CN113885984A - 基于图像识别的操作指引生成方法、装置、设备及介质 - Google Patents

基于图像识别的操作指引生成方法、装置、设备及介质 Download PDF

Info

Publication number
CN113885984A
CN113885984A CN202111147866.1A CN202111147866A CN113885984A CN 113885984 A CN113885984 A CN 113885984A CN 202111147866 A CN202111147866 A CN 202111147866A CN 113885984 A CN113885984 A CN 113885984A
Authority
CN
China
Prior art keywords
text
image
vector
word segmentation
operation guide
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111147866.1A
Other languages
English (en)
Inventor
郑立君
罗国辉
刘申云
许海金
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Bank Co Ltd
Original Assignee
Ping An Bank Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ping An Bank Co Ltd filed Critical Ping An Bank Co Ltd
Priority to CN202111147866.1A priority Critical patent/CN113885984A/zh
Publication of CN113885984A publication Critical patent/CN113885984A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/451—Execution arrangements for user interfaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Human Computer Interaction (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Character Input (AREA)

Abstract

本发明涉及人工智能技术，揭露了一种基于图像识别的操作指引生成方法，包括：获取产品购买流程中每一个流程节点的页面截图，识别页面截图中的图像文本；将图像文本分词为文本分词；获取产品购买流程中每一个流程节点的操作指引文本，提取操作指引文本的文本语义；利用文本语义构建决策树模型，并利用决策树模型对文本分词进行筛选，得到文本关键词；利用操作指引文本在页面截图内文本关键词的位置进行标注，并将所有标注后的页面截图汇集为产品购买流程的界面操作指引。此外，本发明还涉及区块链技术，页面截图可存储于区块链的节点。本发明还提出一种基于图像识别的操作指引生成装置、电子及介质。本发明可以提高对用户进行操作指引的精确度。

Description

基于图像识别的操作指引生成方法、装置、设备及介质
技术领域
本发明涉及人工智能技术领域，尤其涉及一种基于图像识别的操作指引生成方法、装置、电子设备及计算机可读存储介质。
背景技术
随着用户需求的多样化，市场上涌现出越来越多的产品，但是对于许多产品，都存在着较为复杂的购买流程，例如，银行或券商销售的理财产品，或在购买时需要选择多种型号、多种款式导致需要复杂购买流程的产品等，因此，如何对用户进行操作指引，避免用户由于流程复杂而产生操作错误，成为了人们关注的重点。
现有的方法中，多为按照操作流程生成操作说明书，以操作说明书的形式对用户进行阐述，但该方法中，生成的操作说明书往往内容繁杂，用户阅读后无法精确地知晓操作流程，因此，如何提高对用户进行操作指引的精确度，成为了亟待解决的问题。
发明内容
本发明提供一种基于图像识别的操作指引生成方法、装置及计算机可读存储介质，其主要目的在于解决对用户进行操作指引时的精确性较低的问题。
为实现上述目的，本发明提供的一种基于图像识别的操作指引生成方法，包括：
获取产品购买流程中每一个流程节点的页面截图，识别所述页面截图中的图像文本；
对所述图像文本进行分词，得到文本分词；
获取所述产品购买流程中每一个流程节点的操作指引文本，提取所述操作指引文本的文本语义；
利用所述文本语义构建决策树模型，并利用所述决策树模型对所述文本分词进行筛选，得到文本关键词；
利用所述操作指引文本在所述页面截图内所述文本关键词的位置进行标注，并将所有标注后的页面截图汇集为所述产品购买流程的界面操作指引。
可选地，所述识别所述页面截图中的图像文本，包括：
对所述页面截图进行图像分块，得到多个图像块；
分别对所述多个图像块中每一个图像块进行卷积、池化处理，得到的图像特征；
计算所述图像特征与预设的文字特征的距离值，并汇集所述距离值小于预设距离阈值的图像块为文字图像块；
对所述文字图像块进行二值化处理，并对所述二值化处理后的文字图像块进行文字分块，得到单字图像；
利用预设的文字识别模型对所述单字图像进行文字识别，并将所述文字识别的结果汇集为图形文本。
可选地，所述对所述文字图像块进行二值化处理，包括：
逐个从所述文字图像块中选取一个像素点为目标像素点；
判断所述目标像素点的像素值是否大于预设的像素阈值；
若所述目标像素点的像素值大于所述像素阈值，将所述目标像素点的像素值置为第一参数值；
若所述目标像素点的像素值小于或等于所述像素阈值，将所述目标像素点的像素值置为第二参数值。
可选地，所述对所述图像文本进行分词，得到文本分词，包括：
按照不同的预设长度将所述图像文本进行切分，得到切分文本；
在预设词典中对所述切分文本进行检索，并将在所述预设词典中检索到的切分文本作为所述图像文本的文本分词。
可选地，所述提取所述操作指引文本的文本语义，包括：
对所述操作指引文本进行分词，得到操作指引分词；
将所述操作指引分词中每一个分词转换为分词向量，对所述分词向量进行长度统一化处理，得到统一长度向量；
将每一个所述统一长度向量作为行向量拼接为向量矩阵，并将所述向量矩阵作为所述操作指引文本的文本语义。
可选地，所述对所述分词向量进行长度统一化处理，得到统一长度向量，包括：
统计每一个所述分词向量的向量长度，确定所述向量长度最大的分词向量为目标向量；
利用预设参数将所述分词向量中每一个向量的向量长度延长至所述目标向量的向量长度，得到统一长度向量。
可选地，所述利用所述文本语义构建决策树模型，包括：
从所述产品购买流程中逐个选取其中一个流程节点为目标节点；
利用所述目标节点的操作指引文本的文本语义对预设的决策函数进行赋值，并将赋值后的决策函数作为决策条件生成所述目标节点的决策树；
汇集所述产品购买流程中所有流程节点的决策树为决策树模型。
为了解决上述问题，本发明还提供一种基于图像识别的操作指引生成装置，所述装置包括：
文本识别模块，用于获取产品购买流程中每一个流程节点的页面截图，识别所述页面截图中的图像文本；
文本分词模块，用于对所述图像文本进行分词，得到文本分词；
语义提取模块，用于获取所述产品购买流程中每一个流程节点的操作指引文本，提取所述操作指引文本的文本语义；
文本筛选模块，用于利用所述文本语义构建决策树模型，并利用所述决策树模型对所述文本分词进行筛选，得到文本关键词；
指引标注模块，用于利用所述操作指引文本在所述页面截图内所述文本关键词的位置进行标注，并将所有标注后的页面截图汇集为所述产品购买流程的界面操作指引。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的基于图像识别的操作指引生成方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于图像识别的操作指引生成方法。
本发明实施例能够分别对产品购买流程中不同流程节点的页面截图进行图像识别，并利用获取的每个流程节点的操作指引文本构建决策树模型，以利用所述决策树模型对图像识别得到的文本进行筛选，得到需要标注的关键词，进而利用该操作指引文本对每一个流程节点的页面截图中的关键词进行标注，实现了利用操作指引文本对流程节点中的内容进行精确标注，提高了操作指引的精确度。因此本发明提出的基于图像识别的操作指引生成方法、装置、电子设备及计算机可读存储介质，可以解决对用户进行操作指引时的精确性较低的问题。
附图说明
图1为本发明一实施例提供的基于图像识别的操作指引生成方法的流程示意图；
图2为本发明一实施例提供的对文字图像块进行二值化处理的流程示意图；
图3为本发明一实施例提供的提取文本语义的流程示意图；
图4为本发明一实施例提供的基于图像识别的操作指引生成装置的功能模块图；
图5为本发明一实施例提供的实现所述基于图像识别的操作指引生成方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种基于图像识别的操作指引生成方法。所述基于图像识别的操作指引生成方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于图像识别的操作指引生成方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content DeliveryNetwork，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的基于图像识别的操作指引生成方法的流程示意图。在本实施例中，所述基于图像识别的操作指引生成方法包括：
S1、获取产品购买流程中每一个流程节点的页面截图，识别所述页面截图中的图像文本。
本发明实施例中，所述界面截图可以为任何产品在购买流程中不同流程节点的页面(如手机端app页面、电脑端网站页面等)截图。例如，用户在购买产品A的过程中，产品A的购买界面的截图、产品A的类型选择界面的截图、产品A的付款界面的截图等。
详细地，可利用具有数据抓取功能的计算机语句(如java语句、python语句等)从预先构建的存储区域抓取预先存储的页面截图，所述存储区域包括但不限于数据、区块链节点、网络缓存。
具体地，所述页面截图可以为预先获取到的产品购买流程中每一个流程节点的无标注页面截图，进而本发明实施例后续可根据截图生成对应的标注，以实现在用户进行实际购买操作时，可根据预先标注的内容进行产品购买。
本发明实施例中，可利用OCR(Optical Character Recognition，光学字符识别)技术、基于注意力机制的深度学习技术等方式对所述页面截图进行图像识别，以获取所述页面截图中包含的图像文本。
本发明其中一个实施例中，所述识别所述页面截图中的图像文本，包括：
对所述页面截图进行图像分块，得到多个图像块；
分别对所述多个图像块中每一个图像块进行卷积、池化处理，得到的图像特征；
计算所述图像特征与预设的文字特征的距离值，并汇集所述距离值小于预设距离阈值的图像块为文字图像块；
对所述文字图像块进行二值化处理，并对所述二值化处理后的文字图像块进行文字分块，得到单字图像；
利用预设的文字识别模型对所述单字图像进行文字识别，并将所述文字识别的结果汇集为图形文本。
详细地，由于所述页面截图中并不是每块区域中均包含文字，若直接对所述页面截图中所有内容进行文字识别，会占用大量的计算资源，导致识别效率低下，因此，可按照预设的尺寸对所述页面截图进行图像分块，得到每一个所述页面截图的多个图像块。
进而可对所述多个图像块中每一个图像块进行卷积、池化等操作，以提取每一个图像块中的图像特征，并利用预设的距离值算法计算所述图像特征与所述预设的文字特征的距离值，以根据所述距离值判断图像块中是否包含文字。
本发明实施例中，所述计算所述图像特征与预设的文字特征的距离值，包括：
利用如下距离算法计算所述图像特征与预设的文字特征的距离值：
Figure BDA0003286078060000061
其中，D为所述距离值，a为所述图像特征，b为所述预设的文字特征。
详细地，可选取所述距离值小于预设距离阈值的图像块为包含文字的图像块，并选取的文字图像块进行二值化处理，以去除所述文字图像块中包含的背景信息，提高对所述文字图像块中的文字进行识别的精确度。
本发明实施例中，参图2所示，所述对所述文字图像块进行二值化处理，包括：
S21、逐个从所述文字图像块中选取一个像素点为目标像素点；
S22、判断所述目标像素点的像素值是否大于预设的像素阈值；
若所述目标像素点的像素值大于所述像素阈值，则执行S23、将所述目标像素点的像素值置为第一参数值；
若所述目标像素点的像素值小于或等于所述像素阈值，则执行S24、将所述目标像素点的像素值置为第二参数值。
详细地，当所述文字图像块经过所述二值化处理后，可将所述文字图像块中的文字形状凸显出来，但得到的二值化图像中，可能包含多个文字，且由于汉字中存在多种复杂字形的文字，因此，为了提高对所述文字图像的识别效率，可将二值化处理后的文字图像按照单个字进行切分，得到单字图像。
本发明实施例中，可利用利用预设的文字识别模型对所述单字图像进行文字识别，并将所述文字识别的结果汇集为图形文本，所述文字识别模型是指但不限于具有字形识别功能的人工智能模型，所述文字识别模型包括但不限于CTC(Connectionist temporalclassification，连接主义时间分类)模型，Text-RCNN模型。
S2、对所述图像文本进行分词，得到文本分词。
本发明实施例中，由于从所述页面截图中识别出的文本中可能包含着大量的文字数据，但在生成页面操作指引时，仅需要对页面中关键的文字数据进行标注即可，以提高指引的精确性，因此，可对所述图像文本进行分词处理，得到所述图像文本的文本分词，以便于后续从所述文本分词中筛选出重要关键词来生成所述页面操作指引。
本发明实施例中，所述对所述图像文本进行分词，得到文本分词，包括：
按照不同的预设长度将所述图像文本进行切分，得到切分文本；
在预设词典中对所述切分文本进行检索，并将在所述预设词典中检索到的切分文本作为所述图像文本的文本分词。
详细地，由于所述图像文本中可能存在着较长的语句，因此，可按照预设长度将所述图像文本切分为多个较短的切分文本，进而在预设词典中对所述切分文本进行检索，若可以检索到切分文本，则可将检索到的切分文本作为所述图像文本的文本分词，其中，所述预设词典为预先获取的包含多个标准词条的词典。
例如，存在图像文本：“点击购买”，可按照长度2对所述图像文本进行切分，得到切分文本“点击”和“购买”，再按照长度3对所述图像文本进行切分，得到切分文本“点击购”和“击购买”，分别将切分文本在所述预设词典中进行检索，可检索到切分文本“点击”和“购买”，则将可检索到的切分文本“点击”和“购买”作为该图像文本的文本分词。
S3、获取所述产品购买流程中每一个流程节点的操作指引文本，提取所述操作指引文本的文本语义。
本发明实施例中，所述操作指引文本为预先获取的对所述产品购买流程中每一个流程节点的操作具有指引效果的文本。
例如，对于页面中的购买按钮，可获取“点击此处进行购买”，或者“点击此处跳转支付页面”的操作指引文本；对于页面中选择产品类型的按钮，可获取“点击此处筛选产品类型”，或者“点击此处进行产品选择”的操作指引文本。
详细地，所述获取所述产品购买流程中每一个流程节点的操作指引文本的步骤，与S1中获取产品购买流程中每一个流程节点的页面截图的步骤一致，在此不做赘述。
本发明实施例中，为了提高生成的界面操作指引的精确度，可提取获得的所述操作指引文本的文本语义，进而根据所述文本语义对所述文本分词进行筛选。
本发明实施例中，参图3所示，所述提取所述操作指引文本的文本语义，包括：
S31、对所述操作指引文本进行分词，得到操作指引分词；
S32、将所述操作指引分词中每一个分词转换为分词向量，对所述分词向量进行长度统一化处理，得到统一长度向量；
S33、将每一个所述统一长度向量作为行向量拼接为向量矩阵，并将所述向量矩阵作为所述操作指引文本的文本语义。
详细地，所述对所述操作指引文本进行分词，得到操作指引分词的步骤，与S2中对所述图像文本进行分词，得到文本分词的步骤一致，在此不做赘述。
具体地，可利用预设的word2vec算法、bert算法、one-hot算法将所述操作指引分词中每一个分词转换为分词向量。
本发明实施例中，由于所述操作指引分词中包含多个分词，且每一个分词转换得到的分词向量的长度不一定相同，因此，为了后续对分词进行分析时的便捷性，可利用预设参数将所述分词向量中每一个分词向量的向量长度延长为统一的长度。
本发明实施例中，所述对所述分词向量进行长度统一化处理，得到统一长度向量，包括：
统计每一个所述分词向量的向量长度，确定所述向量长度最大的分词向量为目标向量；
利用预设参数将所述分词向量中每一个向量的向量长度延长至所述目标向量的向量长度，得到统一长度向量。
例如，所述分词向量中包括分词向量A：(1,2)，分词向量B：(2,5,6,8)，和分词向量C：(6,3,9)；其中，分词向量A的向量长度为2，分词向量B的向量长度为4，分词向量C的长度为3，则可选取分词向量B为目标向量，当预设参数为0时，可利用该预设参数将分词向量A延长为(1,2,0,0)，利用该预设参数将分词向量C延长为(6,3,9,0)。
进而，可将延长后分词向量A、分词向量B和分词向量C分别作为行向量，拼接为如下向量矩阵：
Figure BDA0003286078060000091
本发明实施例中，可将拼接得到的所述向量矩阵作为所述操作指引文本的文本语义。
S4、利用所述文本语义构建决策树模型，并利用所述决策树模型对所述文本分词进行筛选，得到文本关键词。
本发明实施例中，为了在所述页面截图中实现精确地操作指引流程的标注，可利用所述文本语义构建决策树模型，进而利用所述决策树模型对所述文本分词进行筛选，以获取需要进行指引标注的文本关键词。
本发明实施例中，所述利用所述文本语义构建决策树模型，包括：
从所述产品购买流程中逐个选取其中一个流程节点为目标节点；
利用所述目标节点的操作指引文本的文本语义对预设的决策函数进行赋值，并将赋值后的决策函数作为决策条件生成所述目标节点的决策树；
汇集所述产品购买流程中所有流程节点的决策树为决策树模型。
示例性地，所述决策函数可以为：
Figure BDA0003286078060000092
其中，f(x)为所述决策函数的输出值，x为所述决策函数的参数，g(y)为所述决策函数的输入值。
详细地，可从所述产品购买流程中逐个选取其中一个流程节点为目标节点，利用该目标节点的操作指引文本对应的文本语义对所述决策函数的参数x进行赋值，并将赋值后的决策函数作为决策条件生成如下决策树：
当所述决策树的输入值g(y)与所述决策树的参数x相符时，该决策树输出值f(x)＝α；
当所述决策树的输入至g(y)与所述决策树的参数x不相符时，该决策树输出值f(x)＝β。
本发明实施例中，可利用并联的形式将所述产品特征中每一个特征对应的决策树进行汇集，得到决策树模型。
进一步地，可利用所述决策树模型对所述文本分词进行筛选，得到文本关键词。
例如，所述决策树模型中包含流程节点A和流程节点B的决策树，其中流程节点A对应的决策树为决策树a，流程节点B对应的决策树为决策树b，选取决策树a为目标决策树；将输入值(文本分词)输入至所述决策树a，得到所述决策树a输出的所述输入值与所述决策树a的参数相同的输出结果(文本关键词)；将输入值(文本分词)输入至所述决策树b，得到所述决策树b输出的所述输入值与所述决策树b的参数不相同的输出结果(文本关键词)，进而将每个流程节点输出的文本关键词作为该流程节点需要利用操作指引文本标记的关键词。
S5、利用所述操作指引文本在所述页面截图内所述文本关键词的位置进行标注，并将所有标注后的页面截图汇集为所述产品购买流程的界面操作指引。
本发明实施例中，可利用所述操作指引文本以文本框或者标签的形式在页面截图内所述文本关键词的位置对所述文本关键词进行标记，以实现在用户对所述页面截图进行浏览时，可迅速找到每一个页面的操作指引。
进一步地，可将所述产品购买流程中每一个流程节点被标注后的页面截图进行汇集，以得到所述产品购买流程的界面操作指引。
本发明实施例能够分别对产品购买流程中不同流程节点的页面截图进行图像识别，并利用获取的每个流程节点的操作指引文本构建决策树模型，以利用所述决策树模型对图像识别得到的文本进行筛选，得到需要标注的关键词，进而利用该操作指引文本对每一个流程节点的页面截图中的关键词进行标注，实现了利用操作指引文本对流程节点中的内容进行精确标注，提高了操作指引的精确度。因此本发明提出的基于图像识别的操作指引生成方法，可以解决对用户进行操作指引时的精确性较低的问题。
如图4所示，是本发明一实施例提供的基于图像识别的操作指引生成装置的功能模块图。
本发明所述基于图像识别的操作指引生成装置100可以安装于电子设备中。根据实现的功能，所述基于图像识别的操作指引生成装置100可以包括文本识别模块101、文本分词模块102、语义提取模块103、文本筛选模块104及指引标注模块105。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述文本识别模块101，用于获取产品购买流程中每一个流程节点的页面截图，识别所述页面截图中的图像文本；
所述文本分词模块102，用于对所述图像文本进行分词，得到文本分词；
所述语义提取模块103，用于获取所述产品购买流程中每一个流程节点的操作指引文本，提取所述操作指引文本的文本语义；
所述文本筛选模块104，用于利用所述文本语义构建决策树模型，并利用所述决策树模型对所述文本分词进行筛选，得到文本关键词；
所述指引标注模块105，用于利用所述操作指引文本在所述页面截图内所述文本关键词的位置进行标注，并将所有标注后的页面截图汇集为所述产品购买流程的界面操作指引。
详细地，本发明实施例中所述基于图像识别的操作指引生成装置100中所述的各模块在使用时采用与上述图1至图3中所述的基于图像识别的操作指引生成方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
如图5所示，是本发明一实施例提供的实现基于图像识别的操作指引生成方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如基于图像识别的操作指引生成程序。
其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(ControlUnit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行基于图像识别的操作指引生成程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如基于图像识别的操作指引生成程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图5仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图5示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的基于图像识别的操作指引生成程序是多个指令的组合，在所述处理器10中运行时，可以实现：
获取产品购买流程中每一个流程节点的页面截图，识别所述页面截图中的图像文本；
对所述图像文本进行分词，得到文本分词；
获取所述产品购买流程中每一个流程节点的操作指引文本，提取所述操作指引文本的文本语义；
利用所述文本语义构建决策树模型，并利用所述决策树模型对所述文本分词进行筛选，得到文本关键词；
利用所述操作指引文本在所述页面截图内所述文本关键词的位置进行标注，并将所有标注后的页面截图汇集为所述产品购买流程的界面操作指引。
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
获取产品购买流程中每一个流程节点的页面截图，识别所述页面截图中的图像文本；
对所述图像文本进行分词，得到文本分词；
获取所述产品购买流程中每一个流程节点的操作指引文本，提取所述操作指引文本的文本语义；
利用所述文本语义构建决策树模型，并利用所述决策树模型对所述文本分词进行筛选，得到文本关键词；
利用所述操作指引文本在所述页面截图内所述文本关键词的位置进行标注，并将所有标注后的页面截图汇集为所述产品购买流程的界面操作指引。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种基于图像识别的操作指引生成方法，其特征在于，所述方法包括：
获取产品购买流程中每一个流程节点的页面截图，识别所述页面截图中的图像文本；
对所述图像文本进行分词，得到文本分词；
获取所述产品购买流程中每一个流程节点的操作指引文本，提取所述操作指引文本的文本语义；
利用所述文本语义构建决策树模型，并利用所述决策树模型对所述文本分词进行筛选，得到文本关键词；
利用所述操作指引文本在所述页面截图内所述文本关键词的位置进行标注，并将所有标注后的页面截图汇集为所述产品购买流程的界面操作指引。
2.如权利要求1所述的基于图像识别的操作指引生成方法，其特征在于，所述识别所述页面截图中的图像文本，包括：
对所述页面截图进行图像分块，得到多个图像块；
分别对所述多个图像块中每一个图像块进行卷积、池化处理，得到的图像特征；
计算所述图像特征与预设的文字特征的距离值，并汇集所述距离值小于预设距离阈值的图像块为文字图像块；
对所述文字图像块进行二值化处理，并对所述二值化处理后的文字图像块进行文字分块，得到单字图像；
利用预设的文字识别模型对所述单字图像进行文字识别，并将所述文字识别的结果汇集为图形文本。
3.如权利要求2所述的基于图像识别的操作指引生成方法，其特征在于，所述对所述文字图像块进行二值化处理，包括：
逐个从所述文字图像块中选取一个像素点为目标像素点；
判断所述目标像素点的像素值是否大于预设的像素阈值；
若所述目标像素点的像素值大于所述像素阈值，将所述目标像素点的像素值置为第一参数值；
若所述目标像素点的像素值小于或等于所述像素阈值，将所述目标像素点的像素值置为第二参数值。
4.如权利要求1所述的基于图像识别的操作指引生成方法，其特征在于，所述对所述图像文本进行分词，得到文本分词，包括：
按照不同的预设长度将所述图像文本进行切分，得到切分文本；
在预设词典中对所述切分文本进行检索，并将在所述预设词典中检索到的切分文本作为所述图像文本的文本分词。
5.如权利要求1所述的基于图像识别的操作指引生成方法，其特征在于，所述提取所述操作指引文本的文本语义，包括：
对所述操作指引文本进行分词，得到操作指引分词；
将所述操作指引分词中每一个分词转换为分词向量，对所述分词向量进行长度统一化处理，得到统一长度向量；
将每一个所述统一长度向量作为行向量拼接为向量矩阵，并将所述向量矩阵作为所述操作指引文本的文本语义。
6.如权利要求5所述的基于图像识别的操作指引生成方法，其特征在于，所述对所述分词向量进行长度统一化处理，得到统一长度向量，包括：
统计每一个所述分词向量的向量长度，确定所述向量长度最大的分词向量为目标向量；
利用预设参数将所述分词向量中每一个向量的向量长度延长至所述目标向量的向量长度，得到统一长度向量。
7.如权利要求1至6中任一项所述的基于图像识别的操作指引生成方法，其特征在于，所述利用所述文本语义构建决策树模型，包括：
从所述产品购买流程中逐个选取其中一个流程节点为目标节点；
利用所述目标节点的操作指引文本的文本语义对预设的决策函数进行赋值，并将赋值后的决策函数作为决策条件生成所述目标节点的决策树；
汇集所述产品购买流程中所有流程节点的决策树为决策树模型。
8.一种基于图像识别的操作指引生成装置，其特征在于，所述装置包括：
文本识别模块，用于获取产品购买流程中每一个流程节点的页面截图，识别所述页面截图中的图像文本；
文本分词模块，用于对所述图像文本进行分词，得到文本分词；
语义提取模块，用于获取所述产品购买流程中每一个流程节点的操作指引文本，提取所述操作指引文本的文本语义；
文本筛选模块，用于利用所述文本语义构建决策树模型，并利用所述决策树模型对所述文本分词进行筛选，得到文本关键词；
指引标注模块，用于利用所述操作指引文本在所述页面截图内所述文本关键词的位置进行标注，并将所有标注后的页面截图汇集为所述产品购买流程的界面操作指引。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的基于图像识别的操作指引生成方法。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的基于图像识别的操作指引生成方法。
CN202111147866.1A 2021-09-29 2021-09-29 基于图像识别的操作指引生成方法、装置、设备及介质 Pending CN113885984A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111147866.1A CN113885984A (zh) 2021-09-29 2021-09-29 基于图像识别的操作指引生成方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111147866.1A CN113885984A (zh) 2021-09-29 2021-09-29 基于图像识别的操作指引生成方法、装置、设备及介质

Publications (1)

Publication Number Publication Date
CN113885984A true CN113885984A (zh) 2022-01-04

Family

ID=79007760

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111147866.1A Pending CN113885984A (zh) 2021-09-29 2021-09-29 基于图像识别的操作指引生成方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN113885984A (zh)

Similar Documents

Publication Publication Date Title
CN112528616B (zh) 业务表单生成方法、装置、电子设备及计算机存储介质
CN113157927A (zh) 文本分类方法、装置、电子设备及可读存储介质
CN113449187A (zh) 基于双画像的产品推荐方法、装置、设备及存储介质
CN113360654B (zh) 文本分类方法、装置、电子设备及可读存储介质
CN113704614A (zh) 基于用户画像的页面生成方法、装置、设备及介质
CN113268615A (zh) 资源标签生成方法、装置、电子设备及存储介质
CN113360768A (zh) 基于用户画像的产品推荐方法、装置、设备及存储介质
CN112860905A (zh) 文本信息抽取方法、装置、设备及可读存储介质
CN114138784A (zh) 基于存储库的信息溯源方法、装置、电子设备及介质
CN114416939A (zh) 智能问答方法、装置、设备及存储介质
CN113886708A (zh) 基于用户信息的产品推荐方法、装置、设备及存储介质
CN115018588A (zh) 产品推荐方法、装置、电子设备及可读存储介质
CN115238670A (zh) 信息文本抽取方法、装置、设备及存储介质
CN114677526A (zh) 图像分类方法、装置、设备及介质
CN113806492A (zh) 基于语义识别的记录生成方法、装置、设备及存储介质
CN113869456A (zh) 采样监测方法、装置、电子设备及存储介质
CN112347739A (zh) 适用规则分析方法、装置、电子设备及存储介质
CN114943306A (zh) 意图分类方法、装置、设备及存储介质
CN114780688A (zh) 基于规则匹配的文本质检方法、装置、设备及存储介质
CN115186240A (zh) 基于关联性信息的社交网络用户对齐方法、装置、介质
CN113723114A (zh) 基于多意图识别的语义分析方法、装置、设备及存储介质
CN114385815A (zh) 基于业务需求的新闻筛选方法、装置、设备及存储介质
CN114490666A (zh) 基于数据需求的图表生成方法、装置、设备及存储介质
CN113822215A (zh) 设备操作指引文件生成方法、装置、电子设备及存储介质
CN113626605A (zh) 信息分类方法、装置、电子设备及可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination