[發(fā)明專利]家譜登記表的信息抽取方法及其裝置、電子設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202110888402.X
• 申請(qǐng)日: 2021-08-03
• 公開(kāi)（公告）號(hào): CN113743072A
• 公開(kāi)（公告）日: 2021-12-03
• 發(fā)明（設(shè)計(jì)）人: 吳信東;陳浩;卜晨陽(yáng)
• 申請(qǐng)（專利權(quán)）人: 合肥工業(yè)大學(xué)
• 主分類號(hào): G06F40/186
• 分類號(hào): G06F40/186;G06F40/205;G06F40/242
• 代理公司: 北京康信知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11240
• 代理人: 周春枚

本發(fā)明公開(kāi)了一種家譜登記表的信息抽取方法及其裝置、電子設(shè)備。其中，該信息抽取方法包括：對(duì)家譜登記表模板進(jìn)行預(yù)處理，得到處理后的家譜登記表模板，之后對(duì)處理后的家譜登記表模板中的表格進(jìn)行解析，得到第一字典和第二字典，然后基于第一字典和第二字典，抽取已錄入的所有家譜登記表的信息，得到第三字典，其中，第三字典保存每個(gè)家譜登記表各單元格中的人物信息。本發(fā)明解決了相關(guān)技術(shù)中通過(guò)人工登記方式，無(wú)法自動(dòng)地對(duì)具有不同表格結(jié)構(gòu)的家譜登記表進(jìn)行結(jié)構(gòu)識(shí)別以及抽取人物信息，導(dǎo)致信息抽取效率低的技術(shù)問(wèn)題。

技術(shù)領(lǐng)域

本發(fā)明涉及信息處理技術(shù)領(lǐng)域，具體而言，涉及一種家譜登記表的信息抽取方法及其裝置、電子設(shè)備。

背景技術(shù)

家譜是一種以表譜形式展現(xiàn)家族人物關(guān)系信息的特殊文獻(xiàn)。家譜登記表中可以具有多種表格結(jié)構(gòu)，相關(guān)技術(shù)中，沒(méi)有針對(duì)具有多種表格結(jié)構(gòu)的家譜登記表中的信息抽取技術(shù)，現(xiàn)有的技術(shù)中，往往是先利用人工先手動(dòng)地核對(duì)家譜登記表中的信息，然后再手動(dòng)地將信息逐個(gè)錄入系統(tǒng)，因此，依賴人工實(shí)現(xiàn)家譜表格處理的方法，不僅浪費(fèi)人力成本和時(shí)間成本，而且效率低下。

針對(duì)上述的問(wèn)題，目前尚未提出有效的解決方案。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供了一種家譜登記表的信息抽取方法及其裝置、電子設(shè)備，以至少解決相關(guān)技術(shù)中通過(guò)人工登記方式，無(wú)法自動(dòng)地對(duì)具有不同表格結(jié)構(gòu)的家譜登記表進(jìn)行結(jié)構(gòu)識(shí)別以及抽取人物信息，導(dǎo)致信息抽取效率低的技術(shù)問(wèn)題。

根據(jù)本發(fā)明實(shí)施例的一個(gè)方面，提供了一種家譜登記表的信息抽取方法，包括：對(duì)家譜登記表模板進(jìn)行預(yù)處理，得到處理后的家譜登記表模板；對(duì)所述處理后的家譜登記表模板中的表格進(jìn)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(gè)表格的結(jié)構(gòu)解析結(jié)果，所述第二字典以屬性名單元格坐標(biāo)為鍵，以所述屬性名單元格相應(yīng)的屬性值單元格坐標(biāo)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(gè)所述家譜登記表各單元格中的人物信息。

可選地，對(duì)家譜登記表模板進(jìn)行預(yù)處理，得到處理后的家譜登記表模板的步驟，包括：對(duì)所述家譜登記表模板中不同表格中屬性值單元格進(jìn)行標(biāo)注，其中，若所述家譜登記表中有相同表格，則不需要重復(fù)標(biāo)注；若所述家譜登記表模板中同一個(gè)表格中屬性名單元格與屬性值單元格的對(duì)應(yīng)關(guān)系重復(fù)出現(xiàn)，則僅標(biāo)注一個(gè)所述屬性值單元格，對(duì)重復(fù)的其它屬性值單元格不標(biāo)注。

可選地，對(duì)所述處理后的家譜登記表模板中的表格進(jìn)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(gè)數(shù)和表格列數(shù)，將分析結(jié)果保存到第一預(yù)設(shè)列表中；解析每個(gè)表格塊中的表格結(jié)構(gòu)，將解析結(jié)果保存到第二預(yù)設(shè)列表中，其中，在所述第二預(yù)設(shè)列表中保存單元格行數(shù)或者表格行數(shù)；將所述家譜登記表模板中所有表格對(duì)應(yīng)的第二預(yù)設(shè)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(gè)表格的序號(hào)，值為所述第二預(yù)設(shè)列表；基于所述第一預(yù)設(shè)列表和所述第二預(yù)設(shè)列表，確定所述家譜登記表模板中每個(gè)表格的屬性名單元格坐標(biāo)和屬性值單元格坐標(biāo)，將所述屬性名單元格坐標(biāo)和所述屬性值單元格坐標(biāo)保存到第二字典中。

可選地，解析每個(gè)表格塊中的表格結(jié)構(gòu)，將解析結(jié)果保存到第二預(yù)設(shè)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(nèi)容作為基準(zhǔn)比對(duì)內(nèi)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(xiàn)與所述基準(zhǔn)比對(duì)內(nèi)容相同的單元格內(nèi)容，記錄被遍歷行的單元格行數(shù)，保存到所述第二預(yù)設(shè)列表；若沒(méi)有出現(xiàn)與所述基準(zhǔn)比對(duì)內(nèi)容相同的單元格內(nèi)容，將所述被選取的表格塊中的被遍歷行的行數(shù)保存到所述第二預(yù)設(shè)列表中。