欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2021107368832
申请人: 南京信息工程大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种面向文献的表格信息抽取方法,其特征在于:包括以下步骤:步骤1:利用规则获取所有可能含表格的候选页面;

步骤2:将步骤1中获取的页面转化为图片文件;

步骤2的具体过程如下:对PDF文件进行截屏,生成多元属性组picpdf对候选页面图片文件多元属性组集合Picpdf={picpdf∑

其中,i表示当前的页面值,N为页面的个数;

步骤3:采用深度学习方法,获取步骤2中图片文件的特征;

步骤3的具体过程如下:首先用凯明正态分布初始化神经网络中的权重,然后将图片矢量化,最终将矢量化后的图片作为输入参数传入残差神经网络,获取特征图;

步骤4:根据步骤3中获取的图片文件的特征,对图片进行特征融合;获取融合后的特征;具体过程如下:对步骤3中获取的图片文件的特征利用不同步长的卷积核提取图片在不同尺寸的特征C={CP

P

F=Σ

其中h(C

步骤5:根据步骤4中获取的特征融合后的特征,对表格的位置进行初步定位;具体过程如下:对于步骤4中获取的特征融合后的特征图集合P,对于每个P,利用框回归网络j(x)生成回归框集合A={A步骤6:针对步骤5获得的表格定位信息,根据表格元素的长宽关系,将横板表格旋转为竖版表格;具体过程如下:对步骤5中所定位到的表格(xp

p

p

p

p

p

其中k,b为步骤2中计算得到的缩放比例和截距,p读取从坐标大于p

步骤7:根据步骤6中获得的竖版表格,读取单元格字符流;

步骤7的具体过程如下:对于已经旋转为竖版表格,计算每个元素的中线和边线的坐标,如果中线和边线的横竖坐标相同,则定位成单元格,并读取该位置的元素,将其转化为CSV文件。