CN109948136B - 基于边缘计算的自动生成ppt模板的方法和系统 - Google Patents
基于边缘计算的自动生成ppt模板的方法和系统 Download PDFInfo
- Publication number
- CN109948136B CN109948136B CN201910232738.3A CN201910232738A CN109948136B CN 109948136 B CN109948136 B CN 109948136B CN 201910232738 A CN201910232738 A CN 201910232738A CN 109948136 B CN109948136 B CN 109948136B
- Authority
- CN
- China
- Prior art keywords
- template
- requirement
- ppt
- information
- filled
- 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.)
- Active
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Abstract
本发明实施例涉及一种基于边缘计算的自动生成PPT模板的方法和系统,其中,方法包括:获取终端发送的PPT模板需求,对PPT模板需求进行分析,生成待填写模板,将待填写模板发送至终端,并接收终端反馈的填写后的模板,从预设的模板库中选取与填写后的模板对应的PPT模板,以便将PPT模板反馈至所述终端,避免了现有技术中数据处理时间长,且精确度不高的技术问题,实现了高效且精准的对数据进行处理的技术效果。
Description
技术领域
本发明实施例涉及物联网技术领域,尤其涉及一种基于边缘计算的自动生成PPT模板的方法和系统。
背景技术
随着互联网和移动边缘计算的迅猛发展,边缘终端设备的数量迅速增加,同时边缘终端设备所产生数据量已达到泽字节(ZB)级别。
在现有技术中,是通过集中式数据处理的方式对PPT模板需求进行处理的。
然而,发明人在实现本发明的过程中,发现通过集中式数据处理方式对PPT模板需求进行处理,至少存在:数据处理时间长,且精度不高的技术弊端。
发明内容
本发明所要解决的技术问题是针对现有技术中所存在的上述缺陷,提供一种基于边缘计算的自动生成PPT模板的方法和系统,用以解决现有技术中存在数据处理时间长,且精度不高的问题。
根据本发明实施例的一个方面,本发明实施例提供了基于边缘计算的自动生成PPT模板的方法,包括:
获取终端发送的PPT模板需求;
对所述PPT模板需求进行分析,生成待填写模板;
将所述待填写模板发送至所述终端,并接收所述终端反馈的填写后的模板;
从预设的模板库中选取与所述填写后的模板对应的PPT模板,以便将所述PPT模板反馈至所述终端。
进一步地,所述对所述PPT模板需求进行分析,生成待填写模板,包括:
根据预设的第一迭代分析规则对所述PPT模板需求进行迭代分析处理,得到多个需求信息;
对多个所述需求信息进行汇总处理,得到请求信息;
根据预设的第二迭代分析规则对所述请求信息进行迭代分析处理,得到所述待填写模板。
进一步地,所述根据预设的第一迭代分析规则对所述PPT模板需求进行迭代分析处理,得到多个需求信息,包括:
根据预设的多层卷积神经网络模型对所述PPT模板需求中的第一需求进行分析,得到与其对应的第一需求信息;
根据所述第一需求和预设的迭代参数确定所述PPT模板需求中的第二需求;
根据所述多层卷积神经网络模型对所述第二需求进行分析,得到与其对应的第二需求信息。
进一步地,所述根据预设的第二迭代分析规则对所述请求信息进行迭代分析处理,得到所述待填写模板,包括:
判断所述第一需求信息是否满足预设的深度分析评价条件,得到判断结果;
如果所述判断结果为否,则根据所述第一需求信息和所述迭代参数确定所述第二需求信息;
根据所述多层卷积神经网络模型对所述第二需求信息进行分析,得到与所述第二需求信息对应的第二待填写信息;
其中,所述待填写模板包括所述第二待填写信息。
进一步地,所述判断所述第一需求信息是否满足预设的深度分析评价条件,包括:
根据式1判断所述第一需求信息是否满足所述深度分析评价条件,式1:
其中,为所述第一需求信息对应的PPT模板自动生成的时延,为所述第一需求信息对应的PPT模板自动生成的准确度,为所述第一需求信息对应的PPT模板自动生成的算力与传输宽带成本比,m,n和q分别为预设参数。
进一步地,所述根据所述多层卷积神经网络模型对所述第二需求信息进行分析,得到与所述第二需求信息对应的第二待填写信息,包括:
其中,为所述第一需求信息对应的第一待填写信息,为所述第二需求信息对应的PPT模板自动生成的时延,为所述第二需求信息对应的PPT模板自动生成的准确度,为所述第二需求信息对应的PPT模板自动生成的算力与传输宽带成本比,为所述第二需求信息对应的稀疏无监督学习因子,LminG为历史PPT模板自动生成的最小时延,CmaxG为历史PPT模板自动生成的最大准确度,WminG为历史PPT模板自动生成的最小的算力与传输宽带成本比。
根据本公开实施例的另一个方面,本公开实施例还提供了一种基于边缘计算的自动生成PPT模板的系统,包括:
获取模块,用于获取终端发送的PPT模板需求;
分析模块,用于对所述PPT模板需求进行分析,生成待填写模板;
发送模块,用于将所述待填写模板发送至所述终端;
接收模块,用于接收所述终端反馈的填写后的模板;
选取模块,用于从预设的模板库中选取与所述填写后的模板对应的PPT模板,以便将所述PPT模板反馈至所述终端。
进一步地,所述分析模块具体用于:
根据预设的第一迭代分析规则对所述PPT模板需求进行迭代分析处理,得到多个需求信息;
对多个所述需求信息进行汇总处理,得到请求信息;
根据预设的第二迭代分析规则对所述请求信息进行迭代分析处理,得到所述待填写模板。
进一步地,所述分析模块具体用于:
根据预设的多层卷积神经网络模型对所述PPT模板需求中的第一需求进行分析,得到与其对应的第一需求信息;
根据所述第一需求和预设的迭代参数确定所述PPT模板需求中的第二需求;
根据所述多层卷积神经网络模型对所述第二需求进行分析,得到与其对应的第二需求信息。
进一步地,所述分析模块具体用于:
判断所述第一需求信息是否满足预设的深度分析评价条件,得到判断结果;
如果所述判断结果为否,则根据所述第一需求信息和所述迭代参数确定所述第二需求信息;
根据所述多层卷积神经网络模型对所述第二需求信息进行分析,得到与所述第二需求信息对应的第二待填写信息;
其中,所述待填写模板包括所述第二待填写信息。
本发明实施例的有益效果在于,由于采用了获取终端发送的PPT模板需求,对PPT模板需求进行分析,生成待填写模板,将待填写模板发送至终端,并接收终端反馈的填写后的模板,从预设的模板库中选取与填写后的模板对应的PPT模板,以便将PPT模板反馈至所述终端,避免了现有技术中数据处理时间长,且精确度不高的技术问题,实现了高效且精准的对数据进行处理的技术效果。
附图说明
图1为根据本公开实施例的基于边缘计算的自动生成PPT模板的系统的框架结构示意图;
图2为根据本公开实施例的PPT模板生成分析器对应的分析功能架构图;
图3为根据本公开实施例的基于边缘计算的自动生成PPT模板的方法的流程示意图;
图4为根据本公开另一实施例的基于边缘计算的自动生成PPT模板的方法的流程示意图;
图5为根据本公开实施例的深度分析模型的结构示意图;
图6为根据本公开实施例提供深度分析原理图;
图7为根据本公开实施例的基于边缘计算的自动生成PPT模板的系统的模块示意图;
附图标记:
1、运营商网络传输层,2、PPT模板生成中心分析层,3、PPT模板生成边缘网关接入层,4、PPT模板生成边缘数据中心层,11、获取模块,12、分析模块,13、发送模块,14、接收模块,15、选取模块。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、接口、技术之类的具体细节,以便透彻理解本发明。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
本发明实施例提供了基于边缘计算的自动生成PPT模板的方法系统。
请参阅图1,图1为根据本公开实施例的基于边缘计算的自动生成PPT模板的系统的框架结构示意图。
如图1所述,该框架结构包括运营商网络传输层1,PPT模板生成中心分析层2,PPT模板生成边缘网关接入层3,PPT模板生成边缘数据中心层4。
其中,运营商网络传输层1包括至少一个通信基站,且为保证通信基站的通信质量和效果,以满足高效通信,以及满足用户的通信需求和体验,通信基站优选为5G通信基站。
具体地,用户(个人或者公司)通过终端将PPT模板需求发送至运营商网络传输层1,具体为将PPT模板需求发送至5G通信基站。
其中,终端可以是移动设备例如手机、笔记本电脑平板电脑、个人数字助理等,也可以是固定设备,例如台式电脑等。
通信基站将PPT模板需求发送至PPT模板生成中心分析层2。
具体地,为确保数据传输过程中的安全性及可靠性,通信基站根据预设的加密信道将PPT模板需求发送至PPT模板生成中心分析层2。
其中,PPT模板生成中心分析层2包括PPT模板库和word模板库,以及至少一个PPT模板生成分析器。
具体地,通信基站将PPT模板需求发送至PPT模板生成分析器。当PPT模板需求为一个,PPT模板生成分析器亦为一个时,则将PPT模板需求分配至该PPT模板生成分析器,由该PPT模板生成分析器对该PPT模板需求进行分析,得到相应的待填写模板。当PPT模板需求为一个,PPT模板生成分析器为多个时,则可通过多种分配方式实现,如方式一:将该PPT模板需求随机分配至任一PPT模板生成分析器;方式二:基于分析效率从多个PPT模板生成分析器中选取历史分析效率最高的PPT模板生成分析器;方式三:基于每个PPT模板生成分析器的当前剩余资源选取当前剩余资源最多的PPT模板生成分析器。此处只是示范性的说明,而不能理解为对本实施例的范围的限定。
请参阅图2,图2为根据本公开实施例的PPT模板生成分析器对应的分析功能架构图。
结合图2可知,任一PPT模板生成分析器可对多个PPT模板需求进行分析,并分别输出相应的分析结果,即输出与每个PPT模板需求对应的待填写模板。各PPT模板需求的分析为并行机制,互不干扰。
一方面,PPT模板生成分析器在得到PPT模板需求对应的待填写模板后,会将待填写模板发送至运营商网络传输层1。具体为将待填写模板发送至运营商网络传输层1中的任一5G通信基站,以便该5G通信基站将待填写模板发送至个人或企业对应的终端。
另一方面,PPT模板生成分析器会对PPT模板库和word模板库中的相应的模板(包括PPT模板库中存储的初始PPT模板和word模板库中存储的word模板)进行分析,得到多个PPT模板,并将每个PPT模板均发送至PPT模板生成边缘网关接入层3。
具体地,为确保数据传输过程中的安全性及可靠性,PPT模板生成分析器通过预设的加密专线将PPT模板发送至PPT模板生成边缘网关接入层3。
其中,PPT模板生成边缘网关接入层3包括至少一个PPT模板生成边缘网关。
具体地,PPT模板生成分析器通过预设的加密专线将每个PPT模板发送至PPT模板生成边缘网关。PPT模板生成边缘网关将接收到的每个PPT模板均发送至PPT模板生成边缘数据中心层4。
其中,PPT模板生成边缘数据中心层4包括至少一个PPT模板生成边缘服务器。
具体地,PPT模板生成边缘网关将接收到的每个PPT模板发送至PPT模板生成边缘服务器。
用户通过终端对PPT模板生成分析器通过5G通信基站反馈的待填写模板进行填写,并将填写后的模板通过5G通信基站发送至PPT模板生成边缘数据中心层4中的PPT模板生成边缘服务器。PPT模板生成边缘服务器根据填写后的模板从多个PPT模板中选取与填写后的模板对应的PPT模板,并将该PPT模板通过5G通信基站反馈至终端。
通过本公开实施例提供的框架图对应的方案,避免了现有技术中采用集中式数据处理的方式对PPT模板需求进行处理造成的数据量大,消耗时间长,浪费资源的问题,实现了基于移动边缘计算的PPT模板生成的负载均衡机制的技术效果。
根据本公开实施例的一个方面,本公开实施例提供了基于边缘计算的自动生成PPT模板的方法,该方法基于上述框架结构。
请参阅图3,图3为根据本公开实施例的基于边缘计算的自动生成PPT模板的方法的流程示意图。
如图3所示,该方法包括:
S1:获取终端发送的PPT模板需求。
其中,PPT模板需求是指用户期待获取哪一类PPT模板的需求。即,PPT模板需求中包括了用户期望的PPT模板的相关信息。当用户(包括企业或个人)有PPT模板的需求时,则可将其期望的PPT模板需要包括的信息(即PPT模板需求)通过用户终端进行发送。
S2:对PPT模板需求进行分析,生成待填写模板。
在一些实施例中,S2包括:
S2-1:根据预设的第一迭代分析规则对PPT模板需求进行迭代分析处理,得到多个需求信息。
结合图4可知,在一些实施例中,S2-1包括:
S2-1-1:根据预设的多层卷积神经网络模型对所述PPT模板需求中的第一需求进行分析,得到与其对应的第一需求信息。
优选地,通过将多卷积神经网络模型、深度极限无监督学习、脊函数、稀疏分类等方法结合,对第一需求进行分析,得到第一需求信息。
S2-1-2:根据第一需求和预设的迭代参数确定PPT模板需求中的第二需求。
其中,迭代参数包括:迭代最大次数,迭代增加次数。具体地:
初始迭代次数为0,即对首个需求进行分析。然后再迭代次数上加1,即为第一次迭代,对次个需求进行分析。
S2-1-3:根据多层卷积神经网络模型对第二需求进行分析,得到与其对应的第二需求信息。
优选地,通过将多卷积神经网络模型、深度极限无监督学习、脊函数、稀疏分类等方法结合,对第二需求进行分析,得到第二需求信息。
S2-2:对多个需求信息进行汇总处理,得到请求信息。
S2-3:根据预设的第二迭代分析规则对所述请求信息进行迭代分析处理,得到所述待填写模板。
在一些实施例中,S2-3包括:
S2-3-1:判断第一需求信息是否满足预设的深度分析评价条件,得到判断结果。
在一些实施例中,根据式1判断第一需求信息是否满足深度分析评价条件,式1:
请参阅图5,图5为根据本公开实施例的深度分析模型的结构示意图。
如图5所示,m,n和q分别为该深度分析模型的三个方向的向量上的取值。
现结合图6对深度分析模型对应的深度分析原理进行详细的阐述。其中,如图6所示,每次迭代中的多层卷积神经网络模型(或者,结合深度极限无监督学习、脊函数、稀疏分类等策略)思想为:在1,2,…h多维空间中,多个深度分析方案根据多层卷积神经网络模型(或者,深度极限无监督学习、脊函数、稀疏分类等策略)向最优化PPT模板匹配推荐方案确定的方向迁移,也即图6中实线圆球所在位置。图6中间部分为多层卷积神经网络模型(或者,结合深度极限无监督学习、脊函数、稀疏分类等策略)原理,PPT模板需求在输入后经过请求输入、多层卷积神经网络模型(或者,结合深度极限无监督学习、脊函数、稀疏分类等策略)分析后输出相应分析结果。图6右边部分的多层卷积神经元网络多层包含:PPT自动生成延迟L、PPT模板自动选择准确度C、PPT模板算力与传输带宽成本比W(PPT模板算力与传输带宽成本比=PPT模板生成边缘服务器算力/传输带宽成本)。输出量包含:PPT模板匹配推荐方案的预推荐信息,如图6中右边部分。
结合多维空间、多层循环、复卷积神经网络、深度极限学习、概率论、运筹学、机器学习、聚类分类等理论优势的深度分析得到结果。
如果判断结果为否,则执行S2-3-2:根据第一需求信息和迭代参数确定第二需求信息。
如:迭代参数包括:迭代最大次数,迭代增加次数。具体地:
初始迭代次数为0,即对首个需求信息进行分析。然后再迭代次数上加1,即为第一次迭代,对次个需求信息进行分析。
在一种可能实现的方案中,对当前迭代次数与最大迭代次数进行比较,如果当前迭代次数大于最大迭代次数时,则结束流程。如果当前迭代次数小于或等于最大迭代次数时,则跳转至S2-3-1。
S2-3-3:根据多层卷积神经网络模型对第二需求信息进行分析,得到与第二需求信息对应的第二待填写信息,其中,待填写模板包括第二待填写信息。
在一些实施例中,S2-3-3包括:
其中,为第一需求信息对应的第一待填写信息,为第二需求信息对应的PPT模板自动生成的时延,为第二需求信息对应的PPT模板自动生成的准确度,为第二需求信息对应的PPT模板自动生成的算力与传输宽带成本比,为第二需求信息对应的稀疏无监督学习因子,LminG为历史PPT模板自动生成的最小时延,CmaxG为历史PPT模板自动生成的最大准确度,WminG为历史PPT模板自动生成的最小的算力与传输宽带成本比。
S3:将待填写模板发送至所述终端,并接收终端反馈的填写后的模板。
S4:从预设的模板库中选取与填写后的模板对应的PPT模板,以便将PPT模板反馈至终端。
根据本公开实施例的另一个方面,本公开实施例还提供了基于边缘计算的自动生成PPT模板的系统。
请参阅图7,图7为根据本公开实施例的基于边缘计算的自动生成PPT模板的系统的模块示意图。
如图7所示,该系统包括:
获取模块11,用于获取终端发送的PPT模板需求;
分析模块12,用于对PPT模板需求进行分析,生成待填写模板;
发送模块13,用于将待填写模板发送至终端;
接收模块14,用于接收终端反馈的填写后的模板;
选取模块15,用于从预设的模板库中选取与填写后的模板对应的PPT模板,以便将PPT模板反馈至终端。
在一些实施例中,分析模块12具体用于:
根据预设的第一迭代分析规则对PPT模板需求进行迭代分析处理,得到多个需求信息;
对多个需求信息进行汇总处理,得到请求信息;
根据预设的第二迭代分析规则对请求信息进行迭代分析处理,得到待填写模板。
在一些实施例中,分析模块12具体用于:
根据预设的多层卷积神经网络模型对PPT模板需求中的第一需求进行分析,得到与其对应的第一需求信息;
根据第一需求和预设的迭代参数确定PPT模板需求中的第二需求;
根据多层卷积神经网络模型对第二需求进行分析,得到与其对应的第二需求信息。
在一些实施例中,分析模块12具体用于:
判断第一需求信息是否满足预设的深度分析评价条件,得到判断结果;
如果判断结果为否,则根据第一需求信息和迭代参数确定所述第二需求信息;
根据多层卷积神经网络模型对第二需求信息进行分析,得到与第二需求信息对应的第二待填写信息;
其中,待填写模板包括第二待填写信息。
读者应理解,在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必针对的是相同的实施例或示例。而且,描述的具体特征、结构或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
还应理解,在本发明各实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (9)
1.一种基于边缘计算的自动生成PPT模板的方法,其中,包括:
获取终端发送的PPT模板需求;
对所述PPT模板需求进行分析,生成待填写模板;
将所述待填写模板发送至所述终端,并接收所述终端反馈的填写后的模板;
从预设的模板库中选取与所述填写后的模板对应的PPT模板,以便将所述PPT模板反馈至所述终端;
所述对所述PPT模板需求进行分析,生成待填写模板,包括:
对所述PPT模板需求进行分析,得到第二待填写信息;其中,所述待填写模板包括所述第二待填写信息;
2.根据权利要求1所述的方法,其中,所述对所述PPT模板需求进行分析,生成待填写模板,包括:
根据预设的第一迭代分析规则对所述PPT模板需求进行迭代分析处理,得到多个需求信息;
对多个所述需求信息进行汇总处理,得到请求信息;
根据预设的第二迭代分析规则对所述请求信息进行迭代分析处理,得到所述待填写模板。
3.根据权利要求2所述的方法,其中,所述根据预设的第一迭代分析规则对所述PPT模板需求进行迭代分析处理,得到多个需求信息,包括:
根据预设的多层卷积神经网络模型对所述PPT模板需求中的第一需求进行分析,得到与其对应的第一需求信息;
根据所述第一需求和预设的迭代参数确定所述PPT模板需求中的第二需求;
根据所述多层卷积神经网络模型对所述第二需求进行分析,得到与其对应的第二需求信息。
4.根据权利要求3所述的方法,其中,所述根据预设的第二迭代分析规则对所述请求信息进行迭代分析处理,得到所述待填写模板,包括:
判断所述第一需求信息是否满足预设的深度分析评价条件,得到判断结果;
如果所述判断结果为否,则根据所述第一需求信息和所述迭代参数确定所述第二需求信息;
根据所述多层卷积神经网络模型对所述第二需求信息进行分析,得到与所述第二需求信息对应的第二待填写信息。
6.一种基于边缘计算的自动生成PPT模板的系统,其中,包括:
获取模块,用于获取终端发送的PPT模板需求;
分析模块,用于对所述PPT模板需求进行分析,生成待填写模板;
发送模块,用于将所述待填写模板发送至所述终端;
接收模块,用于接收所述终端反馈的填写后的模板;
选取模块,用于从预设的模板库中选取与所述填写后的模板对应的PPT模板,以便将所述PPT模板反馈至所述终端;
所述分析模块,还用于对所述PPT模板需求进行分析,得到第二待填写信息;其中,所述待填写模板包括所述第二待填写信息;
7.根据权利要求6所述的系统,其中,所述分析模块具体用于:
根据预设的第一迭代分析规则对所述PPT模板需求进行迭代分析处理,得到多个需求信息;
对多个所述需求信息进行汇总处理,得到请求信息;
根据预设的第二迭代分析规则对所述请求信息进行迭代分析处理,得到所述待填写模板。
8.根据权利要求7所述的系统,其中,所述分析模块具体用于:
根据预设的多层卷积神经网络模型对所述PPT模板需求中的第一需求进行分析,得到与其对应的第一需求信息;
根据所述第一需求和预设的迭代参数确定所述PPT模板需求中的第二需求;
根据所述多层卷积神经网络模型对所述第二需求进行分析,得到与其对应的第二需求信息。
9.根据权利要求8所述的系统,其中,所述分析模块具体用于:
判断所述第一需求信息是否满足预设的深度分析评价条件,得到判断结果;
如果所述判断结果为否,则根据所述第一需求信息和所述迭代参数确定所述第二需求信息;
根据所述多层卷积神经网络模型对所述第二需求信息进行分析,得到与所述第二需求信息对应的第二待填写信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910232738.3A CN109948136B (zh) | 2019-03-26 | 2019-03-26 | 基于边缘计算的自动生成ppt模板的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910232738.3A CN109948136B (zh) | 2019-03-26 | 2019-03-26 | 基于边缘计算的自动生成ppt模板的方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109948136A CN109948136A (zh) | 2019-06-28 |
CN109948136B true CN109948136B (zh) | 2022-09-23 |
Family
ID=67010739
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910232738.3A Active CN109948136B (zh) | 2019-03-26 | 2019-03-26 | 基于边缘计算的自动生成ppt模板的方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109948136B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104933020A (zh) * | 2015-07-17 | 2015-09-23 | 北京奇虎科技有限公司 | 基于模板生成目标文档的方法及装置 |
WO2017063389A1 (zh) * | 2015-10-14 | 2017-04-20 | 中兴通讯股份有限公司 | 文档生成方法和装置 |
CN109272430A (zh) * | 2018-09-25 | 2019-01-25 | 东北大学 | 面向智能制造的自主学习系统 |
-
2019
- 2019-03-26 CN CN201910232738.3A patent/CN109948136B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104933020A (zh) * | 2015-07-17 | 2015-09-23 | 北京奇虎科技有限公司 | 基于模板生成目标文档的方法及装置 |
WO2017063389A1 (zh) * | 2015-10-14 | 2017-04-20 | 中兴通讯股份有限公司 | 文档生成方法和装置 |
CN109272430A (zh) * | 2018-09-25 | 2019-01-25 | 东北大学 | 面向智能制造的自主学习系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109948136A (zh) | 2019-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2722473C1 (ru) | Быстрое вычисление сверточной нейронной сети | |
CN109976915B (zh) | 基于边缘计算的边云协同需求的优化方法和系统 | |
Ali et al. | An automated task scheduling model using non-dominated sorting genetic algorithm II for fog-cloud systems | |
CN113242568A (zh) | 一种不确定网络环境中的任务卸载和资源分配方法 | |
JP2021533450A (ja) | 機械学習のためのハイパーパラメータの識別および適用 | |
US9710428B2 (en) | Techniques for automated bayesian posterior sampling using markov chain monte carlo and related schemes | |
CN112449009A (zh) | 一种基于svd的联邦学习推荐系统通信压缩方法及装置 | |
US20200311180A1 (en) | Matrix-Factorization Based Gradient Compression | |
WO2021111456A1 (en) | Moderator for identifying deficient nodes in federated learning | |
Nduwayezu et al. | Latency and energy aware rate maximization in MC-NOMA-based multi-access edge computing: A two-stage deep reinforcement learning approach | |
CN109948136B (zh) | 基于边缘计算的自动生成ppt模板的方法和系统 | |
CN110413840B (zh) | 一种构造对视频确定标签的神经网络及其训练的方法 | |
CN112543481B (zh) | 一种边缘节点算力负载均衡的方法、装置及系统 | |
Tang et al. | Tackling system induced bias in federated learning: Stratification and convergence analysis | |
CN115660116A (zh) | 基于稀疏适配器的联邦学习方法及系统 | |
CN109982295B (zh) | 业务模板的推送方法及业务模板的推送器 | |
CN115292361A (zh) | 一种分布式能源异常数据的筛选方法及系统 | |
WO2022068200A1 (zh) | 缺陷预测方法和装置、存储介质和电子装置 | |
Kushwaha et al. | Optimal device selection in federated learning for resource-constrained edge networks | |
EP4349055A2 (en) | Dimensioning of telecommunication infrastructure | |
CN110728118B (zh) | 跨数据平台的数据处理方法、装置、设备及存储介质 | |
Li et al. | Influencing factors of job waiting time variance on a single machine | |
CN113066038A (zh) | 图像评估方法、装置、电子设备及计算机存储介质 | |
CN113743425A (zh) | 一种生成分类模型的方法和装置 | |
Chassein et al. | Approximating multiobjective combinatorial optimization problems with the OWA criterion |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |