[發明專利]表格結構化信息提取方法、裝置及電子設備

有效

• 申請號: 202110272444.0
• 申請日: 2021-03-12
• 公開（公告）號: CN113297308B
• 公開（公告）日: 2023-09-22
• 發明（設計）人: 李壯
• 申請（專利權）人: 貝殼找房（北京）科技有限公司
• 主分類號: G06F16/25
• 分類號: G06F16/25;G06F16/22
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 苗曉靜

本申請實施例公開了一種表格結構化信息提取方法、裝置及電子設備，所述方法包括：提取圖片中表格包含的線段、線段的位置、表格中包含的文字內容以及文字內容的位置；根據提取得到的線段、線段的位置、文字內容和文字內容的位置，將圖片中的表格進行重建，得到重建后的表格；根據預先建立的表格結構解析關系，對重建后的表格進行結構化信息提取，得到與圖片中的表格對應的結構化信息。本申請實施例通過表格重建和表格結構解析關系，可以將圖片中的表格信息轉換成結構化的信息，進而發揮其應用價值。

技術領域

本申請涉及數據處理技術領域，具體涉及一種表格結構化信息提取方法、裝置及電子設備。

背景技術

表格作為一種有效的數據組織與展現方法被廣泛應用，在日常工作中會遇到圖片包含了多個表格信息的情況，且每個表格的布局可能大不相同。

然而現有的數據抽取算法很難處理表格布局復雜多變的情況，無法有效的將圖片中出現的表格信息轉換成具有高度組織和整齊格式化的數據，因此導致圖片中的表格信息無法發揮其應有的價值。

發明內容

由于現有方法存在上述問題，本申請實施例提供一種表格結構化信息提取方法、裝置及電子設備。

具體的，本申請實施例提供了以下技術方案：

第一方面，本申請實施例提供一種表格結構化信息提取方法，包括：

提取圖片中表格包含的線段、所述線段的位置，表格中包含的文字內容以及所述文字內容的位置；

根據提取得到的線段、線段的位置、文字內容和文字內容的位置，將所述圖片中的表格進行重建，得到重建后的表格；

根據預先建立的表格結構解析關系，對所述重建后的表格進行結構化信息提取，得到與所述圖片中的表格對應的結構化信息。

可選的，所述根據提取得到的線段、線段的位置、文字內容和文字內容的位置，將所述圖片中的表格進行重建，得到重建后的表格，包括：

根據提取得到的線段和線段的位置，重建表格結構；

根據重建后的所述表格結構，以及提取得到的文字內容和文字內容的位置，還原所述表格結構中的文字內容；

根據所述表格結構和還原的文字內容得到重建后的表格。

可選的，根據提取得到的線段和線段的位置，重建表格結構，包括：

當圖片中的表格為直線表格時，提取表格中的線段和線段的位置，并根據提取得到的線段和線段的位置，重建表格結構；

當圖片中的表格為彎曲表格時，提取表格中的線段和線段的位置，并根據提取到的相鄰線段之間的夾角和距離判斷所提取得到的相鄰線段是否滿足合并條件，當滿足合并條件時，將所提取得到的相鄰線段進行合并，根據合并后的線段以及合并后的線段的位置，重建表格結構。

可選的，所述根據提取到的相鄰線段之間的夾角和距離判斷所提取得到的相鄰線段是否滿足合并條件，當滿足合并條件時，將所提取得到的相鄰線段進行合并，包括：

當提取到的相鄰兩條線段之間的夾角小于15°，且兩條線段之間的距離小于2像素時，將所述相鄰兩條線段進行合并。

可選的，當圖片中的表格為直線表格或者彎曲表格時，所述重建表格結構，包括：

根據提取得到的線段或合并后的線段與水平線的角度，將提取得到的線段或合并后的線段劃分為水平線段集合和豎直線段集合；其中，所述水平線段集合中包含至少一條水平線段；所述豎直線段集合中包含至少一條豎直線段；

確定所述水平線段集合中所有的水平線段與所述豎直線段集合中所有的豎直線段之間產生的交點，并根據產生的交點生成線段交點集合；