表格信息提取方法、装置和存储介质制造方法及图纸

本发明专利技术提供一种表格信息提取方法、装置和存储介质。该方法包括：确定待提取表格的表格类型，表格类型包括单实体类型和/或多实体类型；根据待提取表格的表格类型，提取待提取表格中的主体信息、客体信息以及主体和客体之间的关联信息。本实施例提供的表格信息提取方法、装置和存储介质，首先识别待提取信息的表格的类型，然后根据表格类型在表格中提取信息，可准确提取网页表格中的内容，避免了需为不同结构的网页配置不同提取模板，降低了网页表格信息提取的成本，提高了表格信息提取效率，具有广泛的适用范围。

【技术实现步骤摘要】
表格信息提取方法、装置和存储介质
本专利技术涉及网络信息处理
，尤其涉及一种表格信息提取方法、装置和存储介质。
技术介绍
知识图谱是结构化的语义知识库，用于以符号形式描述物理世界中的概念及其相互关系，其基本组成单位是SPO(主体-关联关系-客体)三元组，构成网状的知识结构。SPO三元组中，S指示Subject(主体)、O指示Object(客体)、P指示Predicate(S与O之间的关联关系)。例如，“张三身高为226cm”中，张三为S，226cm为O，身高为P。知识图谱可以用来更好的查询复杂的关联信息，从语义层面理解用户意图，提升搜索质量。随着信息技术的发展，互联网上的资源越来越丰富。除了非结构化数据外，还有大量的网络表格存在，这些网络表格较文本而言，具有更好的结构化特性和更多的内容信息。在知识图谱构建中，从网页的表格中进行表格信息提取，是一种不可或缺的信息提取手段。如何让机器更好地理解网络表格的语义成为提高表格搜索覆盖率和准确率的重大挑战。目前的网页表格信息提取通常依靠人工基于网页内容配置特定的提取模板，来进行表格信息提取，因此存在信息提取成本高、效率低的问题，而且需为不同本文档来自技高网...

【技术保护点】
1.一种表格信息提取方法，其特征在于，包括：确定待提取表格的表格类型，所述表格类型包括单实体类型和/或多实体类型；根据所述待提取表格的表格类型，提取所述待提取表格中的主体信息、客体信息以及所述主体和所述客体之间的关联信息。

【技术特征摘要】
1.一种表格信息提取方法，其特征在于，包括：确定待提取表格的表格类型，所述表格类型包括单实体类型和/或多实体类型；根据所述待提取表格的表格类型，提取所述待提取表格中的主体信息、客体信息以及所述主体和所述客体之间的关联信息。2.根据权利要求1所述的方法，其特征在于，当所述待提取表格的表格类型为单实体类型，所述提取所述待提取表格中的主体信息、客体信息以及所述主体和所述客体之间的关联信息，包括：在所述待提取表格的表格简介区域、所述待提取表格所在网页的文字描述区域或者所述待提取表格所在网页的文档标题中确定所述待提取表格中的主体信息，所述表格简介区域包含所述待提取表格的主体信息；在所述待提取表格中确定关联信息所在的列/行，在所述关联信息所在的列/行中，确定所述待提取表格的至少一个关联信息以及所述关联信息对应的客体信息。3.根据权利要求1所述的方法，其特征在于，当所述待提取表格的表格类型为多实体类型，所述提取所述待提取表格中的主体信息、客体信息以及所述主体和所述客体之间的关联信息，包括：在所述待提取表格中确定关联信息所在的列/行，在所述关联信息所在的列/行中，确定所述待提取表格的至少一个关联信息；在所述待提取表格中确定主体信息所在的行/列，在所述主体信息所在的行/列中，确定所述待提取表格的至少一个主体信息；在所述待提取表格中确定每一对关联信息和主体信息对应的客体信息。4.根据权利要求1-3任一项所述的方法，其特征在于，所述确定待提取表格的表格类型之前，所述方法还包括：确定所述待提取表格中的表格简介区域，所述表格简介区域包含所述待提取表格的主体信息；确定所述待提取表格中的表头区域，所述表头区域为所述待提取表格中的主体信息/客体信息所在的行/列；所述确定待提取表格的表格类型，包括：根据所述待提取表格中的表头区域，确定所述待提取表格的表格类型。5.根...

【专利技术属性】
技术研发人员：李双婕，黄昉，梁海金，张扬，朱勇，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京,11