CN104123269A - 一种基于模板的出版物半自动生成方法及系统 - Google Patents

Abstract

本发明公开了一种基于模板的出版物半自动生成方法及系统，属于信息检索技术领域。本发明根据用户的需求选择相应的数字内容类型和版面布局，将用户的选择和确定的内容使用标记语言生成模板描述文件；根据模板描述文件在互联网进行信息抓取，同时在本地已经建立好的本地知识库中检索相关信息，对得到数据进行合并和相似度计算，得到相关内容列表，然后存储到本地数据库中；根据相关内容列表和关键词的相关性计算生成内容草稿；将内容草稿和相关内容列表自动发送到编辑软件，用户既可以对内容草稿的内容和格式进行修改，也可以使用相关内容列表中的内容替换内容草稿中的内容，最后生成最终稿件。

Description

一种基于模板的出版物半自动生成方法及系统

技术领域

本发明属于信息检索技术领域，更具体地，涉及一种基于模板的出版物半自动生成方法及系统，本发明利用标记语言、多媒体检索技术和信息融合技术实现出版物的半自动生成。

背景技术

现有的数字出版物的生成过程是：作者或编者根据自己出版物的主题查阅资料，进行文字录入，图像扫描和图形绘制，然后采用近似手工方式对自己感兴趣的题材进行编辑、创作，使其彼此之间按照有机的方式交互联系，具备良好的可读性。然而最终成稿的数字内容，除了点睛之笔外，有近60％～70％的内容来自于各种参考文献。传统的手工收集素材和传统的数字出版物的手工编辑方式需要大量的人力和物力，同时数字内容的撰写周期较长，获得的素材所包含的广度都有一定的局限。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供一种基于模板的半自动化出版物方法及系统，其目的在于缩短出版物的出版周期，由此解决出版物内容自动生成的技术问题。

为实现上述目的，按照本发明的一个方面，提供一种基于模板的出版物半自动生成方法，包括以下步骤：

步骤1接收用户选择和确定的出版物的数字内容类型；

步骤2接收所述用户选择和确定所述出版物的版面整体布局；

步骤3对所述数字内容类型和所述版面整体布局使用标记语言生成模板描述文件；

步骤4根据所述数字内容中每个内容单元的关键词从互联网上抓取相关信息和从本地知识库中检索相关信息得到信息列表，然后对所述信息列表进行排序得到相关内容列表，其中，所述内容单元为一个自然段；

步骤5对所述相关内容列表进行相关性排序，生成内容草稿；

步骤6根据所述相关内容列表和所述内容草稿进行内容编辑和修改，确定所述出版物的最终的格式和内容。

按照本发明的另一方面，提供一种基于模板的出版物半自动生成系统，包括：

模板定制模块，根据用户选择的数字内容类型和版面整体布局使用标记语言生成模板描述文件；

草稿生成模块，根据所述模板描述文件，在互联网和本地知识库中检索相关信息得到信息列表，然后对所述信息列表进行相关性排序生成相关内容列表，对所述相关内容列表进行相关性排序生成内容草稿；以及

手工编辑模块，用于对所述相关内容列表和所述内容草稿进行编辑和修改，确定所述出版物最终的格式和内容。

总体而言，通过本发明所构思的以上技术方案与现有技术相比，具有以下有益效果：

(1)数字内容类型和版面整体布局可根据需求定制，满足了各种各样出版物的需求；

(2)从互联网上抓取信息和从本地知识库中检索信息，即保证了题材的丰富性，又保证了出版物的内容的广度,深度以及可信度；实现了出版物的数字化；

(3)对从互联网抓取下来的信息和从本地知识库中检索的信息自动进行整理，生成内容草稿，将内容草稿和相关内容列表提供给用户进行编辑，大大降低了人力成本，缩短了出版物的生成周期；

(4)用户对内容草稿和相关内容列表进行选择和编辑，保证了最后生成稿件的正确性，相关性和可取性。

附图说明

图1为本发明基于模板的出版物半自动生成系统的结构示意图；

图2为本发明基于模板的出版物半自动生成方法的流程图；

图3为本发明数字内容类型选择的流程图；

图4为本发明版面整体布局设计的流程图；

图5为本发明使用标记语言进行语义描述的流程图；

图6为本发明相关数字内容抓取的流程图；

图7为本发明草稿自动生成的流程图；

图8为本发明内容编辑的流程图；

图9为本发明内容编辑操作界面演示图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。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。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

图1所示为本发明基于模板的出版物半自动生成系统的结构示意图，包括模板定制模块100、草稿生成模块200和手工编辑模块300。

模板定制模块100根据用户选择的数字内容类型和版面整体布局使用标记语言生成模板描述文件。模板定制模块100包括：数字内容类型选择模块101、版面整体布局设计模块102和语义描述模块103。数字内容类型选择模块101用于选择和确定数字内容，用户通过选择出版物的类型、章节、标题、段落和填写每个段落的关键词等信息来确定出版物的数字内容类型，其中每个自然段为一个内容单元。版面整体布局设计模块102用于选择和确定版面整体布局，具有相同格式和布局的文字块组成一个布局单元，用户通过选择出版物的封面和每个布局单元的字体、字号、线条和颜色等信息来确定出版物的版面整体布局。语义描述模块103根据用户选择的数字内容类型和版面整体布局设计，对数字内容类型和生成的版面整体布局信息使用标记语言生成模板描述文件。在本发明实施例中，语义描述模块103依次读入每一个内容单元和布局单元，然后依次使用标记语言来表示。标记语言是一种将文本以及文本相关的其他信息结合起来，展现出关于文档结构和数据处理细节的电脑编码。与文本相关的其他信息(包括文本的结构和表示信息等)与原来的文本结合在一起，但是使用标记进行标识。在本发明实施例中，使用的标记语言对各定义的标签解释如下：publicationname:出版物的书名或期刊名属性集；name:名字；top:到顶部的距离；bottom:到底部的距离；left:到左边缘的距离；right:到右边缘的距离；font:字体；fontsize:字体大小；color:颜色；version:版本；author:作者；booksize:出版物的长度及宽度；press：出版社；printing：印刷厂；bind：装订厂；numberofprint:印刷次；price：价格；pagenumber：总页数；linestyle：线条格式；page：出版物的页数集合；pageid：页数；plate：本页的版面格式集合；title：版面的标题格式的集合；contents：版面标题的内容；body：版面的内容；keyword：版面的关键字等。

标记语言的一种具体实现文档格式如下所示：

草稿生成模块200根据语义描述模块103生成的模板描述文件，在互联网和本地知识库中检索相关信息得到信息列表，然后对信息列表进行相关性排序生成相关内容列表，对相关内容列表进行加工生成内容草稿。在本发明实施例中，本地知识库是由用户自己平时收集的多种类的素材组成的数据库。草稿生成模块200包括：相关数字内容抓取模块201和草稿自动生成模块202。相关数字内容抓取模块201根据每个内容单元的一组关键词从互联网上抓取相关信息和从本地知识库检索相关信息，将以上两部分信息合并得到信息列表。在本发明实施例中，从互联网上抓取相关信息是借用主流的搜索引擎来实现的。根据与内容单元中的关键词的相关性对信息列表中的条目进行由高到低的排序，得到相关内容列表，将该相关内容列表存入本地数据库中。在本发明实施例中，本地数据库不同于本地知识库，本地数据库用来存放相关内容列表、内容草稿和最终稿件。草稿自动生成模块202对每一个内容单元所对应的相关内容列表进行相关性排序，生成内容草稿，然后存入到本地数据库中。

手工编辑模块300包括内容编辑模块301，根据用户对相关内容列表和内容草稿进行的内容编辑和修改，确定出版物最终的格式和内容。

图2所示为本发明基于模板的出版物半自动生成方法的流程图，具体包括以下步骤：

(1)选择和确定出版物的数字内容类型；

(2)选择和确定出版物的版面整体布局；

(3)根据用户在上两步的选择，对所选择的数字内容类型和版面整体布局信息使用标记语言生成模板描述文件；

(4)根据数字内容中每个内容单元的关键词从互联网上抓取相关信息和从本地知识库中检索相关信息得到信息列表，然后对信息列表进行排序得到相关内容列表；

(5)对相关内容列表进行相关性排序，生成内容草稿；

(6)用户对相关内容列表和内容草稿进行内容编辑和修改，确定出版物的最终的格式和内容。

图3所示为本发明数字内容类型选择的流程图，具体包括以下子步骤：

(1-1)选择出版物的类型，例如报纸、期刊、图书和文献等；

(1-2)确定出版物的书名或者刊名；

(1-3)判断出版物是否分章节，是则执行步骤(1-4)，否则执行步骤(1-6)；

(1-4)确定出版物的章节数和每章每节的标题；

(1-5)将出版物的每节划分成多个段落，用户为每个段落(即每个内容单元)确定一组关键词；

(1-6)判断出版物是否分版块和版面，是则执行步骤(1-7)，否则执行步骤(1-9)；

(1-7)确定出版物的版块数和每个版块的标题；

(1-8)确定每个版块的一组关键词；

(1-9)判断出版物是否有其独特内容，是则执行步骤(1-10)，否则流程结束，在本发明实施例中，独特内容包括例如：前言和致读者信；

(1-10)编写出版物的独特内容，流程结束。

图4所示为本发明版面整体布局设计的流程图，具体包括以下子步骤：

(2-1)判断出版物是否有封面，是则执行步骤(2-2)，否则执行步骤(2-3)；

(2-2)确定封面的布局、风格、标题字体、字号、颜色和位置；

(2-3)判断出版物是否为图书类，是则执行步骤(2-4)，否则执行步骤(2-6)；

(2-4)将每章和每节划分成多个独立的布局单元；

(2-5)选择每个布局单元的字体、字号、线条、颜色、行间距和栏式；

(2-6)判断出版物是否为期刊类，是则执行步骤(2-7)，否则流程结束；

(2-7)将出版物分成多个出版栏和版块，并划分成多个独立的布局单元；

(2-8)选择每个布局单元的版心、版式、栏式、字体、字号、颜色和行间距，流程结束。

图5所示为本发明使用标记语言进行语义描述的流程图，具体包括以下子步骤：

(3-1)将所有布局单元和内容单元载入到待处理队列；

(3-2)判断待处理队列是否为空，是则流程结束，否则执行步骤(3-3)；

(3-3)将布局单元中的布局信息(例如宽、长、字号和字体等)转换成如上所述的标记语言输出到模板描述文件中；

(3-4)将内容单元中的标题和该内容单元中的关键词转换成如上所述的标记语言输出到模板描述文件中，然后执行步骤(3-2)。

图6所示为本发明相关数字内容抓取的流程图，具体包括以下子步骤：

(4-1)载入上述步骤(3-4)和(3-5)生成的模板描述文件；

(4-2)根据上述模板描述文件将所有的内容单元中的关键词按照输入顺序排列组成关键词队列，每个内容单元的一组关键词为一条记录；

(4-3)判断关键词队列是否为空，是则流程结束，否则执行步骤(4-4)；

(4-4)读取一条记录，去掉分隔符，解析该条记录成一组由空格分隔开的关键词；

(4-5)使用搜索引擎检索该组关键词，得到结果1；

(4-6)在本地知识库检索该组关键词，得到结果2；

(4-7)将结果1和结果2合并得到信息列表，根据与该组关键词的相关性对信息列表进行由高到低的排序得到相关内容列表，其中一组关键词和一篇文章的相关性计算方法为：

(4-8)将该组关键词的MD5值(信息摘要)作为一条数据库记录的主键，并将相关内容列表作为数据库记录的内容存储到本地数据库中，然后执行步骤(4-3)。

图7所示为本发明内容草稿自动生成的流程图，具体包括以下子步骤：

(5-1)载入上述步骤(3-4)和(3-5)生成的模板描述文件；

(5-2)根据上述模板描述文件将所有的内容单元中的关键词进行排列组成关键词队列，每个内容单元的一组关键词为一条记录；

(5-3)判断关键词队列是否为空，是则流程结束，否则执行步骤(5-4)；

(5-4)计算关键词的MD5值(信息摘要)，根据MD5值读取在本地数据库中的相关内容列表；

(5-5)取检索结果(即关键词对应的相关内容列表)的前s条，将前t(t<s)条文档根据自然段分割成p个段落；

(5-6)根据与该内容单元的关键词的相关性对p个段落进行由高到低的排序；

(5-7)取排序后的p个段落中的前q(q<p)段组成内容草稿，以该组关键词的MD5值作为一条数据库记录的主键，并将该内容草稿作为数据库记录的内容存储到本地数据库中，然后执行步骤(5-3)。

图8所示为本发明内容编辑的流程图，具体包括以下子步骤：

(6-1)载入模板描述文件和本地数据库中的相关内容列表和内容草稿，生成编辑队列，编辑队列的每条记录包含内容单元和从本地数据库中所检索出的该内容单元所对应的相关内容列表和内容草稿；

(6-2)判断编辑队列是否为空，是则执行步骤(6-7)，否则执行步骤(6-3)；

(6-3)读取一条记录，解析出该条记录的内容单元和对应的相关内容列表与内容草稿；

(6-4)调用编辑软件，正文显示该内容单元的关键词和内容草稿，旁栏显示待选择的相关内容列表，同时根据布局单元中的内容对内容草稿进行格式调整；

(6-5)用户根据自己的需要进行编辑和调整；

(6-6)将用户的改动保存到已完成队列形成终审草稿，再执行步骤(6-2)；

(6-7)将已完成队列中的终审草稿保存到本地数据库中；

(6-8)根据模板描述文件和本地数据库中的终审草稿，生成出版物的电子预览版；

(6-9)用户选择是否同意根据电子预览版生成出版物，是则执行步骤(6-10)，否则执行步骤(6-1)；

(6-10)根据电子预览版生成和打印出版物。

图9所示为本发明内容编辑操作界面演示图。

首先点击右上角载入按钮载入模板描述文件，然后系统根据模板描述文件读取数字出版物的章节，显示在左上角；读取一个内容单元和布局单元，在左中部显示和对文字进行格式；根据模板描述文件从本地数据库中读取相关内容列表和在右部显示相关内容列表供用户进行增删。相关内容列表一次可能不能全部显示，上一组和下一组按钮可以显示下一组相关内容列表。用户无需再从互联网上检索和筛选和文章相关的信息，相关内容列表为系统自动从互联网和本地知识库中检索得到的，内容草稿为本系统自动生成的，通过本发明可以大大缩短出版物的生成周期和减少人力物力。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于模板的出版物半自动生成方法，其特征在于，包括：

步骤1接收用户选择和确定的出版物的数字内容类型；

步骤2接收所述用户选择和确定所述出版物的版面整体布局；

步骤3对所述数字内容类型和所述版面整体布局使用标记语言生成模板描述文件；

步骤4根据所述数字内容中每个内容单元的关键词从互联网上抓取相关信息和从本地知识库中检索相关信息得到信息列表，然后对所述信息列表进行排序得到相关内容列表，其中，所述内容单元为一个自然段；

步骤5对所述相关内容列表进行相关性排序，生成内容草稿；

步骤6根据所述相关内容列表和所述内容草稿进行内容编辑和修改，确定所述出版物的最终的格式和内容。

2.如权利要求1所述的方法，其特征在于，所述步骤1具体包括以下子步骤：

(1-1)选择所述出版物的类型；

(1-2)确定所述出版物的书名或者刊名；

(1-3)判断所述出版物是否分章节，是则执行步骤(1-4)，否则执行步骤(1-6)；

(1-4)确定所述出版物的章节数和每章每节的标题；

(1-5)将所述出版物的每节划分成多个段落，每个段落确定一组关键词；

(1-6)判断所述出版物是否分版块，是则执行步骤(1-7)，否则执行步骤(1-9)；

(1-7)确定所述出版物的版块数和每个版块的标题；

(1-8)确定每个版块的一组关键词；

(1-9)判断所述出版物是否有其独特内容，是则执行步骤(1-10)，否则流程结束，其中，所述独特内容包括前言和致读者信；

(1-10)编写所述独特内容，流程结束。

3.如权利要求1或2所述的方法，其特征在于，所述步骤2具体包括以下子步骤：

(2-1)判断所述出版物是否有封面，是则执行步骤(2-2)，否则执行步骤(2-3)；

(2-2)确定封面的布局、风格、标题字体、字号、颜色和位置；

(2-3)判断所述出版物是否为图书类，是则执行步骤(2-4)，否则执行步骤(2-6)；

(2-4)将每章和每节划分成多个独立的布局单元，其中，所述布局单元由具有相同格式和布局的文字块组成；

(2-5)选择每个布局单元的字体、字号、线条、颜色、行间距和栏式；

(2-6)判断所述出版物是否为期刊类，是则执行步骤(2-7)，否则流程结束；

(2-7)将所述出版物分成多个出版栏和版块，并划分成多个独立的布局单元；

(2-8)选择每个布局单元的版心、版式、栏式、字体、字号、颜色和行间距，流程结束。

4.如权利要求3所述的方法，其特征在于，所述步骤3具体包括以下子步骤：

(3-1)将所有布局单元和内容单元载入到待处理队列；

(3-2)判断所述待处理队列是否为空，是则流程结束，否则执行步骤(3-3)；

(3-3)将每一布局单元中的布局信息转换为标记语言输出到所述模板描述文件中；

(3-4)将每一内容单元中的标题和关键词转换为标记语言输出到所述模板描述文件中，然后执行步骤(3-2)。

5.如权利要求1或2所述的方法，其特征在于，所述步骤4具体包括以下子步骤：

(4-1)载入所述模板描述文件；

(4-2)根据所述模板描述文件将所有内容单元中的关键词进行排列组成关键词队列，每个内容单元的一组关键词为一条记录；

(4-3)判断所述关键词队列是否为空，是则流程结束，否则执行步骤(4-4)；

(4-4)读取一条记录，解析所述记录成一关键词组；

(4-5)使用搜索引擎检索所述关键词组，得到第一结果；

(4-6)在本地知识库检索该组关键词组，得到第二结果；

(4-7)将所述第一结果和所述第二结果合并得到所述信息列表，根据与所述关键词组的相关性对所述信息列表进行由高到低的排序得到所述相关内容列表，其中所述相关性的计算方法为：

(4-8)将所述关键词组的MD5值作为一条数据库记录的主键，并将所述相关内容列表作为所述数据库记录的内容存储到本地数据库中，然后执行所述步骤(4-3)。

6.如权利要求1所述的方法，其特征在于，所述步骤5具体包括以下子步骤：

(5-1)载入所述模板描述文件；

(5-2)根据所述模板描述文件将所有内容单元中的关键词进行排列组成关键词队列，每个内容单元的一组关键词为一条记录；

(5-3)判断所述关键词队列是否为空，是则流程结束，否则执行步骤(5-4)；

(5-4)计算所述关键词的MD5值，根据所述MD5值读取在本地数据库中的所述相关内容列表；

(5-5)取检索结果的前s条，将前t条文档根据自然段分割成p个段落，其中t<s；

(5-6)根据和所述关键词的相关性对所述p个段落进行由高到低的排序；

(5-7)取排序后的p个段落中的前q段组成内容草稿，其中q<p，以所述组关键词的MD5值为主键和以所述内容草稿为内容存储到本地数据库中，然后执行所述步骤(5-3)。

7.如权利要求6所述的方法，其特征在于，所述步骤6具体包括以下子步骤：

(6-1)载入所述模板描述文件和本地数据库中的所述相关内容列表和所述内容草稿，生成编辑队列，所述编辑队列的每条记录包含内容单元和从所述本地数据库中所检索出的内容单元所对应的相关内容列表和内容草稿；

(6-2)判断所述编辑队列是否为空，是则执行步骤(6-7)，否则执行步骤(6-3)；

(6-3)读取一条记录，解析出所述记录的内容单元和对应的相关内容列表与内容草稿；

(6-4)调用编辑软件，正文显示所述关键词和所述内容草稿，旁栏显示所述相关内容列表，同时根据布局单元中的内容对所述内容草稿进行格式调整；

(6-5)所述用户根据自己的需要进行编辑和调整；

(6-6)将所述用户的改动保存到已完成队列形成终审草稿，再执行步骤(6-2)；

(6-7)将所述已完成队列中的所述终审草稿保存到所述本地数据库中；

(6-8)根据所述模板描述文件和所述本地数据库中的所述已完成队列，生成出版物的电子预览版；

(6-9)所述用户选择是否同意根据所述电子预览版生成所述出版物，是则执行步骤(6-10)，否则执行步骤(6-1)；

(6-10)根据所述电子预览版生成和打印所述出版物。

8.一种基于模板的出版物半自动生成系统，包括模板定制模块、草稿生成模块和手工编辑模块，其特征在于：

所述模板定制模块，根据用户选择的数字内容类型和版面整体布局使用标记语言生成模板描述文件；

所述草稿生成模块，根据所述模板描述文件，在互联网和本地知识库中检索相关信息得到信息列表，然后对所述信息列表进行相关性排序生成相关内容列表，对所述相关内容列表进行相关性排序生成内容草稿；以及

所述手工编辑模块，用于对所述相关内容列表和所述内容草稿进行编辑和修改，确定所述出版物最终的格式和内容。

9.如权利要求8所述的基于模板的出版物半自动生成系统，其特征在于，所述模板定制模块包括：

数字内容类型选择模块，用于选择和确定所述数字内容类型，用户通过选择所述出版物的类型、章节、标题、段落和填写每个段落的关键词等信息来确定所述出版物的所述数字内容类型，其中每个自然段为一个内容单元；

版面整体布局设计模块，用于选择和确定版面整体布局，具有相同格式和布局的文字块组成一个布局单元，用户通过选择所述出版物的封面和每个布局单元的字体、字号、线条和颜色等信息来确定所述出版物的所述版面整体布局；以及

语义描述模块，根据所述数字内容类型和所述版面整体布局，使用标记语言生成模板描述文件。

10.如权利要求9所述的基于模板的出版物半自动生成系统，其特征在于，所述草稿生成模块包括：

相关数字内容抓取模块，根据每个内容单元的一组关键词从所述互联网上抓取相关信息和从所述本地知识库检索相关信息，将以上两部分信息合并得到所述信息列表；以及

草稿自动生成模块，选取每一个内容单元所对应的相关内容列表，根据与所述内容单元的关键词的相关性进行排序，生产所述内容草稿，并存入本地数据库中。