[发明专利]一种双语平行语料的自动提取方法、电子设备及存储介质

权利要求书

1.一种双语平行语料的自动提取方法，其特征在于，包括：

获取第一专利文件，从第一专利文件中提取第一图片和第一专利文本，识别第一图片中的第一元素，其中，第一专利文件所使用的语言为第一语种；

获取与第一专利文件相关联的第二文件，从第二文件中提取第二图片和第二文本，识别第二图片中的第二元素，第二文件所使用的语言为第二语种，第一语种与第二语种为不同语种；

当识别出的第一元素和第二元素为同一类别的元素时，计算第一元素和第二元素的相似度，当相似度值大于或等于第一阈值时，获取第一专利文本中关于第一元素的第一附图标记名称和第二文本中关于第二元素的第二附图标记名称；

计算第一附图标记名称和第二附图标记名称的对齐度，当对齐度值大于或等于第二阈值时，将第一附图标记名称和第二附图标记名称作为平行语料。

2.根据权利要求1所述的双语平行语料的自动提取方法，其特征在于，所述第二文件为第一专利文件的同族专利文件，或为引用第一专利文件的专利文件，或为被第一专利文件引用的专利文件、非专利文件，或为与第一专利文件同一专利分类号下的专利文件。

3.根据权利要求1所述的双语平行语料的自动提取方法，其特征在于，所述获取与第一专利文件相关联的第二文件，包括：

提取第一专利文件的发明人信息，根据发明人信息，获取第二文件，第二文件为发明人申请的专利或发表的论文。

4.根据权利要求1所述的双语平行语料的自动提取方法，其特征在于，所述识别第一图片中的第一元素，包括：

识别第一图片中的第一附图标记，根据第一附图标记对第一图片进行分割，将第一图片分割为一个或多个第一子图片，将第一子图片通过分类模型分类，识别第一子图片中的第一元素；

识别第二图片中的第二元素，包括：

识别第二图片中的第二附图标记，根据第二附图标记对第二图片进行分割，将第二图片分割为一个或多个第二子图片，将第二子图片通过分类模型分类，识别第二子图片中的第二元素。

5.根据权利要求4所述的双语平行语料的自动提取方法，其特征在于，获取与第一专利文件相关联的第二文件，包括：

提取第一专利文件中第一元素的第一附图标记名称，根据第一附图标记名称，检索第二文件，或是根据第一专利文件的第一图片，检索第二文件，或是根据第一专利文件中包含第一元素的第一子图片，检索第二文件。

6.根据权利要求4所述的双语平行语料的自动提取方法，其特征在于，计算第一元素和第二元素的相似度，包括：

获取包含第一元素的第一子图片，提取第一子图片的特征向量；

获取包含第二元素的第二子图片，提取第二子图片的特征向量；

计算第一子图片的特征向量和第二子图片特征向量间的欧氏距离，所述欧氏距离为第一元素和第二元素的相似度值。

7.根据权利要求6所述的双语平行语料的自动提取方法，其特征在于，所述计算第一子图片的特征向量和第二子图片特征向量间的欧氏距离之前，将第一子图片中的第一元素和第二子图片中的第二元素进行预处理，预处理方法包括，将第一元素和第二元素缩放到相同的比例。

8.根据权利要求1所述的双语平行语料的自动提取方法，其特征在于，所述计算第一附图标记名称和第二附图标记名称的对齐度，包括：

通过机器翻译将第一附图标记名称翻译为第二语种的第三附图标记名称，计算第二附图标记名称和第三附图标记名称的相似度值，所述相似度值的计算结果为第一附图标记名称和第二附图标记名称的对齐度。

9.一种电子设备，其特征在于，包括处理器、存储器，所述存储器用于存储指令，所述处理器用于执行所述存储器中存储的指令，以使所述电子设备执行如权利要求1-8任意一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述可读存储介质中存储有执行指令，所述执行指令被处理器执行时用于实现如权利要求1-8中任一项所述的方法。