[发明专利]一种识别表格方向的方法、装置及电子设备

权利要求书

1.一种识别表格方向的方法，其特征在于，包括：

针对待识别表格中的待识别区域，获取所述待识别区域中各单元格的单元格内容；

基于所述待识别区域中所述各单元格的单元格内容，生成所述待识别区域中所述各单元格的特征信息，一个单元格的特征信息表示该单元格的单元格内容所属的类型；

根据所述待识别区域的每行单元格的特征信息，计算所述待识别区域的每相邻两行的相似度；

基于所述待识别区域的每相邻两行的相似度，将相似度达到第一预设相似度阈值的相邻两行进行合并，得到所述待识别表格的相似行表格；

根据所述待识别区域的每列单元格的特征信息，计算所述待识别区域的每相邻两列的相似度；

基于所述待识别区域的每相邻两列的相似度，将相似度达到第二预设相似度阈值的相邻两列进行合并，得到所述待识别表格的相似列表格；

将所述待识别表格的行数和列数、所述相似行表格的行数以及所述相似列表格的列数，输入预先训练的机器学习模型，得到所述待识别表格的表格方向识别结果，其中，所述机器学习模型为基于训练样本进行训练得到的，所述训练样本包括多个样本表格的行数和列数，每个样本表格的相似行的行数，每个样本表格的相似列的列数，以及每个样本表格的表格方向；

在所述针对待识别表格中的待识别区域，获取所述待识别区域中各单元格的单元格内容之前，还包括：

基于待识别表格的行数和列数，确定所述待识别表格的截取长度；

按照所述截取长度，从所述待识别表格中，截取前所述截取长度的行以及前所述截取长度的列，得到待识别区域。

2.根据权利要求1所述的方法，其特征在于，所述基于待识别表格的行数和列数，确定所述待识别表格的截取长度，包括：

从待识别表格的行数和列数以及预设数值中，选取一个最小的数值，作为所述待识别表格的截取长度。

3.根据权利要求1所述的方法，其特征在于，所述根据所述待识别区域的每行单元格的特征信息，计算所述待识别区域的每相邻两行的相似度，包括：

当所述待识别区域中包含合并单元格时，将所述合并单元格的特征信息，确定为组成所述合并单元格的各最小单元格的特征信息，其中，所述最小单元格为无法拆分的单元格；

根据所述待识别区域的每行最小单元格的特征信息，计算所述待识别区域的每相邻两行的相似度；

所述根据所述待识别区域的每列单元格的特征信息，计算所述待识别区域的每相邻两列的相似度，包括：

根据所述待识别区域的每列最小单元格的特征信息，计算所述待识别区域的每相邻两列的相似度。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述机器学习模型为随机森林分类器。