[发明专利]一种面向财务报表图像的科目信息提取方法

权利要求书

1.一种面向财务报表图像的科目信息提取方法，其特征在于，包括：

S1，将PDF格式的财务报表进行切分以得到多个独立的原始报表；

S2，将所有原始报表拼接得到完整报表；

S3，通过ocr识别方法对所述完整报表进行表格重构，然后将表格重构后的报表进行分类整理实现科目标准化，最后到标准财务报表。

2.根据权利要求1所述的面向财务报表图像的科目信息提取方法，其特征在于，所述S3具体包括：针对ocr识别得到标准财务报表进行错误替换，具体地，通过查找形近字随机替换。

3.根据权利要求1所述的面向财务报表图像的科目信息提取方法，其特征在于，所述S3具体包括：针对ocr识别得到标准财务报表进行漏检，具体地，对科目名称的头尾或中部减字。

4.根据权利要求1所述的面向财务报表图像的科目信息提取方法，其特征在于，所述S1之前还包括：准备财务报表的科目数据，具体地，利用爬虫技术从网站爬取数据公司的财务报表数据。

5.根据权利要求1所述的面向财务报表图像的科目信息提取方法，其特征在于，对所述表格重构后的报表进行人工整理科目类别，将利润表、现金流量表、资产负债表归为288个标准类别。

6.根据权利要求5所述的面向财务报表图像的科目信息提取方法，其特征在于，所述对已有的财务报表数据的科目类别进行标准化类别标注。

7.根据权利要求6所述的面向财务报表图像的科目信息提取方法，其特征在于，所述标准化类别标注包括随机抽取100份财务报表，每份包含三表：资产负债表、利润表、现金流量表，共计300张科目表格数据。人工对300页科目数据进行打标，标签为288个对应科目。