識別所述圖片中的表格，并根據(jù)識別結(jié)果生成與表格類型對應(yīng)的信息抽取模板，所述信息抽取模板中包含有表格內(nèi)各個(gè)鍵值對的鍵及其位置信息，以及待抽取的各個(gè)鍵值對的值的位置信息；

S3、按照所述信息抽取模板，從所述識別結(jié)果中抽取表格內(nèi)容。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟S2具體包括：

S21、對所述圖片進(jìn)行光學(xué)字符OCR識別，得到識別結(jié)果，該識別結(jié)果包括各表格中每個(gè)單元格的內(nèi)容，及各單元格在所述表格中的位置信息；

S22、對于任意一種類型的表格，根據(jù)表格中各單元格的內(nèi)容及各單元格在所述表格中的位置信息，生成與表格類型對應(yīng)的信息抽取模板。

3.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，表格類型包括左右一對一格式，該左右一對一格式的表格中各個(gè)鍵值對的鍵與值是左右位置關(guān)系，且鍵與值是一對一的關(guān)系；

相應(yīng)的，步驟S22具體包括：

S221、將表格中各單元格的內(nèi)容按照在表格內(nèi)行和列的位置信息進(jìn)行拼接；

S222、對于表格中的每一行內(nèi)容，基于拼接后內(nèi)容，生成與表格類型對應(yīng)的第一信息抽取模板；

其中，第一信息抽取模板中包含有表格內(nèi)每一行各個(gè)鍵值對的鍵及其位置信息，以及待抽取的各個(gè)鍵值對的值的位置信息。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，表格類型包括上下一對多格式，該上下一對多格式的表格中各個(gè)鍵值對的鍵與值是上下位置關(guān)系，且鍵與值是一對多的關(guān)系；

相應(yīng)的，步驟S22具體包括：

S221、如果未檢測到預(yù)設(shè)詞表，則將表格中各單元格的內(nèi)容按照所在行的位置信息進(jìn)行拼接，并將拼接后內(nèi)容與預(yù)設(shè)標(biāo)準(zhǔn)模板的內(nèi)容進(jìn)行匹配，所述預(yù)設(shè)標(biāo)準(zhǔn)模板中包括預(yù)先設(shè)定抽取的鍵值對的鍵；

S222、如果匹配成功，則將相匹配的鍵所對應(yīng)的列的個(gè)數(shù)作為第一目標(biāo)個(gè)數(shù)；

S223、對表格按行進(jìn)行遍歷，將表格中列的個(gè)數(shù)作為第一標(biāo)準(zhǔn)個(gè)數(shù)；

S224、如果第一標(biāo)準(zhǔn)個(gè)數(shù)與第一目標(biāo)個(gè)數(shù)相匹配，則在表格中第一列單元格之前添加輔助變量，所述輔助變量用于在表格內(nèi)容提取時(shí)將表格中各行內(nèi)容進(jìn)行區(qū)分；

S225、基于所述輔助變量和所述相匹配的鍵及其位置信息，生成表格類型對應(yīng)的第二信息抽取模板；

其中，第二信息抽取模板中包含有所述輔助變量、所述相匹配的鍵及其位置信息，以及表格中待抽取的各個(gè)鍵值對的值的位置信息。

5.根據(jù)權(quán)利要求2所述的方法，其特征在于，表格類型包括上下一對多格式，該上下一對多格式的表格中各個(gè)鍵值對的鍵與值是上下位置關(guān)系，且鍵與值是一對多的關(guān)系；

相應(yīng)的，步驟S22具體包括：

S221、如果檢測到預(yù)設(shè)詞表，則將表格中各個(gè)鍵值對的值與所述預(yù)設(shè)詞表的內(nèi)容進(jìn)行匹配；

S222、如果匹配成功，則將表格中各單元格的內(nèi)容按照所在行的位置信息進(jìn)行拼接，并將拼接后內(nèi)容與預(yù)設(shè)標(biāo)準(zhǔn)模板的內(nèi)容進(jìn)行匹配，所述預(yù)設(shè)標(biāo)準(zhǔn)模板中包括預(yù)先設(shè)定抽取的鍵值對的鍵；

S223、如果匹配成功，則將相匹配的鍵所對應(yīng)的列的個(gè)數(shù)作為第二目標(biāo)個(gè)數(shù)；

S224、對表格按行進(jìn)行遍歷，將表格中列的個(gè)數(shù)作為第二標(biāo)準(zhǔn)個(gè)數(shù)；

S225、如果第二標(biāo)準(zhǔn)個(gè)數(shù)與第二目標(biāo)個(gè)數(shù)相匹配，則基于所述相匹配的鍵及其位置信息，生成表格類型對應(yīng)的第三信息抽取模板；

其中，第三信息抽取模板中包含有所述相匹配的鍵及其位置信息，以及所述表格中待抽取的各個(gè)鍵值對的值的位置信息。