[发明专利]用于使用神经网络的改进的表标识的系统、方法和计算机可读介质

权利要求书

1.一种计算机实现的用于电子表格中的改进的表标识的方法，所述方法包括：

接收包括至少一个表的电子表格；

针对所接收的所述电子表格的每个单元，使用机器学习标识多个类别中的一个或多个类别，其中所述多个类别包括拐角和非拐角；以及

基于针对所接收的所述电子表格的每个单元所标识的所述一个或多个类别，导出所接收的所述电子表格中的至少一个表。

2.根据权利要求1所述的方法，其中使用机器学习包括使用神经网络模型，以及

其中所述方法还包括：

接收包括多个电子表格的数据集，其中所述多个电子表格中的至少一个电子表格包括至少一个表；

处理所述数据集以产生标注数据集，所述标注数据集包括具有标识的表、拐角和标题行的多个标注电子表格；以及

使用所述标注数据集训练所述神经网络模型，所述神经网络模型被配置为针对接收的电子表格的每个单元输出所述多个类别中的一个或多个类别。

3.根据权利要求1所述的方法，其中所述多个类别包括左上角、右上角、左下角、右下角、标题左下角、标题右下角和非拐角。

4.根据权利要求2所述的方法，还包括：

从所述标注数据集的每个表中提取所述表的拐角单元和所述表的预定数量的非拐角单元；以及

基于每个表的所提取的所述拐角单元和每个表的所述预定数量的非拐角单元，将至少一种正则化技术应用于所述标注数据集。

5.根据权利要求2所述的方法，其中经训练的所述神经网络模型包括卷积神经网络。

6.根据权利要求2所述的方法，还包括：

构造包括多个神经元的所述神经网络模型，所述神经网络模型被配置为针对所接收的所述电子表格的每个单元输出所述多个类别中的所述一个或多个类别，所述多个神经元被布置在包括至少一个隐藏层的多个层中并且通过多个连接而被连接。

7.根据权利要求1所述的方法，其中所接收的所述电子表格的每个单元包括预定数量的通道，所述预定数量的通道编码所述单元的视觉特征和其他特征中的一项或多项，以及

其中使用机器学习针对所接收的所述电子表格的每个单元标识所述多个类别中的一个或多个类别包括：基于编码所述单元的视觉特征和其他特征中的所述一项或多项的所述预定数量的通道，对所接收的所述电子表格的每个单元分类。

8.根据权利要求7所述的方法，其中对所接收的所述电子表格的每个单元分类还基于所述单元的紧邻周围上下文。

9.根据权利要求1所述的方法，其中基于针对所接收的所述电子表格的每个单元的所标识的所述一个或多个类别导出所接收的所述电子表格中的所述至少一个表包括：使用概率图形模型导出所述至少一个表。

10.根据权利要求9所述的方法，其中使用所述概率图形模型导出所接收的所述电子表格中的所述至少一个表包括：

估计拐角出现在对应边界线的相交处的概率；

计算每个候选表的空间置信度得分；以及

当所述每个候选表的所述空间置信度得分大于预定阈值时，将所述每个候选表选择作为表。

11.根据权利要求10所述的方法，其中所述预定阈值是基于验证数据集而被优化的超参数。

12.根据权利要求2所述的方法，还包括：

接收测试数据集，所述测试数据集包括多个电子表格，每个电子表格具有至少一个表；以及

使用所接收的所述测试数据集评估经训练的所述神经网络。