申请/专利权人:浪潮软件科技有限公司
申请日:2023-08-16
公开(公告)日:2024-03-15
公开(公告)号:CN117710996A
主分类号:G06V30/412
分类号:G06V30/412;G06V30/19;G06V30/262;G06V30/18;G06V10/44;G06V10/764;G06V10/82;G06F40/216;G06N3/0455;G06N3/044;G06N3/0464;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.02#实质审查的生效;2024.03.15#公开
摘要:本发明提供一种基于深度学习的非结构化表格文档的数据抽取、归类与储存方法,属于大数据治理领域,本发明包括文档预处理、表格检测、表格内容识别、表格数据归类以及表格数据储存五个步骤,实现自动化的数据抽取,减少了人工操作的工作量和错误率。
主权项:1.基于深度学习的非结构化表格文档的数据抽取、归类与储存方法,其特征在于,包括文档预处理、表格检测、表格内容识别、表格数据归类以及表格数据储存五个步骤,1文档预处理,采用图像增强、去噪处理对图像进行处理,以便后续的表格检测和识别;2表格检测,采用深度学习模型中的TableNet模型,使用前需要样本对模型进行训练,达到可应用标准后方可进行表格检测;3表格内容识别,采用OCR技术,配合深度学习模型,在有样本训练后方可使用;4表格数据归类,采用NLP模型,对表格中的文本内容进行文本分类,使用前有充足的数据进行训练,并且能够使得模型达到应用标准;5表格数据存储,格式一律使用CSV格式,以便数据库录入及导出。
全文数据:
权利要求:
百度查询: 浪潮软件科技有限公司 基于深度学习的非结构化表格文档的数据抽取、归类与储存方法
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。