[发明专利]表格信息提取模型的训练方法及装置

权利要求书

1.一种表格信息提取模型的训练方法，其特征在于，包括：

对表格语料的单元格进行处理，得到单元格的特征向量；

根据单元格的位置信息计算邻接矩阵，对所述单元格的特征向量和所述邻接矩阵进行特征抽取，得到单元格的高阶特征向量；

利用所述高阶特征向量预测单元格的文本，并利用所述单元格的文本进行模型训练，得到表格语言模型；

利用当前表格信息提取任务对应的训练样本对所述表格语言模型进行训练，得到表格信息提取模型。

2.根据权利要求1所述的方法，其特征在于，所述根据表格语料的单元格进行处理，得到单元格的特征向量，包括：

对所述表格语料的单元格进行掩码，得到单元格的掩码文本；

对所述掩码文本进行编码，得到单元格的文本特征向量序列；

对所述文本特征向量序列进行特征融合，得到单元格的文本特征向量；

根据单元格的行信息和列信息，得到单元格的行特征向量和列特征向量；

对所述文本特征向量、所述行特征向量和所述列特征向量，进行特征融合，得到单元格的特征向量。

3.根据权利要求2所述的方法，其特征在于，所述根据单元格的位置信息计算邻接矩阵，包括：

根据所述单元格的位置信息，获取与所述单元格同行的单元格，以及同列的单元格；

根据所述单元格与所述同行的单元格之间的信息交互，计算所述同行的单元格对应的权重；

根据所述单元格与所述同列的单元格之间的信息交互，计算所述同列的单元格对应的权重；

根据所述同行的单元格对应的权重和所述同列的单元格对应的权重，构建所述邻接矩阵。

4.根据权利要求3所述的方法，其特征在于，所述对所述单元格的特征向量和所述邻接矩阵进行特征抽取，得到单元格的高阶特征向量，包括：

按照所述邻接矩阵，所述单元格的特征向量分别与所述同行的单元格的特征向量，及所述同列单元格的特征向量进行融合，得到所述高阶特征向量。

5.根据权利要求2所述的方法，其特征在于，所述利用所述高阶特征向量预测单元格的原始文本，包括：

以所述高阶特征向量作为初始向量，对所述单元格的掩码文本进行解码，得到所述单元格的原始文本。

6.根据权利要求2所述的方法，其特征在于，还包括：

将新的表格输入至所述表格信息提取模型中，输出表格信息提取结果；

当所述结果大于阈值，则成功提取出所述当前表格信息提取任务对应的表格信息，否则，提取失败。

7.一种表格信息提取模型的训练装置，其特征在于，包括：

特征向量计算模块，用于对表格语料的单元格进行处理，得到单元格的特征向量；

高阶向量计算模块，用于根据单元格的位置信息计算邻接矩阵，对所述单元格的特征向量和所述邻接矩阵进行特征抽取，得到单元格的高阶特征向量；

表格语言模型训练模块，用于利用所述高阶特征向量预测单元格的原始文本，并利用所述单元格的文本进行模型训练，得到表格语言模型；

表格信息提取模型训练模块，用于利用当前表格信息提取任务对应的训练样本对所述表格语言模型进行训练，得到表格信息提取模型。

8.根据权利要求7所述的装置，其特征在于，所述特征向量计算模块，包括：

单元格掩码子模块，用于对所述表格语料的单元格进行掩码，得到单元格的掩码文本；

掩码文本编码子模块，用于对所述掩码文本进行编码，得到单元格的文本特征向量序列；

文本特征向量生成模块，用于对所述文本特征向量序列进行特征融合，得到单元格的文本特征向量；

行列特征向量生成子模块，用于根据单元格的行信息和列信息，得到单元格的行特征向量和列特征向量；

单元格特征向量生成向量，用于对所述文本特征向量、所述行特征向量和所述列特征向量，进行特征融合，得到单元格的特征向量。