[發明專利]家譜登記表的信息抽取方法及其裝置、電子設備

在審

• 申請號: 202110888402.X
• 申請日: 2021-08-03
• 公開（公告）號: CN113743072A
• 公開（公告）日: 2021-12-03
• 發明（設計）人: 吳信東;陳浩;卜晨陽
• 申請（專利權）人: 合肥工業大學
• 主分類號: G06F40/186
• 分類號: G06F40/186;G06F40/205;G06F40/242
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 周春枚

1.一種家譜登記表的信息抽取方法，其特征在于，包括：

對家譜登記表模板進行預處理，得到處理后的家譜登記表模板；

對所述處理后的家譜登記表模板中的表格進行解析，得到第一字典和第二字典，其中，所述第一字典保存每個表格的結構解析結果，所述第二字典以屬性名單元格坐標為鍵，以所述屬性名單元格相應的屬性值單元格坐標為值；

基于所述第一字典和所述第二字典，抽取已錄入的所有家譜登記表的信息，得到第三字典，其中，所述第三字典保存每個所述家譜登記表各單元格中的人物信息。

2.根據權利要求1所述的信息抽取方法，其特征在于，對家譜登記表模板進行預處理，得到處理后的家譜登記表模板的步驟，包括：

對所述家譜登記表模板中不同表格中屬性值單元格進行標注，其中，若所述家譜登記表中有相同表格，則不需要重復標注；

若所述家譜登記表模板中同一個表格中屬性名單元格與屬性值單元格的對應關系重復出現，則僅標注一個所述屬性值單元格，對重復的其它屬性值單元格不標注。

3.根據權利要求1所述的信息抽取方法，其特征在于，對所述處理后的家譜登記表模板中的表格進行解析，得到第一字典和第二字典的步驟，包括：

分析所述家譜登記表模板中表格的初始行的表格塊個數和表格列數，將分析結果保存到第一預設列表中；

解析每個表格塊中的表格結構，將解析結果保存到第二預設列表中，其中，在所述第二預設列表中保存單元格行數或者表格行數；

將所述家譜登記表模板中所有表格對應的第二預設列表保存在第一字典，其中，所述第一字典的鍵為所述家譜登記表模板中每個表格的序號，值為所述第二預設列表；

基于所述第一預設列表和所述第二預設列表，確定所述家譜登記表模板中每個表格的屬性名單元格坐標和屬性值單元格坐標，將所述屬性名單元格坐標和所述屬性值單元格坐標保存到第二字典中。

4.根據權利要求3所述的信息抽取方法，其特征在于，解析每個表格塊中的表格結構，將解析結果保存到第二預設列表中的步驟，包括：

選取所述表格塊中的任一表格塊，以被選取的表格塊中的第一行單元格內容作為基準比對內容，其中，所述被選取的表格塊中不包括所述初始行；

遍歷所述被選取的表格塊的所有行，若出現與所述基準比對內容相同的單元格內容，記錄被遍歷行的單元格行數，保存到所述第二預設列表；

若沒有出現與所述基準比對內容相同的單元格內容，將所述被選取的表格塊中的被遍歷行的行數保存到所述第二預設列表中。

5.根據權利要求3所述的信息抽取方法，其特征在于，基于所述第一預設列表和所述第二預設列表，確定所述家譜登記表模板中每個表格的屬性名單元格坐標和屬性值單元格坐標的步驟，包括：

基于所述述第一預設列表和所述第二預設列表，遍歷所述家譜登記表模板中每個表格的單元格；

提取每個所述單元格的坐標數值，得到每個單元格的行坐標與列坐標；

基于所述行坐標與列坐標，讀取單元格的內容，判斷所述單元格是否為屬性名單元格，將判斷結果保存到第四字典中；

基于所述第四字典，確定所述家譜登記表模板中每個表格的屬性名單元格坐標和屬性值單元格坐標。

6.根據權利要求1所述的信息抽取方法，其特征在于，基于所述第一字典和所述第二字典，抽取已錄入的所有家譜登記表的信息，得到第三字典的步驟，包括：

將所述第一字典和所述第二字典轉換為第一文件和第二文件；

讀取所述第一文件和所述第二文件，生成第五字典和第三預設列表，其中，所述第三預設列表中的元素為所述第一字典中的值；

遍歷已錄入的所述家譜登記表中的每個表格，得到每個所述表格的表格塊個數和表格列數，保存到第一預設列表；

基于所述第三預設列表，解析所述表格的表格結構，并將解析得到的表格結構保存到第四預設列表；

基于所述第一預設列表和所述第四預設列表，抽取所述家譜登記表中的信息，保存到第三字典。