产品名称识别/分类

Question

我是机器学习的新手，所以请原谅这个问题中的任何错误...

问题定义

我们正在一个有以下特定要求的项目中工作：

1. 用户从包含一堆产品（药品）的药房架子上拍照，并将其上传到Azure

2. 我们正在使用Azure认知服务对图片进行OCR，并从中检测文本

3. 在大多数情况下，OCR将返回很多文本，其中很多有用，但有些行我们不需要它们，OCR可能返回拼写错误的单词（与产品名称非常相似）

4. 我们有一个产品名称/公认术语的词典（手工制作（种类为vademecum））

5. 我们需要的是OCR返回的每一行文本：

   • 与已知产品名称/可识别术语相匹配
   • 丢弃未知单词

示例

1. 我们以以下图片为例： Sample Image

2. OCR返回以下行（ 在第二列（--->）我们的预期结果 ）：

   • flex ---> NULL
   • F1ORAT1L ---> FLORATIL
   • FLORATI L 100 ---> FLORATIL
   • FLORATIL 200 ---> FLORATIL
   • FLORATIL AT 250 ---> FLORATIL
   • Enterogermina ---> ENTEROGERMINA
   • PROMOCAO ---> NULL
   • 是27.30 ---> NULL
   • bocedii CNCM I ---> NULL
   • VALE POR ---> NULL
   • TA BARATO ---> NULL

问题

1. OCR可能会返回拼写错误的单词（与产品名称非常相似）请参见第2行和第3行。您如何建议实施这种模糊匹配？

2. 我们希望将不同类型的产品配置（FLORATIL 100，FLORATIL 200，FLORATIL AT 250）加入主要药物类别= FLORATIL

3. 您如何看待遵循的最佳管道来解决此问题？我们想使用Azure机器学习服务中可用的任何算法，但是我们可以使用python或其他堆栈

谢谢！

Answer 1

根据您的需求定义，您可以简单地添加Azure搜索并获得所需的内容：

• 致电OCR
• 对于OCR结果中的每个项目，请调用Azure搜索（在每个单词后添加~并指定queryType=full以执行模糊匹配，请参阅文档here）
  • 使用搜索结果获得最高匹配项，并根据需要使用提供的分数过滤不匹配的结果

您只需要使用提到的字典来设置Azure搜索