[发明专利]表格的信息提取方法、系统、设备、介质及程序产品

权利要求书

1.一种表格的信息提取方法，其特征在于，包括：

获得待进行信息提取的表格；

将所述表格输入预先训练好的图神经网络中，得到所述图神经网络从所述表格中提取的目标单元格中的内容，

其中，所述图神经网络是基于如下方式预先训练好的：

获得表格样本，并根据所述表格样本的表头单元格和内容单元格进行标注分类，以及将关注内容对应的表头单元格和内容单元格进行标注分类；

根据标注好的所述表格样本的表结构构造图结构，其中，所述图结构包括多个节点，每个节点对应一个表头单元格或内容单元格，并根据所述表结构、每个节点对应的表头单元格或内容单元格的内容，得到所述图结构的节点特征和边特征；

基于所述图结构以及训练任务训练所述图神经网络，其中，所述训练任务包括识别所述表格样本中的表头单元格、识别关注内容对应的表头单元格和内容单元格，其中，所述训练任务是基于交叉熵损失函数进行的。

2.根据权利要求1所述的表格的信息提取方法，其特征在于，所述根据标注好的所述表格样本的表结构构造图结构，其中，所述图结构包括多个节点，每个节点对应一个表头单元格或内容单元格，并根据所述表结构、每个节点对应的表头单元格或内容单元格的内容，得到所述图结构的节点特征和边特征，包括：

获得所述表格样本的表结构，其中，所述表结构包括所述表格样本的表头单元格和内容单元格所对应的行和列、以及表头单元格和内容单元格之间的位置关系；

根据所述表格样本的表头单元格和内容单元格所对应的行和列、以及表头单元格和内容单元格之间的位置关系，构造所述图结构；

根据所述表格样本的表头单元格和内容单元格所对应的行和列、以及所述表头单元格和内容单元格的内容，得到对应节点的节点特征；

根据所述表头单元格和内容单元格之间的位置关系得到所述边特征。

3.根据权利要求1或2所述的表格的信息提取方法，其特征在于，所述基于所述图结构以及训练任务训练所述图神经网络，其中，所述训练任务包括识别所述表格样本中的表头单元格、识别关注内容对应的表头单元格和内容单元格，其中，所述训练任务是基于交叉熵损失函数进行的，包括：

获得所述训练任务，其中，所述训练任务包括第一训练任务和第二训练任务；

基于所述第一训练任务对所述图神经网络进行表格样本中的表头单元格的识别训练；

基于所述第二训练任务对所述图神经网络进行关注内容对应的表头单元格和内容单元格的识别训练，

其中，所述第一训练任务和所述第二训练任务均使用交叉熵损失函数。

4.根据权利要求3所述的表格的信息提取方法，其特征在于，所述将所述表格输入预先训练好的图神经网络中，得到所述图神经网络从所述表格中提取的目标单元格中的内容，包括：

将所述表格输入预先训练好的图神经网络中，以通过所述图神经网络中的第二训练任务识别所述表格中的目标单元格；

输出所述目标单元格的内容。

5.一种用于表格的信息提取的图神经网络的训练方法，其特征在于，包括：

获得表格样本，并根据所述表格样本的表头单元格和内容单元格进行标注分类，以及将关注内容对应的表头单元格和内容单元格进行标注分类；

根据标注好的所述表格样本的表结构构造图结构，其中，所述图结构包括多个节点，每个节点对应一个表头单元格或内容单元格，并根据所述表结构、每个节点对应的表头单元格或内容单元格的内容，得到所述图结构的节点特征和边特征；

基于所述图结构以及训练任务训练所述图神经网络，其中，所述训练任务包括识别所述表格样本中的表头单元格、识别关注内容对应的表头单元格和内容单元格，其中，所述训练任务是基于交叉熵损失函数进行的。