[发明专利]基于多模态下的智能表格抽取算法

说明书

本发明公开了表格处理技术领域的基于多模态下的智能表格抽取算法,方法包括：导入文档，开启辅助软件；定位文档内表格位置；输入并确定关键词，对定位区域内关键词进行捕捉，确定关键词，确定关键词后比对区域内所有文档，进行关键词比对；确定关键词比对是否成功，比对成功将比对结果及记录进行显示和保存，非匹配文档排除。本发明在进行文档表格内抽取捕捉时排出表体和表头，提高智能化和工作效率，同时减少人工作业工作量。

技术领域

本发明涉及表格处理技术领域，具体是基于多模态下的智能表格抽取算法。

背景技术

随着信息时代进程的不断提升，在办公和生产生活中，电子信息存储应用也越来越广泛，而在电子信息存储及应用过程中，表格作为一项重要的信息办公方法，其应用范围也不断扩大，在表格应用过程中，为方便使用，常常需要对表格内的关键信息进行抽取。

现有OCR技术中表格的检测和识别(尤其无框表格)不能理解表格的表头和表体，需要人工设置，适用范围有限，每类表格都需要人工配置，导致对表格内信息进行抽取时，整个进程较为浪费时间及人工成本，同时不符合信息技术智能、便捷和高效率的应用思想。因此，本领域技术人员提供了基于多模态下的智能表格抽取算法，以解决上述背景技术中提出的问题。

发明内容

本发明的目的在于提供基于多模态下的智能表格抽取算法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

基于多模态下的智能表格抽取算法,包括：预备阶段、定位阶段、扫描分析阶段和决断阶段，其中：

所述预备阶段包括：导入文档，开启辅助软件；

所述定位阶段包括：定位文档内表格位置；

所述分析阶段包括：输入并确定关键词，对定位区域内关键词进行捕捉，确定关键词，确定关键词后比对区域内所有文档，进行关键词比对；

所述决断阶段包括：确定关键词比对是否成功，比对成功将比对结果及记录进行显示和保存，非匹配文档排除；

其中，当进程处于区域定位时，若无法准确定位，则会重新启动定位进程进行重新定位；当进程处于关键词捕捉时，若无法准确捕捉到关键词，进程将重新捕捉关键词；在文档进行比对进程时，若比对成功，则进入下一进程，若比对失败，返回上一进程重新进行文档比对。

进一步：所述导入文档，开启辅助软件包括：

将含有检索表格的文档打开，开启OCR和NLP软件准备进行作业。

进一步：所述定位文档内表格位置，确定表格内的文字区域，包括：

开启文档后，定位文档内的表格区域，同时将表格的边框及表头排除，精准定位表格内的文字内容部分，确保后续进程的开启。

进一步：所述输入并确定关键词，对定位区域内关键词进行捕捉，确定关键词，确定关键词后比对区域内所有文档，进行关键词比对，包括：

通过OCR和NLP进行关键词的输入和输入信息的处理，确定关键词后，对定位区域内的文字进行扫描和捕捉，扫描捕捉到关键词后，对表格内的其它文档进行比对，并自动进行key映射。

进一步：所述确定关键词比对是否成功，比对成功将比对结果及记录进行显示和保存，非匹配文档排除，包括：

通过key映射全文，比对关键词匹配度，若无高匹配度文档，则判定比对失败，将返回上一程序对文档重新进行比对，比对成功后生成key结果并显示，同时抛弃其它比对项目。

进一步：所述抛弃定位区域内非关键词，锁定关键词并进行显示，包括：

关键词比对成功后将其进行显示，同时生成抽取关键词和比对文档信息，存储至历史抽取记录。