买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：国网汇通金财(北京)信息科技有限公司

摘要：本发明公开了一种面向财务流程表格优化的财务数据提取方法，包括数据集构建、模型构建和训练、财务表格结构识别和关键信息提取等步骤。本发明方法实现了自动化的财务表格结构识别和信息提取，可以有效减少人工处理时间，提高处理效率，并提高财务表内容提取的准确率，减少人工输入和校正的需要，减少操作错误。本发明方法提取的结构化数据可直接用于财务分析和决策支持。

主权项：1.一种面向财务流程表格优化的财务数据提取方法，其特征在于，包括如下步骤：S101、数据集构建：收集和整理财务表格图像，构建得到多样化的财务表格数据集；S102、构建基于PyTorch框架的卷积神经网络CNN模型用于识别财务表格中的结构特征，构建基于PyTorch框架的OCR模型用于文本识别，构建基于双向长短期记忆网络BiLSTM结合条件随机场CRF的BiLSTM-CRF模型用于识别和分类文本中的财务相关实体；在PyTorch平台上利用步骤S101构建的财务表格数据集对CNN模型、OCR模型和BiLSTM-CRF模型进行训练；所述CNN模型通过训练来学习财务表格图像中的结构特征；S103、财务表格结构识别：S1031、图像预处理：首先对待处理的财务表格的图像进行预处理；S1032、结构特征提取：利用步骤S102训练得到的CNN模型提取财务表格图像中的结构特征；S1033、行列识别：利用所述CNN模型分析财务表格图像中的线条和文本对齐模式，检测财务表格图像中的行列边界，并识别财务表格图像中的标题行、表头和数据单元格；S104、关键信息提取：S1041、OCR识别：对经过表格结构识别后的财务表格图像中的单元格，利用步骤S102训练得到的OCR模型对单元格图像进行文本识别，转换为可编辑文本；S1042、命名实体识别：使用步骤S102训练得到的BiLSTM-CRF模型对步骤S1041中OCR识别得到的文本中的财务相关实体进行识别和分类；S1043、关键信息提取：关键字匹配：创建一个专门针对财务术语的关键字词典，其中包括常见的财务指标和术语，然后通过对OCR识别的文本进行字符串匹配，识别和提取出其中的关键字及其相关的财务信息；正则表达式：采用设定的正则表达式从OCR识别的文本中提取指定格式的财务数据；上下文相关性分析：在提取了关键字和指定格式的财务数据之后，对BiLSTM-CRF模型提取的实体进行上下文相关性分析，以确保信息的准确性和完整性。

全文数据：

权利要求：

百度查询： 国网汇通金财(北京)信息科技有限公司 一种面向财务流程表格优化的财务数据提取方法