[发明专利]一种基于序列标注的财务科目计算关系识别方法及装置

权利要求书

1.一种基于序列标注的财务科目计算关系识别方法，其特征在于，包含以下步骤：

A、对表格及文本进行预处理；

B、采用序列标注方法对财务科目计算关系进行识别，以判断为预先定义后的计算关系；

C、根据序列标注的结果，抽取出与财务科目序列相对应的计算关系，生成结构化数据。

2.根据权利要求1所述的一种基于序列标注的财务科目计算关系识别方法，其特征在于，所述步骤A中，对表格文本进行的预处理操作包括对表格中财务科目序列所在列的提取，对表格中多个财务科目所在列的合并，将提取并合并后的财务科目序列转化成文本，以及对对文字进行清洗，以去除表格中财务科目序列以外的内容。

3.根据权利要求2所述的一种基于序列标注的财务科目计算关系识别方法，其特征在于，所述步骤B包括以下步骤：B1、词向量，对每个科目进行CNN处理，得到每个科目对应的向量；B2、序列标注，对文本进行双向的LSTM处理，得到每个科目对应的向量；B3、通过条件随机场对每个字段所对应的标签进行预测，以得知该字段是否为预先定义好的字段。

4.根据权利要求2所述的一种基于序列标注的财务科目计算关系识别方法，其特征在于，所述步骤C的序列标注的训练过程如下：根据财务科目关系的任务，定义所需要判断的财务科目计算关系，根据任务定义，进行财务科目计算关系的语料标注，将语料标注送到CNN-LSTM-CRF模型中进行序列标注的训练，以得到训练后用于财务科目计算关系的模型。

5.一种基于序列标注的财务科目计算关系识别装置，其特征在于，包括：

表格及文本预处理模块，用于对表格及文本进行预处理；

序列标注模块，用于通过序列标注方法对财务科目计算关系进行识别，以判断为预先定义后的计算关系；

科目计算关系抽出模块，根据序列标注的结果，抽取出与财务科目序列相对应的计算关系，生成结构化数据。

6.根据权利要求5所述的一种基于序列标注的财务科目计算关系识别装置，其特征在于，所述文本预处理模块对文本进行的预处理操作包括对表格中财务科目序列所在列的提取，对表格中多个财务科目所在列的合并，将提取并合并后的财务科目序列转化成文本，以及对对文字进行清洗，以去除表格中财务科目序列以外的内容。

7.根据权利要求4所述的一种基于序列标注的财务科目计算关系识别装置，其特征在于，所述序列标注模块对文本进行双向的LSTM处理，得到每个科目对应的向量；通过条件随机场对每个字段所对应的标签进行预测，以得知该字段是否为预先定义好的字段。