0 X, ?0 M& Z9 L' {: D* |7 }# V! @A题 电商平台图片中文字的识别- ^+ M& l. ]9 y4 t 一、背景:1 X3 L) N7 s) O5 ]7 {5 p6 ^
由于电子商务环境下用户无法接触商品实物,电商网站提供的商品信息是用户做出购买决定的重要依据。不同的电商平台展现商品信息的风格虽然各有不同,总的来 说商品信息除了一部分以文本、表格形式给出外,越来越多地以图片的形式呈现。图1是京东商城上某电水壶商品页面的示例。" `8 K6 j) b: o! u
& ]% L ]" K; g# ]8 d) _" V0 x . ]! a5 x. ~& ~, ]' x; ` 图1、京东商城的某商品页面& l. n" P) n, |# c3 r/ i
" S0 h! c' D9 q) b( [1 |: o
京东商城商品页面中的“规格参数”部分以文本表格的形式给出了商品的常规属性,对特定的商品类目这部分往往有比较固定的内容格式,如图2所示。 " P/ O' b/ E1 C 6 Z6 Z7 a p. q' W . M2 k' t( b- i 图2、某品牌电水壶的规格参数信息3 i4 o/ L: z% a
* I. D& Z E* a- A ?5 I e, | 京东商城的“商品介绍”部分主要以图片列表的形式提供有关商品的更多信息,包括商品独特的设计特点、商品的优势、适用场景等。商品信息图片提供了很多“规格参数”部分未包含的商品信息,是顾客了解和选择商品的重要参考,如图3所示。4 {; W7 L6 `7 J1 Q
图 片是一种更为生动和形象的视觉表达方式,但也为电子商务网站的管理者带来了技术上的挑战。电商平台对商家发布的商品信息有严格的管理规范,如《京东开放平 台禁发商品及信息管理规范》:http://help.jd.com/Vender/viewQuestion-852-2011.html 和《京东开放平台商品标题及广告语发布规范》http://help.jd.com/Vender/viewQuestion- 852-2687.html。 在这里,我们主要考虑商品信息图片中的文本信息的管理问题:图片中的文本以光学字符的形式表达,不能使用计算机直接检索和处理。 & r! T$ b( N2 p% T. G7 O. J 最常见的问题是, 商品信息图片中的内容和商品规格参数中的内容不一致。例如某电热水壶产品规格参数中标明材质为“拉丝不锈钢”,而商品信息图片中介绍为304不锈钢。这将 造成用户理解上的困扰:到底哪一个是准确的呢?实际上“拉丝”是不锈钢的一种表面处理工艺,“拉丝不锈钢”并没有说明所采用不锈钢材料的成分所符合的国家 标准。0 r& |3 o5 i( f2 f! G- p2 ?9 g) j
商品信息图片可能出现的另一个问题是,采用图片的方式来规避对敏感或违禁词的检测。我国的《广告法》和《反不正当竞争法》分别对虚假广告和 利用广告作引人误解的虚假宣传作了禁止性规定。文本形式的商品介绍信息较易进行检测,而使用图片将大大增加电商网站监管的难度和工作量。除了电商网站,微 信等社交软件中也存在大量以图像格式存在的文本信息,所以这一问题具有普遍性。 8 ?6 K D! L5 e v 要解决以上的这些问题,需要设计一个系统来自动地从商品信息图片上提取其中的文本信息,这将有助于电子商务企业更好地做出商品推荐、售后服务和信息监管......+ W" L P2 {3 E Q