[发明专利]中文图象字学习系统及其信息处理方法有效

专利信息
申请号: 201610944844.0 申请日: 2016-11-02
公开(公告)号: CN107545525B 公开(公告)日: 2021-11-16
发明(设计)人: 廖文豪 申请(专利权)人: 廖文豪
主分类号: G06Q50/20 分类号: G06Q50/20;G06F16/31;G09B5/12
代理公司: 北京国昊天诚知识产权代理有限公司 11315 代理人: 南霆;程爽
地址: 中国台*** 国省代码: 台湾;71
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 中文 图象 学习 系统 及其 信息处理 方法
【权利要求书】:

1.一种中文图象字学习系统的信息处理方法,由服务器通过网络与使用者端连接,所述服务器提供信息平台,所述信息平台包括汉字树模式、字检索模式,所述信息平台设有输入检索文字信息的文字检索功能区,所述汉字树模式执行以下步骤:

提供以多个图象元形成的衍生树信息;

判断是否收到图象元的展开指令;

若是,则根据所述展开指令产生图象元的下一层衍生树信息;

若否,则判断是否收到图象元的选择指令;

若收到所述选择指令,则执行所述字检索模式以产生多层的图象解说信息;或者

若收到所述检索文字信息,则执行所述字检索模式以产生另一多层的图象解说信息;

当上述步骤执行至若收到所述选择指令或前述的检索文字信息,则执行所述字检索模式以产生一多层的图象解说信息的步骤,所述方法更包括以下步骤:

根据所述选择指令或前述的检索文字信息,取得相关的图象字的图象元信息,所述图象字由所述多个图象元中的至少一个图象元所组成,所述的图象元是将每一个汉字部件转换为一具有独立意义的基本图象符号;

根据所有图象字的图象元信息及其关联性,产生所述多层的图象解说信息,并显示于所述信息平台;

判断是否收到选字指令;

若是,则根据所述选字指令取得所述图象解说信息中的对应图象字信息;

当上述步骤执行至根据所述选择指令或前述的检索文字信息,取得相关的图象字的图象元信息的步骤,所述方法更包括以下子步骤:

根据所述选择指令或前述的检索文字信息,取得图象字代码;

将所述图象字代码与所有图象字进行比对,以产生比对结果信息,所述比对结果信息包括对应所述图象字代码的图象字相关数据,所述图象字相关数据包括一组衍生来源数据以及一组成型态数据,所述一组衍生来源数据包括多个衍生来源,所述组成型态数据为所述多个衍生来源之组合方式的数据,且所述多个衍生来源为基于甲骨文及金文的古文;

当上述步骤执行至根据所有图象字的图象元信息及其关联性,产生所述多层的图象解说信息,并显示于所述信息平台的步骤,所述方法更包括以下子步骤:

根据所述比对结果信息,取得中层的图象示意说明信息、上层的构件信息、下层的衍生字信息,所述上层的构件信息包括所述一组衍生来源数据以及所述组成型态数据。

2.根据权利要求1所述的中文图象字学习系统的信息处理方法,其特征在于,当上述步骤执行至根据所述展开指令产生图象元的下一层衍生树信息的步骤,所述方法更包括以下子步骤:

判断是否已收到过相同图象元的展开指令;

若否,则读取所述图象元的下一层衍生树信息;

判断所述图象元是否还有再下一层的衍生树信息;

若是,则读取所述图象元的再下一层的衍生树信息;

根据所述图象元的再下一层的衍生树信息计算所需的展开空间范围信息;

依照所述展开空间范围信息,将所有所述图象元的再下一层的衍生树信息展开。

3.根据权利要求2所述的中文图象字学习系统的信息处理方法,其特征在于,当上述的子步骤执行至判断是否已收到过相同图象元的展开指令的步骤,所述方法更包括以下子步骤:

若已收到过相同图象元的展开指令,则将已展开的所述图象元的下一层衍生树信息移除;

计算移除前述下一层衍生树信息后所需的另一展开空间范围信息,并重新呈现全部的衍生树信息。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于廖文豪,未经廖文豪许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201610944844.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top