[发明专利]通用购物小票数据精准提取方法

权利要求书

1.一种通用购物小票数据精准提取方法，其特征在于，包括如下步骤：

S1、小票数据快速模型化，包括：通过机器学习将待提取的小票与模型库中的模型匹配，若能匹配则进行S2，若不能匹配则将待提取的小票数据进行划分，形成多个数据域，标记数据域起止关键字、提取点的上下文结构和数据类型，创建数据模型，并将创建的数据模型存储到模型库中；

S2、模型分析，包括：把步骤S1中创建的数据模型反序列化成若干数据域，每个数据域包含一组数据域起止关键字及指定的提取点特征值数组；

S3、关键词精准提取，包括第一步：解析数据域对象，读取属性，根据各数据域起止关键字将小票内容划分为相应提取区域；第二步：获取提取点特征值数组，读取提取点特征值的属性生成提取表达式，用来描述提取关键字所在的上下文结构信息；第三步：在划分出的提取区域中，匹配表达式；

S4、明细输出。

2.根据权利要求1所述的方法，其特征在于，将模型库中的数据模型快速映射到需要提取的小票数据上，若能匹配则进行S2，若不能匹配则将待提取的小票数据进行划分，形成多个数据域，创建数据模型，并将创建的数据模型存储到模型库中。

3.根据权利要求1所述的方法，其特征在于，将待提取的小票数据通过标注进行数据划分，形成数据域。

4.根据权利要求1所述的方法，其特征在于，startWith属性标示数据域的起始关键字，endWith属性标示数据域的结束关键字；每个特征值包含待提取信息的四个描述属性,type属性标示提取数据的具体含义；format属性标示提取数据的格式；keyword属性标示提取数据的相关关键字；extend属性标示提取数据的扩展属性。