表格单元格分类的端到端不完全监督方法
郝昕毓1
周建涛1
王昊2
1.内蒙古大学计算机学院 呼和浩特 010021;生态大数据教育部工程研究中心 呼和浩特 0100212.内蒙古大学计算机学院 呼和浩特 010021
摘要：大数据时代下,爆炸式增长的非结构化数据中蕴含着大量有价值的信息,对其进行识别和提取变得越发重要.表格是典型的高价值密度非结构化数据,为了识别表格的功能结构,并提高模型的通用性和结果的易用性,针对表格单元格分类提出一个端到端不完全监督方法.设计了基于视觉可见的特征选取方案来提高通用性,提出基于规则的自动修正算法用于改善单元格分类的效果,让用户对结果进行再次修正并将结果作为额外的训练数据参与模型训练来提高模型不同场景下的适应性.最后将方法实现为端到端工具,在提高便捷性的同时使得修正后的数据可直接导出用于下游任务.实验结果表明,提出的方法在多个指标上对比基线方法均有提升,同时在一定程度上提高了结果的易用性.
关键词：非结构化数据表格数据单元格分类不完全监督方法基于规则
分类号：P413(大气探测（气象观测）)
资助基金：国家自然科学基金(62162046)内蒙古科技攻关项目(2021GG0155)内蒙古自然科学基金重大项目(2019ZD15)内蒙古自然科学基金项目(2019GG372)
论文发表日期：2023-01-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 59-65 )
英文信息