申请/专利权人:上海冰鉴信息科技有限公司
申请日:2020-07-06
公开(公告)日:2020-10-20
公开(公告)号:CN111797356A
主分类号:G06F16/958(20190101)
分类号:G06F16/958(20190101);G06F16/215(20190101);G06F40/295(20200101);G06F40/177(20200101)
优先权:
专利状态码:有效-授权
法律状态:2023.08.08#授权;2020.11.06#实质审查的生效;2020.10.20#公开
摘要:本发明提供的网页表格信息抽取方法及装置,涉及数据信息处理技术领域。首先,清洗网页数据,检测清洗的网页数据中是否存在web表格;接着,在存在web表格时,识别web表格的样式,并根据web表格的样式抽取表格信息;最后,采用实体识别模型对抽取的表格信息进行识别,筛选出web表格包括的实体对象。根据web表格的样式抽取表格信息,抽取的信息会更加准确;另外,通过实体识别模型对抽取信息进行进一步的识别和清洗,可以减少抽取信息中的干扰信息。
主权项:1.一种网页表格信息抽取方法,其特征在于,应用于计算机设备,所述方法包括:对获取的网页数据进行数据清洗,得到清洗后的网页数据;检测所述清洗后的网页数据中是否存在web表格;在所述清洗后的网页数据中存在web表格时,通过识别所述web表格的结构,识别出所述web表格的样式,其中,所述web表格的样式包括简单表格和复合表格;根据所述web表格的样式,抽取出所述web表格的表格信息;采用优化的实体识别模型对抽取的表格信息进行识别,得到所述web表格中包括的实体对象。
全文数据:
权利要求:
百度查询: 上海冰鉴信息科技有限公司 网页表格信息抽取方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。