[发明专利]产品说明书要素提取方法、装置、设备、介质和程序产品

权利要求书

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作为所述补充要素信息。

8.根据权利要求7所述的方法，其中，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。