[发明专利]表格数据提取方法、装置、计算机设备和存储介质

权利要求书

1.一种表格数据提取方法，其特征在于，所述方法包括：

获取第一方向边框缺失表格；

获取所述第一方向边框缺失表格中的关键字；

通过预设语言模型，识别不同表格单元中所述关键字的主从关系，所述预设语言模型用于识别关键字属于同一语句的概率，所述不同表格单元为表格中沿第二方向的表格单元，所述第一方向为表格列方向，所述第二方向为表格行方向，或所述第一方向为表格行方向，所述第二方向为表格列方向；

根据所述主从关系补充所述第一方向边框缺失表格中的第一方向边框，得到补充后的表格；

识别并提取所述补充后的表格内的表格数据。

2.根据权利要求1所述的方法，其特征在于，所述通过预设语言模型，识别不同表格单元中所述关键字的主从关系包括：

通过预设语言模型，获取所述关键字中，不同表格单元中关键字间的语言模型概率；

根据所述语言模型概率与预设模型概率阈值，获取不同表格单元中所述关键字的主从关系。

3.根据权利要求1所述的方法，其特征在于，所述通过预设语言模型，识别不同表格单元中所述关键字的主从关系之前，还包括：

获取历史数据中的带边框完整表格；

获取所述带边框完整表格中的关键字；

根据所述带边框完整表格中的关键字生成模型训练数据；

基于所述模型训练数据对初始语言模型进行训练，获取预设语言模型。

4.根据权利要求3所述的方法，其特征在于，所述根据所述主从关系补充所述第一方向边框缺失表格中的第一方向边框包括：

当不同表格单元的关键字间存在主从关系时，在主关键字区域不补充第一方向边框，在从关键字之间的留白位置，以及从关键字的键值之间的留白位置补充第一方向边框。

5.根据权利要求1所述的方法，其特征在于，所述获取所述第一方向边框缺失表格中的关键字包括：

通过留白切分法对所述第一方向边框缺失表格进行切分；

提取切分后的第一方向边框缺失表格内的关键字。

6.根据权利要求1所述的方法，其特征在于，所述识别并提取所述补充后的表格内的表格数据包括：

识别所述补充后的表格内线段间的线段交点；

根据所述线段交点确定所述补充后的表格中的表格单元格；

聚合所述表格单元格，识别并提取所述补充后的表格内的表格数据。

7.根据权利要求6所述的方法，其特征在于，所述根据所述线段交点确定所述补充后的表格中的表格单元格包括：

获取所述线段交点间的共同边；

根据所述线段交点间拥有共同边所组成的最小矩形，确定所述补充后的表格中的表格单元格。

8.一种表格数据提取装置，其特征在于，所述装置包括：

表格获取模块，用于获取第一方向边框缺失表格；

关键字获取模块，用于获取所述第一方向边框缺失表格中的关键字；

主从关系识别模块，用于通过预设语言模型，识别不同表格单元中所述关键字的主从关系，所述预设语言模型用于识别关键字属于同一语句的概率，所述不同表格单元为表格中沿第二方向的表格单元，所述第一方向为表格列方向，所述第二方向为表格行方向，或所述第一方向为表格行方向，所述第二方向为表格列方向；

边框补充模块，用于根据所述主从关系补充所述第一方向边框缺失表格中的第一方向边框；

表格数据提取模块，用于识别并提取所述补充后的表格内的表格数据。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。

10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。