产品说明书要素提取方法、装置、设备、介质和程序产品制造方法及图纸

本公开提供了一种产品说明书要素提取方法，可以应用于人工智能技术领域。该方法包括：获取产品说明书图像；基于目标检测模型以及文字识别模型对所述产品说明书图像进行文字识别；将文字识别结果利用信息抽取模型进行一次抽取，获取产品要素信息；利用模糊提取规则对所述文字识别结果进行二次抽取，获取补充要素信息；以及基于所述产品要素信息和所述补充要素信息获取说明书提取要素，其中，所述说明书提取要素包括实体要素字段和实体要素信息，所述实体要素信息与实体要素字段相对应。本公开还提供了一种产品说明书要素提取装置、设备、存储介质和程序产品。存储介质和程序产品。存储介质和程序产品。

【技术实现步骤摘要】
产品说明书要素提取方法、装置、设备、介质和程序产品


[0001]本公开涉及人工智能
或金融领域，具体地，涉及一种产品说明书要素提取方法、装置、设备、介质和程序产品。

技术介绍

[0002]在金融领域，产品说明书的要素归纳提取是一个具有普遍需求的业务场景。目前，产品说明书的方案多数以人工录入为主，过程繁琐，人工成本高，时间成本大，准确率较低。如何快速智能且准确地实现产品说明书的要素提取是一个亟待解决的问题。

技术实现思路

[0003]鉴于现有技术中存在的上述问题，本公开的实施例提供了一种提高产品说明书要素识别智能化和准确率，减少人力成本的产品说明书要素提取方法、装置、设备、介质和程序产品。并且，本公开的实施例进一步还提供了一种产品说明书要素处理方法、装置、设备、介质和程序产品。
[0004]根据本公开的第一个方面，提供了一种产品说明书要素提取方法，包括：获取产品说明书图像；基于目标检测模型以及文字识别模型对所述产品说明书图像进行文字识别；将文字识别结果利用信息抽取模型进行一次抽取，获取产品要素信息；利用模糊提取规则对所述文字识别结果进行二次抽取，获取补充要素信息；以及基于所述产品要素信息和所述补充要素信息获取说明书提取要素，其中，所述说明书提取要素包括实体要素字段和实体要素信息，所述实体要素信息与实体要素字段相对应。
[0005]根据本公开的实施例，所述基于目标检测模型以及文字识别模型对所述产品说明书图像进行文字识别包括：基于目标检测模型获取所述产品说明书图像中的行文字位置信息；基于所述行文字位置信息进行产品说明书图像裁剪，获取产品说明书块图像；以及将所述产品说明书块图像输入所述文字识别模型，获取产品说明书文字信息。
[0006]根据本公开的实施例，其中，将文字识别结果利用信息抽取模型进行一次抽取，获取产品要素信息包括：将所述文字识别结果输入预训练得到的信息抽取模型；以及利用所述预训练得到的信息抽取模型对所述文字识别结果进行信息抽取，输出所述产品要素信息，其中，所述预训练得到的信息抽取模型基于小于预设数量的产品说明书样本结合通用抽取框架训练得到。
[0007]根据本公开的实施例，其中，预训练得到信息抽取模型的方法包括：获取产品说明书样本；对所述产品说明书样本进行要素信息标注；以及将进行要素信息标注后的产品说明书样本输入所述通用抽取框架进行训练，直至达到预设的截止条件时，获取所述信息抽取模型，其中，所述通用抽取框架包括知识增强型预训练模型。
[0008]根据本公开的实施例，其中，利用模糊提取规则对所述文字识别结果进行二次抽取，获取补充要素信息包括：将所述产品要素信息与预设的要素字典进行匹配，判断是否存在未识别的实体要素；以及基于正则匹配规则对所述未识别的实体要素进行二次识别，获
取所述补充要素信息。
[0009]根据本公开的实施例，其中，所述将所述产品要素信息与预设的要素字典进行匹配，判断是否存在未识别的实体要素包括：获取产品要素信息抽取字典，所述产品要素信息抽取字典包括通过一次抽取获得的实体要素信息；将所述通过一次抽取获得的实体要素信息存储于所述预设的要素字典，其中，所述预设的要素字典包括实体要素字段，在存储后，所述实体要素信息与实体要素字段存在映射关系；以及当预设的要素字典中存在实体要素字段缺乏存在映射关系的实体要素信息时，判断所述实体要素字段为未识别实体要素。
[0010]根据本公开的实施例，所述基于正则匹配规则对所述未识别的实体要素进行二次识别，获取所述补充要素信息包括：获取未识别实体要素的关键词列表，其中，所述关键词列表包括未识别实体要素关联关键词，所述未识别实体要素关联关键词包括未识别实体要素以及所述未识别实体要素的近义词和/或同义词；将所述未识别实体要素关联关键词按照出现频率从高到底进行排序；以及利用正则表达式按照频率排序结果定位所述未识别实体要素关联关键词，获取与所述未识别实体要素关联关键词存在映射关系的实体要素信息作为所述补充要素信息。
[0011]根据本公开的实施例，所述利用正则表达式按照频率排序结果定位所述未识别实体要素关联关键词包括：利用正则表达式定位频率排序第一位的所述未识别实体要素关联关键词。
[0012]根据本公开的实施例，其中，在获取与所述未识别实体要素关联关键词存在映射关系的实体要素信息后，所述方法还包括：利用辅助规则对所述与所述未识别实体要素关联关键词存在映射关系的实体要素信息进行校验，获取所述补充要素信息，包括：基于预设的要素形式规范判断所述与所述未识别实体要素关联关键词存在映射关系的实体要素信息是否符合预设的要素表现形式；以及当所述与所述未识别实体要素关联关键词存在映射关系的实体要素信息符合预设的要素表现形式时，判断所述实体要素信息为补充要素信息。
[0013]本公开的第二方面提供了一种产品说明书要素处理方法，包括：对所述产品说明书要素进行提取；将提取获得的说明书提取要素进行接口报文封装；以及当所述接口被调用时，将所述说明书提取要素以及要素提取关联信息反馈至前端页面，其中，基于本公开的第一方面的产品说明书要素提取方法对所述产品说明书要素进行提取。
[0014]本公开的第三方面提供了一种产品说明书要素提取装置，包括：获取模块，配置为获取产品说明书图像；识别模块，配置为基于目标检测模型以及文字识别模型对所述产品说明书图像进行文字识别；第一抽取模块，配置为将文字识别结果利用信息抽取模型进行一次抽取，获取产品要素信息；第二抽取模块，配置为利用模糊提取规则对所述文字识别结果进行二次抽取，获取补充要素信息；以及要素提取模块，配置为基于所述产品要素信息和所述补充要素信息获取说明书提取要素，其中，所述说明书提取要素包括实体要素字段和实体要素信息，所述实体要素信息与实体要素字段相对应。
[0015]根据本公开的实施例，识别模块包括定位子模块、裁剪子模块和提取子模块。定位子模块被配置为基于目标检测模型获取所述产品说明书图像中的行文字位置信息。裁剪子模块被配置为基于所述行文字位置信息进行产品说明书图像裁剪，获取产品说明书块图像。提取子模块被配置为将所述产品说明书块图像输入所述文字识别模型，获取产品说明
书文字信息。
[0016]根据本公开的实施例，第一抽取模块包括输入子模块和第一获取子模块。其中，输入子模块被配置为将所述文字识别结果输入预训练得到的信息抽取模型。其中，所述预训练得到的信息抽取模型基于小于预设数量的产品说明书样本结合通用抽取框架训练得到。第一获取子模块被配置为利用所述预训练得到的信息抽取模型对所述文字识别结果进行信息抽取，输出所述产品要素信息。
[0017]根据本公开的实施例，第二抽取模块包括比对子模块和第二获取子模块。其中，比对子模块被配置为将所述产品要素信息与预设的要素字典进行匹配，判断是否存在未识别的实体要素。第一获取子模块被配置为基于正则匹配规则对所述未识别的实体要素进行二次识别，获取所述补充要素信息。
[0018]根据本公开的实施例，比对子模块包括第一获取本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种产品说明书要素提取方法，其特征在于，包括：获取产品说明书图像；基于目标检测模型以及文字识别模型对所述产品说明书图像进行文字识别；将文字识别结果利用信息抽取模型进行一次抽取，获取产品要素信息；利用模糊提取规则对所述文字识别结果进行二次抽取，获取补充要素信息；以及基于所述产品要素信息和所述补充要素信息获取说明书提取要素，其中，所述说明书提取要素包括实体要素字段和实体要素信息，所述实体要素信息与实体要素字段相对应。2.根据权利要求1所述的方法，其中，所述基于目标检测模型以及文字识别模型对所述产品说明书图像进行文字识别包括：基于目标检测模型获取所述产品说明书图像中的行文字位置信息；基于所述行文字位置信息进行产品说明书图像裁剪，获取产品说明书块图像；以及将所述产品说明书块图像输入所述文字识别模型，获取产品说明书文字信息。3.根据权利要求1所述的方法，其中，将文字识别结果利用信息抽取模型进行一次抽取，获取产品要素信息包括：将所述文字识别结果输入预训练得到的信息抽取模型；以及利用所述预训练得到的信息抽取模型对所述文字识别结果进行信息抽取，输出所述产品要素信息，其中，所述预训练得到的信息抽取模型基于小于预设数量的产品说明书样本结合通用抽取框架训练得到。4.根据权利要求3所述的方法，其中，预训练得到信息抽取模型的方法包括：获取产品说明书样本；对所述产品说明书样本进行要素信息标注；以及将进行要素信息标注后的产品说明书样本输入所述通用抽取框架进行训练，直至达到预设的截止条件时，获取所述信息抽取模型，其中，所述通用抽取框架包括知识增强型预训练模型。5.根据权利要求1所述的方法，其中，利用模糊提取规则对所述文字识别结果进行二次抽取，获取补充要素信息包括：将所述产品要素信息与预设的要素字典进行匹配，判断是否存在未识别的实体要素；以及基于正则匹配规则对所述未识别的实体要素进行二次识别，获取所述补充要素信息。6.根据权利要求5所述的方法，其中，所述将所述产品要素信息与预设的要素字典进行匹配，判断是否存在未识别的实体要素包括：获取产品要素信息抽取字典，所述产品要素信息抽取字典包括通过一次抽取获得的实体要素信息；将所述通过一次抽取获得的实体要素信息存储于所述预设的要素字典，其中，所述预设的要素字典包括实体要素字段，在存储后，所述实体要素信息与实体要素字段存在映射关系；以及当预设的要素字典中存在实体要素字段缺乏存在映射关系的实体要素信息时，判断所
述实体要素字段为未识别实体要素。7.根据权利要求5所述的方法，其中，所述基于正则匹配规则对所述未识别的实体要素进行二次识别，获取所述补充要素信息包括：获取未识别实体要素的关键词列表，其中，所述关键词列表包括未识别实体要素关联关键词，所述未识别实体要素关联关键词包括未识别实体要素以及所述未识别实体要素的近义词和/或同义词；将所述未识别实体要素关联关键词按照出现频率从高到底进行排序；以及利用正则表达式按照频率排序结果定位所述未识别实体要素关联关键词，获取与所述未识别实体要素关联关键词存在映射关系的实体要素信息...

【专利技术属性】
技术研发人员：季晨颖，王娜，王雅欣，陈李龙，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：