CN106528749A - 基于写作训练的语句推荐方法及其系统 - Google Patents

基于写作训练的语句推荐方法及其系统 Download PDF

Info

Publication number
CN106528749A
CN106528749A CN201610970838.2A CN201610970838A CN106528749A CN 106528749 A CN106528749 A CN 106528749A CN 201610970838 A CN201610970838 A CN 201610970838A CN 106528749 A CN106528749 A CN 106528749A
Authority
CN
China
Prior art keywords
sentence
label
outstanding
obtaining
key word
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201610970838.2A
Other languages
English (en)
Other versions
CN106528749B (zh
Inventor
刘德建
郑朝鑫
叶仲雯
毛建琦
吴拥民
陈宏展
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujian Tianquan Educational Technology Ltd
Original Assignee
Fujian Tianquan Educational Technology Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fujian Tianquan Educational Technology Ltd filed Critical Fujian Tianquan Educational Technology Ltd
Priority to CN201610970838.2A priority Critical patent/CN106528749B/zh
Publication of CN106528749A publication Critical patent/CN106528749A/zh
Application granted granted Critical
Publication of CN106528749B publication Critical patent/CN106528749B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33Querying
    • G06F16/338Presentation of query results
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/20Natural language analysis
    • G06F40/279Recognition of textual entities
    • G06F40/284Lexical analysis, e.g. tokenisation or collocates

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Machine Translation (AREA)

Abstract

本发明公开了一种基于写作训练的语句推荐方法及其系统,方法包括:选取优秀语句;根据所述优秀语句,预设对应的关键词;计算得到所述关键词的第一标签;将所述第一标签及其对应的优秀语句存入数据库;获取输入的语句;获取所述语句中的分词;计算得到各分词对应的第二标签;获取数据库中与所述第二标签匹配的第一标签对应的优秀语句。在用户进行电子写作时,通过获取用户输入的语句,进行分词、计算标签等处理,分析用户正在表达的短语、短句的意义,然后根据标签在数据库中获取同义或含义类似的优秀语句,并推荐给用户,用户即可运用自己的写作能力对推荐语句进行选择、修改,并写入文章中,可提高文章水平,同时也有助于用户提高写作水平。

Description

基于写作训练的语句推荐方法及其系统
技术领域
本发明涉及语句推荐技术领域,尤其涉及一种基于写作训练的语句推荐方法及其系统。
背景技术
现有的学生作文训练往往都是靠学生先进行大量的阅读训练,拥有了丰富的阅读量后,才能在作文写作过程中通过大脑中提炼已记忆掌握的词汇、句型等信息,再组织成自己的语言通过文字表达出来,通过大量重复的自我重组织语言的能力训练来获得进步。有部分学生通过优秀的指导教师,将自己的写作经验通过点评等手段传授给学生,让学生在写作的过程中学习指导教师的写作经验并通过重复改写作文来获得进步,这种情况下教师的讲评经验就显得十分重要。
现有常见的学生写作能力训练的方法最大的问题是,大部分学生的阅读量是有限的,在实际写作文的过程中,需要表达的内容学生就算已经阅读并记忆过了,也不一定能正确回忆以供自己重新组织起来,更不用说许多未进行大量阅读训练的学生在写作时所遇到的困难了。
发明内容
本发明所要解决的技术问题是:提供一种基于写作训练的语句推荐方法及其系统,可快速地推荐出与用户输入的语句相关的优秀语句。
为了解决上述技术问题,本发明采用的技术方案为:一种基于写作训练的语句推荐方法,包括:
选取优秀语句;
根据所述优秀语句,预设对应的关键词;
计算得到所述关键词的第一标签;
将所述第一标签及其对应的优秀语句存入数据库;
获取输入的语句;
获取所述语句中的分词;
计算得到各分词对应的第二标签;
获取数据库中与所述第二标签匹配的第一标签对应的优秀语句。
本发明还涉及一种基于写作训练的语句推荐系统,包括:
选取模块,用于选取优秀语句;
预设模块,用于根据所述优秀语句,预设对应的关键词;
第一计算模块,用于计算得到所述关键词的第一标签;
存入模块,用于将所述第一标签及其对应的优秀语句存入数据库;
第一获取模块,用于获取输入的语句;
第二获取模块,用于获取所述语句中的分词;
第二计算模块,用于计算得到各分词对应的第二标签;
第三获取模块,用于获取数据库中与所述第二标签匹配的第一标签对应的优秀语句。
本发明的有益效果在于:在用户进行电子写作时,通过获取用户输入的语句,进行分词、计算标签等处理,分析用户正在表达的短语、短句的意义,然后根据标签在数据库中获取同义或含义类似的优秀语句,并推荐给用户,用户即可运用自己的写作能力对推荐语句进行选择、修改,并写入文章中,可提高文章水平,同时也有助于用户提高写作水平。
附图说明
图1为本发明一种基于写作训练的语句推荐方法的流程图;
图2为本发明实施例一的方法流程图;
图3为本发明实施例二的方法流程图;
图4为本发明一种基于写作训练的语句推荐系统的结构示意图;
图5为本发明实施例四的系统结构示意图。
标号说明:
1、选取模块;2、预设模块;3、第一计算模块;4、存入模块;5、第一获取模块;6、第二获取模块;7、第二计算模块;8、第三获取模块;9、标记模块;10、第四获取模块;11、第五获取模块;12、第六获取模块;13、增加模块;
301、第二计算单元;302、组合单元;
801、第一判断单元;802、第一获取单元;803、排序单元;804、第一显示单元;
1201、第二获取单元;1202、排列单元;1203、第一计算单元;1204、第三获取单元;1205、交叉组合单元;1206、第二显示单元。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果,以下结合实施方式并配合附图详予说明。
本发明最关键的构思在于:对用户输入的语句进行分词处理,根据标签搜索得到含义相近的优秀语句并推荐给用户。
请参阅图1,一种基于写作训练的语句推荐方法,包括:
选取优秀语句;
根据所述优秀语句,预设对应的关键词;
计算得到所述关键词的第一标签;
将所述第一标签及其对应的优秀语句存入数据库;
获取输入的语句;
获取所述语句中的分词;
计算得到各分词对应的第二标签;
获取数据库中与所述第二标签匹配的第一标签对应的优秀语句。
从上述描述可知,本发明的有益效果在于:有助于提高用户的写作水平,激发写作兴趣,增强信心。
进一步地,所述“获取数据库中与所述第二标签匹配的第一标签对应的优秀语句”具体为:
判断数据库中是否存在与所述第二标签的匹配度大于预设匹配阈值的第一标签;
若是,获取所述第一标签的对应的优秀语句;
根据匹配度,对各第一标签对应的优秀语句进行排序;
显示排序后的优秀语句。
由上述描述可知,通过根据匹配度进行排序,方便用户看到最相关的推荐内容。
进一步地,所述“获取数据库中与所述第二标签匹配的第一标签对应的优秀语句”之后,进一步包括:
若数据库中不存在与所述第二标签匹配的第一标签,则将所述第二标签对应的分词标记为生词;
获取所述语句中的短句;
获取所述短句中不为生词的分词对应的第二标签;
获取并显示与所述第二标签匹配的第一标签对应的优秀语句。
进一步地,所述“获取并显示与所述第二标签匹配的第一标签对应的优秀语句”具体为:
获取与所述第二标签匹配的第一标签;
根据匹配度,将所述第一标签进行排列组合;
根据各所述第一标签对应的优秀语句的总数,计算各所述第一标签的比例权重;
根据预设的优秀语句的可显示总数以及所述比例权重,在各所述第一标签对应的优秀语句中获取对应数量的优秀语句;
根据所述排列组合,将获取的所述优秀语句进行交叉组合。
显示交叉组合后的所述优秀语句。
由上述描述可知,可将与短句中各分词相关的优秀语句均衡地推荐给用户。
进一步地,所述“计算得到所述关键词的第一标签”具体为:
计算所述关键词的散列哈希值;
将所述散列哈希值和所述关键词的首字母进行组合,得到所述关键词的第一标签。
进一步地,所述“计算得到所述关键词的第一标签”之后,进一步包括:
在所述第一标签中增加预设的对应所述关键词的词性词义数据。
由上述描述可知,通过增加关键词的词性词义数据,可提高推荐的准确率。
请参照图4,本发明还提出一种基于写作训练的语句推荐系统,包括:
选取模块,用于选取优秀语句;
预设模块,用于根据所述优秀语句,预设对应的关键词;
第一计算模块,用于计算得到所述关键词的第一标签;
存入模块,用于将所述第一标签及其对应的优秀语句存入数据库;
第一获取模块,用于获取输入的语句;
第二获取模块,用于获取所述语句中的分词;
第二计算模块,用于计算得到各分词对应的第二标签;
第三获取模块,用于获取数据库中与所述第二标签匹配的第一标签对应的优秀语句。
进一步地,所述第三获取模块包括:
第一判断单元,用于判断数据库中是否存在与所述第二标签的匹配度大于预设匹配阈值的第一标签;
第一获取单元,用于若是,获取所述第一标签的对应的优秀语句;
排序单元,用于根据匹配度,对各第一标签对应的优秀语句进行排序;
第一显示单元,用于显示排序后的优秀语句。
进一步地,还包括:
标记模块,用于若数据库中不存在与所述第二标签匹配的第一标签,则将所述第二标签对应的分词标记为生词;
第四获取模块,用于获取所述语句中的短句;
第五获取模块,用于获取所述短句中不为生词的分词对应的第二标签;
第六获取模块,用于获取并显示与所述第二标签匹配的第一标签对应的优秀语句。
进一步地,所述第六获取模块包括:
第二获取单元,用于获取与所述第二标签匹配的第一标签;
排列单元,用于根据匹配度,将所述第一标签进行排列组合;
第一计算单元,用于根据各所述第一标签对应的优秀语句的总数,计算各所述第一标签的比例权重;
第三获取单元,用于根据预设的优秀语句的可显示总数以及所述比例权重,在各所述第一标签对应的优秀语句中获取对应数量的优秀语句;
交叉组合单元,用于根据所述排列组合,将获取的所述优秀语句进行交叉组合。
第二显示单元,用于显示交叉组合后的所述优秀语句。
进一步地,所述第一计算模块包括:
第二计算单元,用于计算所述关键词的散列哈希值;
组合单元,用于将所述散列哈希值和所述关键词的首字母进行组合,得到所述关键词的第一标签。
进一步地,还包括:
增加模块,用于在所述第一标签中增加预设的对应所述关键词的词性词义数据。
实施例一
请参照图2,本发明的实施例一为:一种基于写作训练的语句推荐方法,可运用于学生,尤其是小学生的写作训练,包括如下步骤:
S1:选取优秀语句,即选取预设语句;可在经典名著、世界著名文学、得奖文章等作品中进行选取,还可以选取诗词、成语、常用俗语等。
S2:根据所述优秀语句,预设对应的关键词;关键词可在优秀语句中获取,也可在总结优秀语句的含义后得到。例如,优秀语句为“秋花惨淡秋草黄,耿耿秋灯秋夜长;已觉秋窗秋不尽,那堪风雨助凄凉!助秋风雨来何速?惊破秋窗秋梦续;抱得秋情不忍眠,自向秋屏挑泪烛。”,则对应的关键词可以为“秋”、“秋天”、“秋雨”、“秋愁”等等。又例如,天净沙·秋思(“枯藤老树昏鸦,小桥流水人家,古道西风瘦马。夕阳西下,断肠人在天涯。”)的词句中并没有“秋”的字眼,但总结其含义,仍可以设置其对应的关键词为“秋”。
S3:计算得到所述关键词的第一标签;具体地,可先计算所述关键词的散列哈希值,然后将所述散列哈希值和所述关键词的首字母进行组合,即得到所述关键词的第一标签;进一步地,第一标签除了可以包括散列哈希值字段和首字母字段,还可以包括词性词义字段,也就是说,在所述第一标签中增加预设的对应所述关键词的词性词义数据;例如,词性词义包括形容词、名词、动词、褒义词、贬义词等等,可以对这些词性词义预设唯一的标识符,如编号,则在第一标签中增加对应所述关键词的词性词义的编号。
S4:将所述第一标签及其对应的优秀语句存入数据库。
S5:获取输入的语句。
S6:获取所述语句中的分词;优选地,获取单位分词,如“今天”,因为“今天”不可再分为“今”和“天”两个分词。
S7:计算得到各分词对应的第二标签。计算第二标签的方法与步骤S3中计算第一标签的方法一致。
S8:判断数据库中是否存在与所述第二标签匹配的第一标签,若是,则执行步骤S9;进一步地,判断是否存在与所述第二标签的匹配度大于预设匹配阈值的第一标签。
S9:获取所述第一标签的对应的优秀语句,即获取数据库中与所述第二标签匹配的第一标签对应的优秀语句。
S10:根据匹配度,对各第一标签对应的优秀语句进行排序;即根据与第二标签的匹配度,将与第二标签匹配的各第一标签进行排序,匹配度越高,排序越靠前;可以预设每个第一标签对应的可显示语句数,然后根据排序,对应显示各第一标签对应的优秀语句。
S11:显示排序后的优秀语句。
例如,小朋友在写作文中不知道怎么通过文字表达自己很高兴的心情,只需要输入“高兴”,即可看到相关的优秀语句,如:
“喜得小强本来就细眯眯的眼睛,像是指甲掐出来的,成了两条弯弯的细缝儿。”
“我一接到录取通知书,像庄稼人久旱逢雨,又像渔人雾海中望见灯塔,心里那股子乐劲哟,真不知该怎么形容了!”
“听到这个好消息,姐妹俩手拉手跳着,笑着,花裙子迎风摆动,活像一对活泼、愉快的花蝴蝶。”
“妹妹听到大家的赞美双颊浮起两朵红云,一条鲜红的舌头绕嘴唇一圈,心里美滋滋的。”
“他乐得下嘴唇往上嘴唇包,脸蛋儿耸成个肉疙瘩。”
“这个喜讯使他的眼睛里有了神采,额头和嘴角两旁深深的皱纹里似乎也蓄满笑意,连一举手一投足都渐渐地带上了一种轻快的节奏。”
“他心里像灌了一瓶蜜,眉角含笑,连那四方的紫膛脸上隐隐约约的麻瘢也泛着红光。”
“手舞足蹈”、“兴高采烈”、“喜出望外”、“喜形于色”、“喜上眉梢”、
“喜不自胜”、“喜不自禁”、“喜眉笑眼”、“喜笑颜开”、“笑逐颜开”、
“心花怒放”、“乐以忘忧”、“乐不可支”、“欣喜若狂”
小朋友看到这些优秀语句后,选择自己喜欢的句型,再根据自己要写的作文的具体需要,进行一番修改修饰,形成自己的语句,融入自己的作文中,即可实现辅助写作的目的。
实施例二
请参照图3,本实施例是实施例一的进一步拓展,相同之处不再累述,区别在于:所述步骤S8中,若否,则执行步骤S12。
S12:将所述第二标签对应的分词标记为生词。
S13:获取所述语句中的短句;进一步地,根据标点符号获取短句,如逗号、句号、问号、感叹号等。
S14:获取所述短句中不为生词的分词对应的第二标签。
S15:获取与所述第二标签匹配的第一标签。
S16:根据与第二标签的匹配度,将所述第一标签进行排列组合。
S17:根据各所述第一标签对应的优秀语句的总数,计算各所述第一标签的比例权重。
S18:根据预设的优秀语句的可显示总数以及所述比例权重,在各所述第一标签对应的优秀语句中获取对应数量的优秀语句。
S19:根据所述排列组合,将获取的所述优秀语句进行交叉组合。
S20:显示交叉组合后的所述优秀语句。
例如,假设短句中不为生词的分词有X、Y,其中,X的第二标签在数据库中可匹配到关键词A和B的第一标签,Y的第二标签在数据库中可匹配到关键词C的第一标签,关键词A对应的优秀语句有a.1、a.2,关键词B对应的优秀语句有b.1、b.2,关键词C对应的优秀语句有c.1、c.2、c.3、c.4;假设计算得到X的第二标签与A的第一标签的匹配度为85%,X的第二标签与B的第一标签的匹配度为95%,Y的第二标签与C的第一标签的匹配度为90%,则第一标签排列组合后对应的关键词的组合顺序为BCA,且比例权重为1:2:1,预设的优秀语句的可显示总数为8,因此,交叉组合后所显示的优秀语句的顺序为b.1,c.1,c.2,a.1,b.2,c.3、c.4,a.2。
优选地,在根据优秀语句预设对应的关键词时,还可以同时预设其关联度分值,分值越大表示相关度越高;后续获取关键词对应的优秀语句时,可优先获取与所述关键词的关联度分值最高的优秀语句。
优选地,对于预设的优秀语句的可显示总数,可根据输入光标当前所在位置在整个窗口的相对位置以及剩余的可显示空间进行计算得到,结合需要显示出的推荐内容,即优秀语句,根据界面美观的布置规则运算得到需要显示的窗口位置及大小,然后调用窗口绘画底层函数,最终将推荐内容呈现在界面上。
通过上述方法,可以帮助小朋友们在写作思考时发散思维,精上点睛,甚至想出更加脍炙流畅的佳句来。必然会大大激发小朋友的写作兴趣,增强信心,扩展思维能力增强写作能力。
实施例三
本实施例是对应上述实施例的一具体应用场景。
用户打算写一篇秋游作文,输入第一句,“今天,我和同学们一起去公园秋游。”获取分词“今天”,计算得到对应的第二标签,但在数据库中没有搜索到匹配的第一标签,因此将“今天”标记为生词。其后,因为出现了标点符号逗号,因此获取短句“今天”,但该短句只有一个分词且被标记为生词了,因此不对该短句进行推荐。
同理,对于后半句“我和同学们一起去公园秋游。”可分别得到分词“我和同学们”、“一起”、“去”、“公园”、“秋游”,分别计算各个分词对应的第二标签然后在数据库中进行搜索;其中,对于“秋游”,发现其与“秋天”的匹配度较高,则获取并显示“秋天”对应的优秀语句;同时,还可以根据“秋”的关联词“愁”,获取并显示“愁”对应的优秀语句,只是排序较靠后。
其后,由于标点符号句号,因此获取短句“我和同学们一起去公园秋游”,假设我和同学们”、“一起”、“去”均被标记为生词,只有“公园”、“秋游”有匹配的关键词,则计算与“公园”匹配的关键词对应的优秀语句数量,以及与“秋游”匹配的关键词对应的优秀语句数量,然后计算各关键词对应的各所述第一标签的比例权重,根据预设的优秀语句的可显示总数以及所述比例权重获取对应数量的优秀语句,交叉组合排序后显示在推荐界面上。
熟练的用户可以直接只输入一些关联性比较强的关键字,例如“秋天”、“美丽”、“高兴”等等,就可以看到大量的推荐优秀语句,再从所推荐的优秀语句中思考作文的修饰措辞,进而往下写作。
实施例四
请参照图5,本实施例是对应上述实施例的一种基于写作训练的语句推荐系统,包括:
选取模块1,用于选取优秀语句;
预设模块2,用于根据所述优秀语句,预设对应的关键词;
第一计算模块3,用于计算得到所述关键词的第一标签;
存入模块4,用于将所述第一标签及其对应的优秀语句存入数据库;
第一获取模块5,用于获取输入的语句;
第二获取模块6,用于获取所述语句中的分词;
第二计算模块7,用于计算得到各分词对应的第二标签;
第三获取模块8,用于获取数据库中与所述第二标签匹配的第一标签对应的优秀语句。
进一步地,所述第三获取模块8包括:
第一判断单元801,用于判断数据库中是否存在与所述第二标签的匹配度大于预设匹配阈值的第一标签;
第一获取单元802,用于若是,获取所述第一标签的对应的优秀语句;
排序单元803,用于根据匹配度,对各第一标签对应的优秀语句进行排序;
第一显示单元804,用于显示排序后的优秀语句。
进一步地,还包括:
标记模块9,用于若数据库中不存在与所述第二标签匹配的第一标签,则将所述第二标签对应的分词标记为生词;
第四获取模块10,用于获取所述语句中的短句;
第五获取模块11,用于获取所述短句中不为生词的分词对应的第二标签;
第六获取模块12,用于获取并显示与所述第二标签匹配的第一标签对应的优秀语句。
进一步地,所述第六获取模块12包括:
第二获取单元1201,用于获取与所述第二标签匹配的第一标签;
排列单元1202,用于根据匹配度,将所述第一标签进行排列组合;
第一计算单元1203,用于根据各所述第一标签对应的优秀语句的总数,计算各所述第一标签的比例权重;
第三获取单元1204,用于根据预设的优秀语句的可显示总数以及所述比例权重,在各所述第一标签对应的优秀语句中获取对应数量的优秀语句;
交叉组合单元1205,用于根据所述排列组合,将获取的所述优秀语句进行交叉组合。
第二显示单元1206,用于显示交叉组合后的所述优秀语句。
进一步地,所述第一计算模块3包括:
第二计算单元301,用于计算所述关键词的散列哈希值;
组合单元302,用于将所述散列哈希值和所述关键词的首字母进行组合,得到所述关键词的第一标签。
进一步地,还包括:
增加模块13,用于在所述第一标签中增加预设的对应所述关键词的词性词义数据。
综上所述,本发明提供的,通过获取用户输入的语句,进行分词、计算标签等处理,分析用户正在表达的短语、短句的意义,然后根据标签在数据库中获取同义或含义类似的优秀语句,并推荐给用户,用户即可运用自己的写作能力对推荐语句进行选择、修改,并写入文章中,可提高文章水平,同时也有助于用户提高写作水平。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等同变换,或直接或间接运用在相关的技术领域,均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种基于写作训练的语句推荐方法,其特征在于,包括:
选取优秀语句;
根据所述优秀语句,预设对应的关键词;
计算得到所述关键词的第一标签;
将所述第一标签及其对应的优秀语句存入数据库;
获取输入的语句;
获取所述语句中的分词;
计算得到各分词对应的第二标签;
获取数据库中与所述第二标签匹配的第一标签对应的优秀语句。
2.根据权利要求1所述的基于写作训练的语句推荐方法,其特征在于,所述“获取数据库中与所述第二标签匹配的第一标签对应的优秀语句”具体为:
判断数据库中是否存在与所述第二标签的匹配度大于预设匹配阈值的第一标签;
若是,获取所述第一标签的对应的优秀语句;
根据匹配度,对各第一标签对应的优秀语句进行排序;
显示排序后的优秀语句。
3.根据权利要求1所述的基于写作训练的语句推荐方法,其特征在于,所述“获取数据库中与所述第二标签匹配的第一标签对应的优秀语句”之后,进一步包括:
若数据库中不存在与所述第二标签匹配的第一标签,则将所述第二标签对应的分词标记为生词;
获取所述语句中的短句;
获取所述短句中不为生词的分词对应的第二标签;
获取并显示与所述第二标签匹配的第一标签对应的优秀语句。
4.根据权利要求3所述的基于写作训练的语句推荐方法,其特征在于,所述“获取并显示与所述第二标签匹配的第一标签对应的优秀语句”具体为:
获取与所述第二标签匹配的第一标签;
根据匹配度,将所述第一标签进行排列组合;
根据各所述第一标签对应的优秀语句的总数,计算各所述第一标签的比例权重;
根据预设的优秀语句的可显示总数以及所述比例权重,在各所述第一标签对应的优秀语句中获取对应数量的优秀语句;
根据所述排列组合,将获取的所述优秀语句进行交叉组合;
显示交叉组合后的所述优秀语句。
5.根据权利要求1所述的基于写作训练的语句推荐方法,其特征在于,所述“计算得到所述关键词的第一标签”具体为:
计算所述关键词的散列哈希值;
将所述散列哈希值和所述关键词的首字母进行组合,得到所述关键词的第一标签。
6.根据权利要求1或5所述的基于写作训练的语句推荐方法,其特征在于,所述“计算得到所述关键词的第一标签”之后,进一步包括:
在所述第一标签中增加预设的对应所述关键词的词性词义数据。
7.一种基于写作训练的语句推荐系统,其特征在于,包括:
选取模块,用于选取优秀语句;
预设模块,用于根据所述优秀语句,预设对应的关键词;
第一计算模块,用于计算得到所述关键词的第一标签;
存入模块,用于将所述第一标签及其对应的优秀语句存入数据库;
第一获取模块,用于获取输入的语句;
第二获取模块,用于获取所述语句中的分词;
第二计算模块,用于计算得到各分词对应的第二标签;
第三获取模块,用于获取数据库中与所述第二标签匹配的第一标签对应的优秀语句。
8.根据权利要求7所述的基于写作训练的语句推荐系统,其特征在于,所述第三获取模块包括:
第一判断单元,用于判断数据库中是否存在与所述第二标签的匹配度大于预设匹配阈值的第一标签;
第一获取单元,用于若是,获取所述第一标签的对应的优秀语句;
排序单元,用于根据匹配度,对各第一标签对应的优秀语句进行排序;
第一显示单元,用于显示排序后的优秀语句。
9.根据权利要求7所述的基于写作训练的语句推荐系统,其特征在于,还包括:
标记模块,用于若数据库中不存在与所述第二标签匹配的第一标签,则将所述第二标签对应的分词标记为生词;
第四获取模块,用于获取所述语句中的短句;
第五获取模块,用于获取所述短句中不为生词的分词对应的第二标签;
第六获取模块,用于获取并显示与所述第二标签匹配的第一标签对应的优秀语句。
10.根据权利要求9所述的基于写作训练的语句推荐系统,其特征在于,所述第六获取模块包括:
第二获取单元,用于获取与所述第二标签匹配的第一标签;
排列单元,用于根据匹配度,将所述第一标签进行排列组合;
第一计算单元,用于根据各所述第一标签对应的优秀语句的总数,计算各所述第一标签的比例权重;
第三获取单元,用于根据预设的优秀语句的可显示总数以及所述比例权重,在各所述第一标签对应的优秀语句中获取对应数量的优秀语句;
交叉组合单元,用于根据所述排列组合,将获取的所述优秀语句进行交叉组合;
第二显示单元,用于显示交叉组合后的所述优秀语句。
CN201610970838.2A 2016-11-04 2016-11-04 基于写作训练的语句推荐方法及其系统 Active CN106528749B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610970838.2A CN106528749B (zh) 2016-11-04 2016-11-04 基于写作训练的语句推荐方法及其系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610970838.2A CN106528749B (zh) 2016-11-04 2016-11-04 基于写作训练的语句推荐方法及其系统

Publications (2)

Publication Number Publication Date
CN106528749A true CN106528749A (zh) 2017-03-22
CN106528749B CN106528749B (zh) 2019-04-30

Family

ID=58326153

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610970838.2A Active CN106528749B (zh) 2016-11-04 2016-11-04 基于写作训练的语句推荐方法及其系统

Country Status (1)

Country Link
CN (1) CN106528749B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108416497A (zh) * 2018-01-30 2018-08-17 王志强 基于数据分析的智能决策方法、存储介质及服务器
CN110019735A (zh) * 2017-12-29 2019-07-16 Tcl集团股份有限公司 一种语句匹配方法、存储介质及终端设备
CN113254574A (zh) * 2021-03-15 2021-08-13 河北地质大学 一种机关公文辅助生成方法、装置以及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101101594A (zh) * 2007-06-12 2008-01-09 无敌科技(西安)有限公司 一种实时句子辅助写作方法及系统
CN102279846A (zh) * 2010-06-10 2011-12-14 英业达股份有限公司 文章辅助写作系统及其方法
CN103688254A (zh) * 2011-10-26 2014-03-26 Sk电信有限公司 用于自动评估写作的基于示例的错误检测系统、方法及错误检测设备
CN103699672A (zh) * 2013-12-30 2014-04-02 北京百度网讯科技有限公司 例句检索方法和装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101101594A (zh) * 2007-06-12 2008-01-09 无敌科技(西安)有限公司 一种实时句子辅助写作方法及系统
CN102279846A (zh) * 2010-06-10 2011-12-14 英业达股份有限公司 文章辅助写作系统及其方法
CN103688254A (zh) * 2011-10-26 2014-03-26 Sk电信有限公司 用于自动评估写作的基于示例的错误检测系统、方法及错误检测设备
CN103699672A (zh) * 2013-12-30 2014-04-02 北京百度网讯科技有限公司 例句检索方法和装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110019735A (zh) * 2017-12-29 2019-07-16 Tcl集团股份有限公司 一种语句匹配方法、存储介质及终端设备
CN108416497A (zh) * 2018-01-30 2018-08-17 王志强 基于数据分析的智能决策方法、存储介质及服务器
CN113254574A (zh) * 2021-03-15 2021-08-13 河北地质大学 一种机关公文辅助生成方法、装置以及系统

Also Published As

Publication number Publication date
CN106528749B (zh) 2019-04-30

Similar Documents

Publication Publication Date Title
CA2625607C (en) Text processor
Cohn Comics, linguistics, and visual language: The past and future of a field
CN104281699B (zh) 搜索推荐方法及装置
Brenda The cognitive perspective on the polysemy of the English spatial preposition over
Rosenfeld Indecorous Thinking: Figures of Speech in Early Modern Poetics
CN106255998A (zh) 利用英语语序地图的英语学习方法及其系统
CN106528749B (zh) 基于写作训练的语句推荐方法及其系统
Lockhart Writing the self: Gloria Anzaldúa, textual form, and feminist epistemology
Langer et al. Quantitative Linguistic Analysis of Czech Sign Language
Yan et al. Chinese offers a test for universal cognitive processes.
KR20160131304A (ko) 연결어 블랭크와 추론어 블랭크를 이용한 새 단어(외국어단어 및 전문용어 또는 광고내용)의 의미를 쉽게 암기시키기 위한 방법 및 장치
AU2007203103B2 (en) Reading Product Fabrication Methodology
Murphy Romantic modernism and the Greek polis
Zhang et al. The stranding of the ideography: A nonnegligible role of the spoken language.
Feldman Emoji use validates the potential for meaning standardization among ideographic symbols.
Park Not-So-Distant Reading
D'Alessandro Creative Actions and Organizations: Towards a Reflexive Sociology of Serendipity
Moldoveanu A source-and channel-coding approach to the analysis and design of languages and ideographies.
Riggsby How standardized must a code be to be useful?
Nephew et al. Ideography insight from facial recognition and neuroimaging.
Howard Ideography, Blissymbolics, standardization, and emergent conformity.
Cheng The feasibility of ideography as an empirical question for a science representational systems design.
Clark Communication consistency, completeness, and complexity of digital ideography in trustworthy mobile extended reality.
Adiego et al. The disadvantage of ideography.
Berio et al. Pragmatic interpretation and the production of ideographic codes.

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant