[发明专利]一种文档辅助编辑的方法和系统有效
| 申请号: | 202110672721.7 | 申请日: | 2020-09-14 |
| 公开(公告)号: | CN113312884B | 公开(公告)日: | 2022-02-08 |
| 发明(设计)人: | 李延 | 申请(专利权)人: | 苏州七星天专利运营管理有限责任公司 |
| 主分类号: | G06F40/166 | 分类号: | G06F40/166;G06F40/14;G06F40/197;G06N20/00 |
| 代理公司: | 成都七星天知识产权代理有限公司 51253 | 代理人: | 杨永梅 |
| 地址: | 215011 江苏*** | 国省代码: | 江苏;32 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 文档 辅助 编辑 方法 系统 | ||
1.一种文档辅助编辑的方法,应用于服务器,包括:
获取第一文本,所述第一文本包括至少一条论述,每条所述论述包括至少一个关键点;
基于所述第一文本,获取第二文本的文本结构;
所述第二文本的文本结构为树形结构,包括与所述至少一条论述或/和所述至少一个关键点对应的至少一个结构节点,所述结构节点通过人工输入生成,或者通过结构节点生成模型生成;所述结构节点生成模型为机器学习模型,输入特征包括所述结构节点的上级结构节点的内容特征和平级结构节点的内容特征;其中,所述上级结构节点的内容特征或所述平级结构节点的内容特征包括所述上级结构节点或所述平级结构节点的以下一种或多种特征:对应的论述、对应的关键点、所述对应的关键点的关键点类型特征、对应的文本单元的类型和对所述对应的文本单元的相关要求;
所述第二文本还包括与所述至少一个结构节点对应的至少一个文本单元,所述至少一个文本单元用于说明所述第一文本。
2.由权利要求1所述的方法,所述结构节点生成模型为神经网络模型,通过训练生成。
3.由权利要求1所述的方法,还包括:
所述关键点类型特征通过关键点类型判别模型获得;
所述关键点类型判别模型为机器学习模型,包括嵌入子模型和分类子模型;
所述嵌入子模型基于关键点文本生成关键点文本表示向量;
所述分类子模型基于所述关键点文本表示向量生成所述关键点类型特征。
4.由权利要求1所述的方法,所述方法还包括:
接收客户端发送的获取多个相邻文本单元的请求;
基于所述请求从数据库获取所述多个相邻文本单元,并将所述多个相邻本文单元发送至所述客户端。
5.一种文档辅助编辑的系统,包括:
第一文本获取模块,用于获取第一文本,所述第一文本包括至少一条论述,每条所述论述包括至少一个关键点;
文本结构生成模块,用于基于所述第一文本,获取第二文本的文本结构;
所述第二文本的文本结构为树形结构,包括与所述至少一条论述或/和所述至少一个关键点对应的至少一个结构节点,所述结构节点通过人工输入生成,或者通过结构节点生成模型生成;所述结构节点生成模型为机器学习模型,输入特征包括所述结构节点的上级结构节点的内容特征和平级结构节点的内容特征;其中,所述上级结构节点的内容特征或所述平级结构节点的内容特征包括所述上级结构节点或所述平级结构节点的以下一种或多种特征:对应的论述、对应的关键点、所述对应的关键点的关键点类型特征、对应的文本单元的类型和对所述对应的文本单元的相关要求;
所述第二文本还包括与所述至少一个结构节点对应的至少一个文本单元,所述至少一个文本单元用于说明所述第一文本。
6.由权利要求5所述的系统,所述结构节点生成模型为神经网络模型,通过训练生成。
7.由权利要求5所述的系统,还包括:
所述关键点类型特征通过关键点类型判别模型获得;
所述关键点类型判别模型为机器学习模型,包括嵌入子模型和分类子模型;
所述嵌入子模型基于关键点文本生成关键点文本表示向量;
所述分类子模型基于所述关键点文本表示向量生成所述关键点类型特征。
8.由权利要求5所述的系统,还包括:
请求接收模块,用于接收客户端发送的获取多个相邻文本单元的请求;
文本单元发送模块,用于基于所述请求从数据库获取所述多个相邻文本单元,并将所述多个相邻本文单元发送至所述客户端。
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苏州七星天专利运营管理有限责任公司,未经苏州七星天专利运营管理有限责任公司许可,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/202110672721.7/1.html,转载请声明来源钻瓜专利网。
- 上一篇:操作方法、系统及存储介质
- 下一篇:一种基于单一动力源的模块化灵巧操作臂





