文档处理方法、装置、设备、存储介质及程序产品与流程

本公开涉及计算机，尤其涉及人工智能、计算机视觉领域。

背景技术：

1、在对包含多个产品的非结构化产品手册文档进行产品分离时，通常是先对整个文档进行整体分析，生成全局的文本、图片等信息，然后从全局信息中分离出各个产品对应的信息。但这种方式对各产品对应的信息进行分离的效果较差。因此，如何在包含多个产品对应信息的文档中有效分离出各个产品对应的信息成为亟待解决的问题。

技术实现思路

1、本公开提供了一种文档处理方法、装置、设备、存储介质及程序产品，以提升在包含多个产品对应信息的文档中分离出各个产品对应的信息的准确性。

2、根据本公开的一方面，提供了一种文档处理方法，包括：对目标文档页面进行版面解析，得到目标文档页面的页面布局对象以及页面布局对象的布局特征，目标文档页面为包括多个产品信息的非结构化页面，页面布局对象包括与目标产品关联的文本、图像、表格中的至少一种；基于页面布局对象的布局特征，在目标文档页面中确定至少一个候选产品区域；对至少一个候选产品区域进行信息抽取，生成目标产品的结构化产品信息。

3、根据本公开的另一方面，提供了一种文档处理装置，包括：解析单元，被配置为对目标文档页面进行版面解析，得到目标文档页面的页面布局对象以及页面布局对象的布局特征，目标文档页面为包括多个产品信息的非结构化页面，页面布局对象包括与目标产品关联的文本、图像、表格中的至少一种；确定单元，被配置为基于页面布局对象的布局特征，在目标文档页面中确定至少一个候选产品区域；生成单元，被配置为对至少一个候选产品区域进行信息抽取，生成目标产品的结构化产品信息。

4、根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本公开实施例的方法。

5、根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行本公开实施例的方法。

6、根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现本公开实施例的方法。

7、本公开通过在信息抽取前执行版面解析，首先利用目标页面文档中页面布局对象的布局特征，在目标页面中精准识别出每个候选产品区域，从而将整页文档拆分为与具体产品对应的更小处理单元。这种基于空间布局的预划分，不仅从物理上隔离了不同产品的信息载体，解决了因文本流混合导致的产品属性误关联或跨产品字段串扰，还显著降低了信息抽取过程中的噪声干扰和歧义性，有效提升了在多产品同页场景下生成目标产品的结构化产品信息的准确性。

8、应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

1.一种文档处理方法，包括：

2.根据权利要求1所述的方法，其中，所述对目标文档页面进行版面解析，得到所述目标文档页面的页面布局对象以及所述页面布局对象的布局特征，包括：

3.根据权利要求1所述的方法，其中，所述基于所述页面布局对象的布局特征，在所述目标文档页面中确定至少一个候选产品区域，包括：

4.根据权利要求3所述的方法，其中，所述基于所述聚类处理的结果，对所述目标文档页面进行划分，得到至少一个候选产品区域，包括：

5.根据权利要求1-4中任一项所述的方法，其中，所述布局特征包括以下至少一项：所述页面布局对象的坐标信息、所述页面布局对象的尺寸信息、所述页面布局对象在所述目标文档页面中的相对位置信息、所述页面布局对象的语义类别、所述页面布局对象的尺寸与所述目标文档页面的尺寸之间的比值。

6.根据权利要求1-4中任一项所述的方法，所述在所述目标文档页面中确定至少一个候选产品区域之后，所述方法还包括：

7.根据权利要求1-4中任一项所述的方法，其中，所述对所述至少一个候选产品区域进行信息抽取，生成所述目标产品的结构化产品信息，包括：

8.根据权利要求7所述的方法，其中，所述对所述至少一个候选产品区域分别对应的裁剪块进行内容识别，并基于所述识别得到的内容，生成所述结构化产品信息，包括：

9.根据权利要求7所述的方法，其中，所述对所述至少一个候选产品区域分别对应的裁剪块进行内容识别，并基于所述识别得到的内容，生成所述结构化产品信息，包括：

10.根据权利要求7所述的方法，其中，所述对所述至少一个候选产品区域分别对应的裁剪块进行内容识别，并基于所述识别得到的内容，生成所述结构化产品信息，包括：

11.根据权利要求10所述的方法，其中，所述文本结构块包括以下至少一项：

12.根据权利要求11所述的方法，其中，所述基于所述结构化文本，生成所述结构化产品信息，包括：

13.根据权利要求11所述的方法，还包括：

14.根据权利要求1所述的方法，其中，所述对所述至少一个候选产品区域进行信息抽取，生成所述目标产品的结构化产品信息，包括：

15.根据权利要求1所述的方法，所述对所述至少一个候选产品区域进行信息抽取，生成所述目标产品的结构化产品信息之后，所述方法还包括：

16.一种文档处理装置，包括：

17.一种电子设备，包括：

18.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-15中任一项所述的方法。

19.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-15中任一项所述的方法。