一种面向证券信息披露长文档的表格分类方法

    公开(公告)号:CN116562251B

    公开(公告)日:2024-09-27

    申请号:CN202310569275.6

    申请日:2023-05-19

    摘要: 本发明公开了一种面向证券信息披露长文档的表格分类方法,具体如下:步骤1、获得证券信息披露长文档的PDF文件,并进行解析;步骤2、依据关键词和上下文抽取算法,从解析后的PDF结构的证券信息披露长文档中抽取待分析的表格及其上下文;步骤3、预处理表格及其上下文,形成词嵌入模型训练上下文样本集合与表格分类样本集合;步骤4、通过上下文样本集合训练词嵌入模型;步骤5、使用训练获得的词嵌入模型对预处理后的表格及其上下文进行词嵌入表示,并使用不同的多尺度卷积神经网络,对表格及其上下文进行特征提取;步骤6、对提取到的表格及其上下文特征采取特征扩展融合方式,得到特征融合结果进行表格分类。本发明能快速准确的获取待分析表格。

    一种融合段落和文档特征的金融公告事件抽取方法

    公开(公告)号:CN118673919A

    公开(公告)日:2024-09-20

    申请号:CN202410713191.X

    申请日:2024-06-04

    摘要: 本发明公开了一种融合段落和文档特征的金融公告事件抽取方法,涉及金融领域与信息抽取技术领域,具体如下:步骤1.对金融公开数据集ChFinAnn中的金融公告文本进行数据预处理工作,将金融公告划分为段落;步骤2.利用Fin‑BERT预训练模型、卷积神经网络以及自注意力机制对金融公告进行段落特征的提取;步骤3.利用word2vec模型和双向长短期记忆网络对金融公告进行文档特征的提取;步骤4.将经过Fin‑BERT预训练模型得到的段落分类向量送入卷积神经网络,对金融公告中的事件进行分类判断;步骤5.将提取到的段落特征与文档特征融合后,通过双向长短期记忆网络与条件随机场对金融公告中的事件进行事件论元识别抽取。本发明达到了较好的事件抽取性能,具有较高的准确率。

    一种PDF业务文档的信息抽取方法

    公开(公告)号:CN116311259B

    公开(公告)日:2024-03-12

    申请号:CN202211562314.1

    申请日:2022-12-07

    IPC分类号: G06V30/14 G06V30/146

    摘要: 本发明公开了一种PDF业务文档的信息抽取方法,涉及文件信息抽取和数据处理领域,包括如下步骤:步骤1、对PDF业务文档的每个页面进行解析,得到表格线列表;步骤2、若能够为一个字符对象生成最小单元格,则判定该字符对象为表格字符;否则判定该字符对象为非表格字符;步骤3、对所有的非表格字符以坐标信息进行拼接、分段,完成非表格区域的文本抽取,并得到每个非表格字符段的中心点的坐标;步骤4、根据非表格字符段的中心点的坐标,对所有最小单元格所属的表格区域进行划分,得到表格区域列表;步骤5、对表格区域列表完成结构和区域文本的抽取。本方法能够提高PDF业务文档,尤其是包含复杂表格的金融披露文档中信息抽取的精度。

    一种面向证券信息披露长文档的表格分类方法

    公开(公告)号:CN116562251A

    公开(公告)日:2023-08-08

    申请号:CN202310569275.6

    申请日:2023-05-19

    摘要: 本发明公开了一种面向证券信息披露长文档的表格分类方法,具体如下:步骤1、获得证券信息披露长文档的PDF文件,并进行解析;步骤2、依据关键词和上下文抽取算法,从解析后的PDF结构的证券信息披露长文档中抽取待分析的表格及其上下文;步骤3、预处理表格及其上下文,形成词嵌入模型训练上下文样本集合与表格分类样本集合;步骤4、通过上下文样本集合训练词嵌入模型;步骤5、使用训练获得的词嵌入模型对预处理后的表格及其上下文进行词嵌入表示,并使用不同的多尺度卷积神经网络,对表格及其上下文进行特征提取;步骤6、对提取到的表格及其上下文特征采取特征扩展融合方式,得到特征融合结果进行表格分类。本发明能快速准确的获取待分析表格。

    一种PDF业务文档的信息抽取方法
    6.
    发明公开

    公开(公告)号:CN116311259A

    公开(公告)日:2023-06-23

    申请号:CN202211562314.1

    申请日:2022-12-07

    IPC分类号: G06V30/14 G06V30/146

    摘要: 本发明公开了一种PDF业务文档的信息抽取方法,涉及文件信息抽取和数据处理领域,包括如下步骤:步骤1、对PDF业务文档的每个页面进行解析,得到表格线列表;步骤2、若能够为一个字符对象生成最小单元格,则判定该字符对象为表格字符;否则判定该字符对象为非表格字符;步骤3、对所有的非表格字符以坐标信息进行拼接、分段,完成非表格区域的文本抽取,并得到每个非表格字符段的中心点的坐标;步骤4、根据非表格字符段的中心点的坐标,对所有最小单元格所属的表格区域进行划分,得到表格区域列表;步骤5、对表格区域列表完成结构和区域文本的抽取。本方法能够提高PDF业务文档,尤其是包含复杂表格的金融披露文档中信息抽取的精度。

    一种实验室用小型多钻头立式钻孔取芯机

    公开(公告)号:CN110763512A

    公开(公告)日:2020-02-07

    申请号:CN201911217406.4

    申请日:2019-12-03

    IPC分类号: G01N1/08

    摘要: 本发明公开了一种实验室用小型多钻头立式钻孔取芯机,包括基座(1)、液压升降装置(2)、中空立臂(3)、电动机(5)、机箱(8)、钻具箱(9)、试件盘移动控制装置(10);其中立臂(3)固定在基座(1)上,液压升降装置(2)底部固定在基座(1)上;电动机固定在中空立臂(3)上;由传统的一次下刀取出单个岩样改变为利用五个钻头同时取芯,由一个主传动杆带动四个副传动杆进行工作,同时可实现大小钻头的切换且保证充分取样,皮带与皮带轮间采用锯齿形啮合连接传动方式,保证传动顺利进行。