[发明专利]表格解析方法、装置、计算机设备及存储介质

权利要求书

1.一种表格解析方法，其特征在于，包括：

获取含有表格的图片；

确定所述表格在所述图片的位置，得到所述表格的表格位置；

确定所述表格中文本信息的位置，得到所述文本信息的文本信息位置；

根据所述表格位置及文本信息位置，调用预先训练好的序列标注模型预测所述表格中所有相邻的两个单元格的文本信息是否都不属于同一句话或同一段落；

当判定所述表格中所有相邻的两个单元格的文本信息都不属于同一句话或同一段落时，将所述表格作为目标表格；

解析所述目标表格中各个单元格的文本信息，得到结构化数据。

2.根据权利要求1所述的方法，其特征在于，所述调用预先训练好的序列标注模型预测所述表格中所有相邻的两个单元格的文本信息是否都不属于同一句话或同一段落之后，还包括：

当判定所述表格中存在相邻的两个单元格的文本信息属于同一句话或同一段落时，将文本信息属于同一句话或同一段落的相邻的所述两个单元格进行合并，得到目标表格。

3.根据权利要求1所述的方法，其特征在于，所述解析所述目标表格中各个单元格的文本信息，得到结构化数据，包括：

生成所述目标表格的行关系矩阵和列关系矩阵；

根据所述行关系矩阵构建行无向图，根据所述列关系矩阵构建列无向图；

根据所述行无向图和列无向图提取所述目标表格中每行及每列的单元格；

依次解析每行及每列的单元格中的文本信息，得到所述结构化数据。

4.根据权利要求1所述的方法，其特征在于，所述获取含有表格的图片，包括：

获取输入的多媒体文件；其中，所述多媒体文件含有表格；

当确定所述多媒体文件为PDF格式时，将所述多媒体文件转换为统一的图片格式，得到含有表格的图片。

5.根据权利要求1所述的方法，其特征在于，所述调用预先训练好的序列标注模型预测所述表格中所有相邻的两个单元格的文本信息是否都不属于同一句话或同一段落之前，还包括：

获取训练样本集；其中，所述训练样本集包括样本图片、所述样本图片中参考表格的参考表格位置、所述参考表格中文本信息的参考文本信息位置、标注了所述参考表格中每两个相邻的单元格的文本信息是否不属于同一句话或同一段落的标注信息；

将所述训练样本集输入预设的神经网络模型进行训练，得到训练结果；

判断所述训练结果是否满足要求；

当判定所述训练结果满足要求时，则将训练后的所述神经网络模型作为序列标注模型。

6.根据权利要求5所述的方法，其特征在于，所述判断所述训练结果是否满足要求，包括：

根据所述训练结果及预设的损失函数计算训练后的所述神经网络模型的损失值；

判断所述损失值是否低于预设损失值；

当判定所述损失值低于预设损失值时，则确定所述训练结果满足要求。

7.根据权利要求1所述的方法，其特征在于，所述调用预先训练好的序列标注模型预测所述表格中所有相邻的两个单元格的文本信息是否都不属于同一句话或同一段落，包括：

调用预先训练好的序列标注模型获取所述表格中每两个相邻的单元格的文本信息；

计算每两个相邻的单元格的文本信息的关联度；

当每两个相邻的单元格的文本信息的关联度都小于预设关联度时，则判定所述表格中所有相邻的两个单元格的文本信息都不属于同一句话或同一段落。