一種基于語義處理的表格片段鏈接復(fù)原方法及系統(tǒng)

基本信息

申請(qǐng)?zhí)?/td> CN202011621485.8 申請(qǐng)日 -
公開（公告）號(hào) CN112632927A 公開（公告）日 2021-04-09
申請(qǐng)公布號(hào) CN112632927A 申請(qǐng)公布日 2021-04-09
分類號(hào) G06F40/174;G06F40/30;G06F40/284;G06N3/04;G06N3/08 分類 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 金鑫;李鵬輝 申請(qǐng)（專利權(quán)）人 上海犀語科技有限公司
代理機(jī)構(gòu) 上海樂泓專利代理事務(wù)所（普通合伙） 代理人 蘇杰
地址 200082 上海市楊浦區(qū)偉德路6號(hào)1005-18室
法律狀態(tài) -

摘要

摘要 本發(fā)明的一種基于語義處理的表格片段鏈接復(fù)原方法，具體包括如下步驟：S100、對(duì)表格進(jìn)行結(jié)構(gòu)化抽取得到表格片段；S200、對(duì)步驟S100抽取的表格片段進(jìn)行預(yù)處理；S300、采用LSTM深度學(xué)習(xí)模型學(xué)習(xí)表格上下文和表格內(nèi)數(shù)據(jù)的語義信息，來判斷相鄰表格片段是否應(yīng)該被鏈接；S400、對(duì)模型處理結(jié)果進(jìn)行規(guī)則校驗(yàn)，對(duì)需要進(jìn)行鏈接的表格片段進(jìn)行復(fù)原。本實(shí)施例的方法利用LSTM深度學(xué)習(xí)模型進(jìn)行表示學(xué)習(xí)，自動(dòng)化挖掘表格上下文和表格內(nèi)數(shù)據(jù)中所蘊(yùn)含的語義信息，實(shí)現(xiàn)對(duì)PDF文檔中的換行換頁場(chǎng)景下的表格片段是否應(yīng)該進(jìn)行鏈接復(fù)原的智能化識(shí)別，并對(duì)該組表格片段進(jìn)行鏈接復(fù)原。