[發明專利]一種基于神經網絡的表格處理方法以及相關裝置

在審

• 申請號: 202011261679.1
• 申請日: 2020-11-12
• 公開（公告）號: CN112232048A
• 公開（公告）日: 2021-01-15
• 發明（設計）人: 朱龍軍
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F40/18
• 分類號: G06F40/18;G06F16/28;G06N3/04
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 陳松浩

1.一種基于神經網絡的表格處理方法，其特征在于，包括：

獲取目標表格，所述目標表格分布于第一頁面和第二頁面，所述第一頁面和所述第二頁面基于頁面分隔標識劃分；

根據所述頁面分隔標識確定所述第一頁面中的第一單元格以及所述第二頁面中的第二單元格；

提取所述第一單元格中的第一內容和所述第二單元格中的第二內容，以得到目標內容；

將所述目標內容輸入目標網絡模型，以得到分類標簽，所述目標網絡模型用于提取所述目標內容的內容特征，所述內容特征用于指示所述第一內容和所述第二內容的關聯關系；

若所述分類標簽指示所述第一內容和所述第二內容的關聯關系為屬于同一內容單元格，則對所述第一單元格和所述第二單元格進行合并處理，以對所述目標表格進行更新。

2.根據權利要求1所述的方法，其特征在于，所述根據所述頁面分隔標識確定所述第一頁面中的第一單元格以及所述第二頁面中的第二單元格，包括：

基于所述第一頁面和所述第二頁面確定表格比對參數；

若所述表格比對參數滿足預設條件，則根據所述頁面分隔標識確定所述第一頁面中的所述第一單元格以及所述第二頁面中的所述第二單元格，所述預設條件基于所述表格比對參數指示的單元格大小設定。

3.根據權利要求1所述的方法，其特征在于，所述方法還包括：

獲取訓練表格數據；

確定所述訓練表格數據中的訓練單元格；

基于所述訓練單元格中的內容確定正樣本；

基于所述訓練單元格與相鄰單元格進行組合，以確定負樣本；

根據所述正樣本和所述負樣本對所述目標網絡模型進行訓練。

4.根據權利要求3所述的方法，其特征在于，所述根據所述正樣本和所述負樣本對所述目標網絡模型進行訓練，包括：

將所述正樣本和所述負樣本輸入所述目標網絡模型中的輸入層，以得到訓練向量；

將所述訓練向量輸入所述目標網絡模型中的卷積層，以基于至少一個特征維度對所述訓練向量進行特征提取，并得到訓練特征，所述特征維度包括詞義、詞序或上下文關系；

將所述訓練特征輸入所述目標網絡模型中的池化層，以篩選得到目標特征；

將所述目標特征輸入所述目標網絡模型中的全連接層，以確定所述目標特征歸屬于目標類別的概率，并結合所述正樣本和所述負樣本對應的分類標簽對所述目標網絡模型進行訓練。

5.根據權利要求4所述的方法，其特征在于，所述方法還包括：

基于所述目標特征調用目標優化算法；

根據所述目標優化算法對所述目標網絡模型訓練過程中的參數進行調整。

6.根據權利要求4所述的方法，其特征在于，所述方法還包括：

獲取所述目標網絡模型訓練過程中的學習率；

對所述學習率進行調整，以得到多個候選網絡模型；

基于所述候選網絡模型的訓練參數確定所述目標網絡模型。

7.根據權利要求4所述的方法，其特征在于，所述方法還包括：

分別在所述輸入層、所述卷積層、所述池化層和所述全連接層中的至少一個結構后加入隨機失活層，以對所述目標網絡模型進行更新；

基于所述正樣本和所述負樣本對更新后的所述目標網絡模型進行訓練。

8.根據權利要求1-7任一項所述的方法，其特征在于，所述方法還包括：

獲取更新后的所述目標表格中的目標圖像數據；

提取所述目標圖像數據中的結構化信息；

基于所述結構化信息建立數據索引。

9.根據權利要求8所述的方法，其特征在于，所述提取所述目標圖像數據中的結構化信息，包括：

確定所述目標圖像數據中的表格線條；

基于所述表格線條確定表格交點；

基于所述表格交點進行組合，以得到表格單元格；

確定所述表格單元格之間的連接關系，以得到所述結構化信息。