混合相似性度量的仪表询价电子表格结构识别

摘要

对仪表企业来说，快速高效地自动响应用户的询价请求，实现无人化询价，具有非常重要的意义。但不同用户提供的物料清单表无统一规范的格式，导致仪表企业只能获得半结构化的询价电子表格，无人化询价系统难以分析与理解。构建无人化询价系统的关键是准确地自动提取仪表参数，而提取参数的前提是正确理解表格结构。因此，以构建无人化询价系统为目标，研究仪表询价电子表格的结构识别，提出混合相似性度量表格结构识别方法(hybrid similarity metrics for table structure recognition, HSMTSR)。所提方法结合Levenshtein距离、Dice系数和单元格类型相似度(cell type similarity, TySim),根据单元格和行数据的相似度解析识别表格结构。同时，建立流量仪表电子表格数据集(flowmeter spreadsheet dataset, FSDS)研究分析仪表询价电子表格的结构，包括714个电子表格，8 574行数据。实际应用表明，所提方法可准确高效地自动识别多种复杂结构的仪表询价电子表格，并在多个评价指标上均取得较好效果。

关键词

电子表格 / 结构识别 / 相似性度量 / 类型相似度 / 仪表询价