[發明專利]一種面向財務報表圖像的科目信息提取方法

在審

• 申請號: 202110302812.1
• 申請日: 2021-03-22
• 公開（公告）號: CN113094446A
• 公開（公告）日: 2021-07-09
• 發明（設計）人: 李蒙陽;王博濤;張思遠;張振鋒;楊衛星;方雨欣;梁玲玲
• 申請（專利權）人: 北京三行科技有限公司
• 主分類號: G06F16/28
• 分類號: G06F16/28;G06K9/34;G06N3/04
• 代理公司: 廣東有知貓知識產權代理有限公司 44681
• 代理人: 程文棟

1.一種面向財務報表圖像的科目信息提取方法，其特征在于，包括：

S1，將PDF格式的財務報表進行切分以得到多個獨立的原始報表；

S2，將所有原始報表拼接得到完整報表；

S3，通過ocr識別方法對所述完整報表進行表格重構，然后將表格重構后的報表進行分類整理實現科目標準化，最后到標準財務報表。

2.根據權利要求1所述的面向財務報表圖像的科目信息提取方法，其特征在于，所述S3具體包括：針對ocr識別得到標準財務報表進行錯誤替換，具體地，通過查找形近字隨機替換。

3.根據權利要求1所述的面向財務報表圖像的科目信息提取方法，其特征在于，所述S3具體包括：針對ocr識別得到標準財務報表進行漏檢，具體地，對科目名稱的頭尾或中部減字。

4.根據權利要求1所述的面向財務報表圖像的科目信息提取方法，其特征在于，所述S1之前還包括：準備財務報表的科目數據，具體地，利用爬蟲技術從網站爬取數據公司的財務報表數據。

5.根據權利要求1所述的面向財務報表圖像的科目信息提取方法，其特征在于，對所述表格重構后的報表進行人工整理科目類別，將利潤表、現金流量表、資產負債表歸為288個標準類別。

6.根據權利要求5所述的面向財務報表圖像的科目信息提取方法，其特征在于，所述對已有的財務報表數據的科目類別進行標準化類別標注。

7.根據權利要求6所述的面向財務報表圖像的科目信息提取方法，其特征在于，所述標準化類別標注包括隨機抽取100份財務報表，每份包含三表：資產負債表、利潤表、現金流量表，共計300張科目表格數據。人工對300頁科目數據進行打標，標簽為288個對應科目。