抽取表格中的元组数据的方法、电子设备和计算机可读介质技术

本公开的实施例公开了抽取表格中的元组数据的方法、电子设备和计算机可读介质。该方法的一具体实施方式包括：获取表格和预先确定的属性列表，基于该表格和属性列表，确定属性列表对应的第一条元组数据，确定表格的扩展机制的类型，根据该表格、扩展机制的类型和第一条元组数据，确定新的元组数据，基于第一条元组数据和新的元组数据，确定表格中对应属性列表的元组数据作为结果元组数据。这种方法根据表格和预先确定的属性列表，能够自动抽取元组数据，无须人工干预，适用于多种表格类型，泛化能力强，方便用户提取表格中的元组数据。方便用户提取表格中的元组数据。方便用户提取表格中的元组数据。

【技术实现步骤摘要】
抽取表格中的元组数据的方法、电子设备和计算机可读介质


[0001]本公开实施例涉及信息抽取领域，具体涉及表格信息抽取的方法、电子设备和计算机可读介质。

技术介绍

[0002]信息抽取(information extraction)通常可以指从源文档中抽取出特定的事件或事实信息。可以使用信息抽取技术来进行内容的自动分类、提取和重构等。从表格中抽取数据通常是，指利用信息抽取技术对表格进行内容分析，从表格中抽取特定的内容或信息。

技术实现思路

[0003]本公开实施例提出了一种抽取表格中的元组数据的方法。
[0004]第一方面，本公开实施例提供了一种抽取表格中的元组数据的方法，该方法包括：获取表格和预先确定的属性列表；基于表格和属性列表，确定属性列表对应的第一条元组数据，其中，第一条元组数据由属性列表中每个属性名对应的表格中的第一个属性值组成；确定表格的扩展机制的类型，其中，扩展机制是指基于第一条元组数据得到属性列表中每个属性名对应的表格中的元组数据的规则；根据表格、扩展机制的类型和第一条元组数据，确定新的元组数据；基于第一条元组数据和新的元组数据，确定表格中对应属性列表的元组数据作为结果元组数据。
[0005]在一些实施例中，该方法还包括：响应于结果元组数据对应于属性列表的目标元组数据，将目标元组数据发送至支持显示功能的设备和存储设备，控制设备展示目标元组数据，以及控制存储设备存储目标元组数据。
[0006]在一些实施例中，确定表格的扩展机制的类型，包括：确定表格的表格类型，其中，表格类型包括无可扩展组型和有可扩展组型；响应于表格类型是无可扩展组型，确定扩展机制的类型为无可扩展组机制类型；响应于表格类型是有可扩展组型，确定扩展机制的类型为可扩展组机制类型。
[0007]在一些实施例中，有可扩展组型是指单元格可以跨越多行或者多列的表格的表格类型，以及单元格的内容是时间类型的表格，具体的，表格3为有可扩展组型表格。
[0008]在一些实施例中，基于表格和属性列表，确定属性列表对应的第一条元组数据，包括：将表格输入预先训练的第一神经网络，生成表格编码；对于属性列表中的每个属性名，将该属性名输入第一神经网络，生成属性编码；对于属性列表中的每个属性名，基于表格编码和该属性名的属性编码，确定该属性名所对应的表格中的单元格；根据属性列表中的每个属性名所对应的表格中的单元格，确定属性列表对应的第一条元组数据。
[0009]在一些实施例中，对于属性列表中的每个属性名，基于表格编码和该属性名的属性编码，确定该属性对应表格中的单元格，包括：基于表格编码和属性编码，生成第一张量特征；将第一张量特征输入预先训练的第二神经网络，得到表格中每个单元格与该属性名对应的可能性；基于所确定的可能性，从表格中确定与该属性名对应的单元格。
[0010]在一些实施例中，基于表格编码和属性编码，生成第一张量特征，包括：基于表格编码和属性编码，得到张量化表示；向张量化表示中增加表格的位置信息，生成第一张量特征，其中，表格的位置信息包括水平方向的位置信息和垂直方向的位置信息。
[0011]在一些实施例中，根据表格、扩展机制和第一条元组数据，生成新的元组数据，包括：响应于扩展机制的类型为可扩展组机制类型，基于第一条元组数据，在表格中执行组内扩展操作以及组间扩展操作，生成新的元组数据；响应于扩展机制为无可扩展组机制，基于第一条元组数据，在表格中执行组内扩展操作，生成新的元组数据。
[0012]第二方面，本公开实施例提供了一种终端设备，该终端设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器实现如第一方面中任一实现方式描述的方法。
[0013]第三方面，本公开实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
[0014]本公开实施例提供一种抽取表格中的元组数据的方法，获取表格和预先确定的属性列表，基于该表格和属性列表，确定属性列表对应的第一条元组数据，确定表格的扩展机制的类型，根据该表格、扩展机制的类型和第一条元组数据，确定新的元组数据，基于第一条元组数据和新的元组数据，确定表格中对应属性列表的元组数据作为结果元组数据。
[0015]本公开的上述各个实施例中的一个实施例具有如下有益效果：基于表格和预先确定的属性列表，能够自动预测预先确定的属性列表中每个属性名对应的第一个目标值所在的单元格，以及预先确定的属性列表对应的第一条元组数据，不需要采用人工设定的规则模板，可以在任意形式的表格上进行预测。按照表格结构对表格进行分类，对不同类型的表格采用不同类型的扩展机制确定新的元组数据。基于第一条元组数据和新的元组数据，确定结果元组数据。本公开的实施例根据表格和预先确定的属性列表，能够自动抽取元组数据，无须人工干预，适用于多种表格类型，泛化能力强，方便用户提取表格中的元组数据。
附图说明
[0016]通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：
[0017]图1是本公开的一些实施例可以应用于其中的示例性系统的架构图；
[0018]图2是根据本公开的抽取表格中的元组数据的方法的一些实施例的流程图；
[0019]图3是根据本公开的用于训练第一神经网络的第一训练步骤的一个实施例的流程图；
[0020]图4是根据本公开的确定属性名对应表格中的单元格的方法的一个实施例的流程图；
[0021]图5是根据本公开的用于生成新的元组数据的方法的一个实施例的流程图；
[0022]图6是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
[0023]下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这
里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
[0024]另外还需要说明的是，为了便于描述，附图中仅示出了与有关专利技术相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
[0025]需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
[0026]下面将参考附图并结合实施例来详细说明本公开。
[0027]图1示出了可以应用本公开的抽取表格中的元组数据的方法的实施例的示例性系统架构100。
[0028]如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种抽取表格中的元组数据的方法，包括：获取表格和预先确定的属性列表；基于所述表格和所述属性列表，确定所述属性列表对应的第一条元组数据，其中，所述第一条元组数据由所述属性列表中每个属性名对应的所述表格中的第一个属性值组成；确定所述表格的扩展机制的类型，其中，所述扩展机制是指基于所述第一条元组数据得到所述属性列表中每个属性名对应的所述表格中的元组数据的规则；根据所述表格、所述扩展机制的类型和所述第一条元组数据，确定新的元组数据；基于所述第一条元组数据和所述新的元组数据，确定所述表格中对应所述属性列表的元组数据作为结果元组数据。2.根据权利要求1所述的方法，其中，所述方法还包括：响应于所述结果元组数据对应于所述属性列表的目标元组数据，将所述目标元组数据发送至支持显示功能的设备和存储设备，控制所述设备展示目标元组数据，以及控制所述存储设备存储所述目标元组数据。3.根据权利要求1所述的方法，其中，所述确定所述表格的扩展机制的类型，包括：确定所述表格的表格类型，其中，所述表格类型包括无可扩展组型和有可扩展组型；响应于所述表格类型是无可扩展组型，确定扩展机制的类型为无可扩展组机制类型；响应于所述表格类型为有可扩展组型，确定扩展机制的类型为可扩展组机制类型。4.根据权利要求3所述的方法，其中，所述有可扩展组型是指单元格可以跨越多行或者多列的表格的表格类型。5.根据权利要求1所述的方法，其中，基于所述表格和所述属性列表，确定所述属性列表对应的第一条元组数据，包括：将所述表格输入预先训练的第一神经网络，生成表格编码；对于所述属性列表中的每个属性名，将该属性名输入所述第一神经网络，生成属性编码；对于所述属性列表中的每个属性名，基于所述表格编码和该属性名的属性编...

【专利技术属性】
技术研发人员：林得苗，
申请(专利权)人：北京庖丁科技有限公司，
类型：发明
国别省市：