申请/专利权人：物产中大数字科技有限公司

申请日：2024-01-02

公开（公告）日：2024-03-15

公开（公告）号：CN117496545B

主分类号：G06V30/412

分类号：G06V30/412;G06V30/413;G06F18/25;G06N3/0442;G06F40/289;G06F40/30

优先权：

专利状态码：有效-授权

法律状态：2024.03.15#授权;2024.02.23#实质审查的生效;2024.02.02#公开

摘要：本说明书实施例提供一种面向PDF文档的表格数据融合处理方法及装置，在融合处理方法中，对多个PDF文档中每个PDF文档所包含的初始表格，先确定对应的融合参数。之后，将各个初始表格的融合参数及表格内容，关联地存储至中间表格中。最后，基于中间表格中每行的融合参数，对关联的表格内容进行融合，从而得到融合结果。由此，可以提高多源异构表格数据的融合效率。

主权项：1.一种面向PDF文档的表格数据融合处理方法，包括：对多个PDF文档进行解析，得到每个PDF文档中包含的多个初始表格和多页文本内容；将每个PDF文档对应的多页文本内容转换为多个文本列表，单个文本列表包括多行文本；从每个PDF文档对应的多个文本列表中，选取该PDF文档中包含的每个初始表格所在页对应的目标文本列表；确定所述多个PDF文档中包含的各个初始表格的融合参数；其中，对于所述各个初始表格中任意的第一初始表格，确定对应的融合参数包括：至少通过将所述第一初始表格的首行与对应的第一目标文本列表中的各行文本进行匹配，确定所述第一初始表格在所述第一目标文本列表中的目标位置；至少根据所述目标位置，从所述第一目标文本列表中提取所述第一初始表格的关键区域文本；至少基于所述关键区域文本，确定所述第一初始表格的融合参数；将所述各个初始表格的融合参数及数据内容作为各个数据行，存储至中间表格中；基于所述中间表格中各个数据行中的融合参数，对所述各个数据行中的数据内容进行融合，得到融合结果；所述确定所述第一初始表格在所述第一目标文本列表中的目标位置，包括：将所述第一初始表格的首行的各项内容分别与所述第一目标文本列表中的各行文本进行匹配，以确定所述首行的各项内容对应的各个第一位置编号，所述各个第一位置编号形成第一位置数组；在所述各个第一位置编号为连续数列的情况下，基于所述各个第一位置编号计算第一统计量，并将该第一统计量作为所述目标位置；在所述各个第一位置编号为非连续数列的情况下，基于所述第一初始表格的任意行确定第二位置数组，并基于该第二位置数组，从所述第一位置数组中确定出目标子数组，以及基于所述目标子数组中的各个第一位置编号，计算第二统计量作为所述目标位置；所述融合参数包括，属性、位置信息和主题信息，所述属性包括，文件名称、企业名称和日期；所述位置信息包括，页码、表格顺序、起始行、终止行；所述主题信息包括，关键区域文本、表格标题、计量单位和货币单位。

全文数据：

权利要求：

百度查询： 物产中大数字科技有限公司 一种面向PDF文档的表格数据融合处理方法及装置

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD