CN110209838A - 一种文本模板获取方法及相关装置 - Google Patents

一种文本模板获取方法及相关装置 Download PDF

Info

Publication number
CN110209838A
CN110209838A CN201910496812.2A CN201910496812A CN110209838A CN 110209838 A CN110209838 A CN 110209838A CN 201910496812 A CN201910496812 A CN 201910496812A CN 110209838 A CN110209838 A CN 110209838A
Authority
CN
China
Prior art keywords
text template
template
text
keyword
database
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.)
Pending
Application number
CN201910496812.2A
Other languages
English (en)
Inventor
吴晓鸰
吴迎岗
凌捷
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.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
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 Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN201910496812.2A priority Critical patent/CN110209838A/zh
Publication of CN110209838A publication Critical patent/CN110209838A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/166—Editing, e.g. inserting or deleting
    • G06F40/186—Templates

Abstract

本申请公开了一种文本模板获取方法，包括：根据接收到的关键词判断文本模版数据库中是否存在匹配的文本模版；若是，则根据所述关键词对所述数据库进行检索，得到对应的文本模版；若否，则根据所述关键词获取到目标描述信息，根据所述目标描述信息进行文本模版生成处理，得到文本模版。通过对文本模版数据库进行检索，检索范围更小，被检索的数据更加精确，避免在大范围内进行搜索，提高文本模版的获取效率。本申请还公开了一种文本模版获取装置、文本模版获取设备以及计算机可读存储介质，具有以上有益效果。

Description

一种文本模板获取方法及相关装置
技术领域
本申请涉及计算机技术领域，特别涉及一种文本模板获取方法、文本模版获取装置、文本模版获取设备以及计算机可读存储介质。
背景技术
目前在日常生活中经常需要写出各种文书材料和证明材料，而对于不常用的文书材料和证明材料同样具有通行的模版。如果用户对模版不熟悉，则需要从网络上搜索文本模版再进行填写。
但是，用户主动在网络中搜索模版，会存在多种问题。首先，用户直接在搜索引擎中搜索，搜索范围过于广泛，得到的结果质量参差不齐，用户需要耗费大量时间在搜索结果中再次查找出最适合的文本模版。如果没有找到合适的文本模版，则需要用户对查找到的文本模版或者文本内容进行手动修改，才可以得到合适的文本模版进行使用。可见，目前获取到文本模版的过程极为繁琐，效率不高。在查找过程中不仅花费精力，还容易造成不必要的麻烦。
因此，如何提高获取文本模版的效率是本领域技术人员关注的重点问题。
发明内容
本申请的目的是提供一种文本模板获取方法、文本模版获取装置、文本模版获取设备以及计算机可读存储介质，通过对文本模版数据库进行检索，检索范围更小，被检索的数据更加精确，避免在大范围内进行搜索，提高文本模版的获取效率。
为解决上述技术问题，本申请提供一种文本模板获取方法，包括：
根据接收到的关键词判断文本模版数据库中是否存在匹配的文本模版；
若是，则根据所述关键词对所述数据库进行检索，得到对应的文本模版；
若否，则根据所述关键词获取到目标描述信息，根据所述目标描述信息进行文本模版生成处理，得到文本模版。
可选的，根据所述关键词对所述数据库进行检索，得到对应的文本模版，包括：
根据所述关键词确定检索类别；
根据所述关键词和所述检索类别对所述文本模版数据库进行检索，得到所述文本模版。
可选的，还包括：
根据所述文本模版数据库的文本模板数据对神经网络进行训练，得到模板生成模型；
相应的，根据所述关键词获取到目标描述信息，根据所述目标描述信息进行文本模版生成处理，得到文本模版，包括：
根据所述关键词获取到目标描述信息；
采用所述模板生成模型对所述目标描述信息进行文本模版生成处理，得到所述文本模版。
可选的，根据所述关键词获取到目标描述信息，包括：
对所述关键词进行互联网搜索，得到所述目标描述信息。
可选的，根据所述关键词获取到目标描述信息，包括：
根据所述关键发送描述获取提示；
接收到用户输入的所述目标描述信息。
可选的，根据所述文本模版数据库的文本模板数据对神经网络进行训练，得到模板生成模型，包括：
对所述文本模版数据库中的文本模版数据进行标注处理，得到模版语料；
对所述模版语料进行标签标注处理，得到训练集数据和测试集数据；
根据所述训练集数据和所述测试集数据对所述神经网络进行训练，得到所述模版生成模型。
本申请还提供一种文本模版获取装置，包括：
判断匹配模块，用于根据接收到的关键词判断文本模版数据库中是否存在匹配的文本模版；
模版检索模块，用于当所述文本模版数据库存在匹配的文本模版时，根据所述关键词对所述数据库进行检索，得到对应的文本模版；
模版生成模块，用于当所述文本模版数据库不存在匹配的文本模版时，根据所述关键词获取到目标描述信息，根据所述目标描述信息进行文本模版生成处理，得到文本模版。
可选的，所述模版检索模块，包括：
检索类别确定单元，用于根据所述关键词确定检索类别；
检索单元，用于根据所述关键词和所述检索类别对所述文本模版数据库进行检索，得到所述文本模版。
本申请还提供一种文本模版获取设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如上所述的文本模板获取方法的步骤。
本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的文本模板获取方法的步骤。
本申请所提供的一种文本模板获取方法，包括：根据接收到的关键词判断文本模版数据库中是否存在匹配的文本模版；若是，则根据所述关键词对所述数据库进行检索，得到对应的文本模版；若否，则根据所述关键词获取到目标描述信息，根据所述目标描述信息进行文本模版生成处理，得到文本模版。
通过先判断文本模版数据库中是否存在匹配的文本模版，当存在匹配的对应的文本模版时，即可直接获取该文本模版继续使用，当不存在匹配的对应的文本模版时，获取相关文本材料，也就是获取目标描述信息，根据目标描述信息进行文本模本生成处理，得到文本模版。相比于现有技术中在整个互联网匹配关键词，本申请中进行搜索的范围更小，被搜索的数据更加精确，文本模版数据库中存放的数据更加专业，符合实际需求。并且，本申请的技术方案无论数据库中存不存在文本模版，都可以获取到合适的文本模版，而不是现有技术中从互联网中获取甄别合适的文本模版，同样也不需要手动进行修改获取到合适的文本模版，提高获取模版的精度和准确率，还提高获取模版的效率。
本申请还提供一种文本模版获取装置、文本模版获取设备以及计算机可读存储介质，具有以上有益效果，在此不作赘述。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请实施例所提供的第一种文本模板获取方法的流程图；
图2为本申请实施例所提供的第二种文本模板获取方法的流程图；
图3为本申请实施例所提供的一种文本模版获取装置的结构示意图；
图4为本申请实施例所提供的一种文本模版获取设备的结构示意图。
具体实施方式
本申请的核心是提供一种文本模板获取方法、文本模版获取装置、文本模版获取设备以及计算机可读存储介质，通过对文本模版数据库进行检索，检索范围更小，被检索的数据更加精确，避免在大范围内进行搜索，提高文本模版的获取效率。
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
现有技术中，主要是用户主动在网络中搜索模版，会存在多种问题。首先，在用户直接在搜索引擎中搜索，搜索范围过于广泛，得到的结果质量参差不齐，用户需要耗费大量时间在搜索结果中再次查找出最适合的文本模版。如果没有找到合适的文本模版，则需要用户对查找到的文本模版或者文本内容进行手动修改，才可以得到合适的文本模版进行使用。可见，目前获取到文本模版的过程极为繁琐，效率不高。在查找过程中不仅花费精力，还容易造成不必要的麻烦。
因此，本申请提供一种文本模板获取方法，通过先判断文本模版数据库中是否存在匹配的文本模版，当存在匹配的对应的文本模版时，即可直接获取该文本模版继续使用，当不存在匹配的对应的文本模版时，获取相关文本材料，也就是获取目标描述信息，根据目标描述信息进行文本模本生成处理，得到文本模版。相比于现有技术中在整个互联网匹配关键词，本申请中进行搜索的范围更小，被搜索的数据更加精确，文本模版数据库中存放的数据更加专业，符合实际需求。并且，本申请的技术方案无论数据库中存不存在文本模版，都可以获取到合适的文本模版，而不是现有技术中从互联网中获取甄别合适的文本模版，同样也不需要手动进行修改获取到合适的文本模版，提高获取模版的精度和准确率，还提高获取模版的效率。
请参考图1，图1为本申请实施例所提供的第一种文本模板获取方法的流程图。
本实施例中，该方法可以包括：
S101，根据接收到的关键词判断文本模版数据库中是否存在匹配的文本模版；若是，则执行S102；若否，则执行S103；
本步骤旨在先接收到关键词，然后根据关键词判断文本模版数据库中是否存在对应的文本模版。
其中，文本模版数据库是指只存储有文本模版的数据库。可以在该文本模版数据库中保存有各种分类各种用途的文本模版，以满足文本模版的检索需求。并且，将该文本模版数据库中的模版进行规范化处理，提高该数据库中的文本模版的质量。
此外，本实施例中可以采用现有技术中的任意一种数据获取方法从互联网中获取到文本模版，将该文本模版保存至文本模版数据库中。本实施例中并不对获取文本模版数据库的方法进行限定，可以根据实际需求选择合适的获取方法。
具体的，在本步骤中在文本模版之间进行匹配的方法，可以是将关键词与文本模版对应的关键词进行匹配，还可以是将关键词与文本模版的模版信息匹配，也可以是根据关键词先确定文本模版的细分集合然后进行文本模版匹配。可见，本步骤中进行匹配的方式并不唯一，在此不做具体限定。
S102，根据关键词对数据库进行检索，得到对应的文本模版；
在S101的基础上，本步骤旨在当文本模版数据库中存在对应的模版时，直接获取该对应的文本模版作为输出内容，传送至用户处。
可选的，为了提高本步骤中进行检索的速度，本步骤可以包括：
步骤一，根据关键词确定检索类别；
步骤二，根据关键词和检索类别对文本模版数据库进行检索，得到文本模版。
可见，本可选方案中先确定检索类别，然后再在该检索类别内进行检索，缩小了检索范围，相应的就提高了检索的速度。
S103，根据关键词获取到目标描述信息，根据目标描述信息进行文本模版生成处理，得到文本模版。
在S101的基础上，本步骤旨在当文本模版数据库中不存在对应的模版时，根据关键词进行文本模版生成处理，得到文本模版。主要是为了避免再去互联网中查找合适的文本模版，造成的效率低下等问题。
本步骤中主要是首先根据关键词获取到目标描述信息，该目标描述信息是对文本模版的大致信息进行描述的信息，表示了文本模版主要的用途，作用以及场合。也就是说，获取到关于文本模版较为完整的描述信息。然后根据该目标描述信息进行文本模版生成处理，得到文本模版。
其中，根据关键词获取到目标描述信息，可以是对关键词进行互联网搜索，得到目标描述信息。例如，此时的关键词为考勤证明，可以在互联网中搜索到对于考勤证明的定义，作为目标描述信息。通过互联网获取可以实现自动化获取目标描述信息，避免用户在此进行输入等操作，避免用户执行多余的操作。此外，获取到目标描述信息还可以是根据关键发送描述获取提示；接收到用户输入的目标描述信息。也就是提示用户输入相关的目标描述信息，提高自定义的程度，可以获取到更准确的目标描述信息，提高文本模版生成的准确率。
其中，进行文本模版生成处理得到文本模版的过程可以参考以下实施例，在此不做赘述。
综上，本实施例通过先判断文本模版数据库中是否存在匹配的文本模版，当存在匹配的对应的文本模版时，即可直接获取该文本模版继续使用，当不存在匹配的对应的文本模版时，获取相关文本材料，也就是获取目标描述信息，根据目标描述信息进行文本模本生成处理，得到文本模版。相比于现有技术中在整个互联网匹配关键词，本申请中进行搜索的范围更小，被搜索的数据更加精确，文本模版数据库中存放的数据更加专业，符合实际需求。并且，本申请的技术方案无论数据库中存不存在文本模版，都可以获取到合适的文本模版，而不是现有技术中从互联网中获取甄别合适的文本模版，同样也不需要手动进行修改获取到合适的文本模版，提高获取模版的精度和准确率，还提高获取模版的效率。
以下通过一个实施例，对本申请提供的一种文本模板获取方法进行进一步说明。
请参考图2，图2为本申请实施例所提供的第二种文本模板获取方法的流程图。
本实施例中，该方法可以包括：
S201，根据文本模版数据库的文本模板数据对神经网络进行训练，得到模板生成模型；
S202，根据接收到的关键词判断文本模版数据库中是否存在匹配的文本模版；若是，则执行S203；若否，则执行S204；
S203，根据关键词对数据库进行检索，得到对应的文本模版；
S204，根据关键词获取到目标描述信息；采用模板生成模型对目标描述信息进行文本模版生成处理，得到文本模版。
可见，本实施例中主要是采用模版生成模型进行文本模版生成处理。相应的，还需要通过步骤S201对神经网络进行训练得到模版生成模型。其中，具体的训练方法可以采用现有技术中提供的任意一种模型训练方法，还可以采用以下可选方案提供的训练方法，在此不做赘述。
本实施例中通过模版生成模型实现文本模版生成处理，不仅可以通过神经网络的特征使模型自动学习更新，以符合更多的需求，还可以通过文本模版数据库作为训练数据，不断提高模版生成模型的准确度和精度。其次，在使用的过程中不仅可以降低用户的操作次数和复杂程度，还可以提高用户获取文本模版的效率，避免在此类事务上浪费太多的时间。
需要说明的是，本实施例中并不对S201的执行顺序做限定，可以在所有步骤之前执行，还可以在实施例中任意其他步骤执行。在此不做具体限定。
可选的，S201可以包括：
步骤一，对文本模版数据库中的文本模版数据进行标注处理，得到模版语料；
步骤二，对模版语料进行标签标注处理，得到训练集数据和测试集数据；
步骤三，根据训练集数据和测试集数据对神经网络进行训练，得到模版生成模型。
在上一实施例的基础上，本申请还可以提供一种更加具体的实施例。该实施例包括三部分，一是后台管理程序，二是数据库，三是APP应用，数据库里已经通过后台管理的操作上传存储了类别不一的规范模板信息，也就是文本模版数据库，使用者然后再通过APP应用实现所需要的操作。本实施例中的数据库将不同类别的模板进行分类整理以便方便的查询搜索，进行所需要的模板信息筛选，如果根据关键词未能搜索到所需模板，则可以使用基于关键词的文本生成算法进行模板的生成，对于模板可以进行在线编辑以及保存以方便下载打印。
可见，本实施例通过先判断文本模版数据库中是否存在匹配的文本模版，当存在匹配的对应的文本模版时，即可直接获取该文本模版继续使用，当不存在匹配的对应的文本模版时，获取相关文本材料，也就是获取目标描述信息，根据目标描述信息进行文本模本生成处理，得到文本模版。相比于现有技术中在整个互联网匹配关键词，本申请中进行搜索的范围更小，被搜索的数据更加精确，文本模版数据库中存放的数据更加专业，符合实际需求。并且，本申请的技术方案无论数据库中存不存在文本模版，都可以获取到合适的文本模版，而不是现有技术中从互联网中获取甄别合适的文本模版，同样也不需要手动进行修改获取到合适的文本模版，提高获取模版的精度和准确率，还提高获取模版的效率。
下面对本申请实施例提供的一种文本模版获取装置进行介绍，下文描述的一种文本模版获取装置与上文描述的一种文本模版获取方法可相互对应参照。
请参考图3，图3为本申请实施例所提供的一种文本模版获取装置的结构示意图。
本实施例中，该装置可以包括：
判断匹配模块100，用于根据接收到的关键词判断文本模版数据库中是否存在匹配的文本模版；
模版检索模块200，用于当文本模版数据库存在匹配的文本模版时，根据关键词对数据库进行检索，得到对应的文本模版；
模版生成模块300，用于当文本模版数据库不存在匹配的文本模版时，根据关键词获取到目标描述信息，根据目标描述信息进行文本模版生成处理，得到文本模版。
可选的，该模版检索模块200，可以包括：
检索类别确定单元，用于根据关键词确定检索类别；
检索单元，用于根据关键词和检索类别对文本模版数据库进行检索，得到文本模版。
本申请所提供的文本模版获取装置，通过先判断文本模版数据库中是否存在匹配的文本模版，当存在匹配的对应的文本模版时，即可直接获取该文本模版继续使用，当不存在匹配的对应的文本模版时，获取相关文本材料，也就是获取目标描述信息，根据目标描述信息进行文本模本生成处理，得到文本模版。相比于现有技术中在整个互联网匹配关键词，本申请中进行搜索的范围更小，被搜索的数据更加精确，文本模版数据库中存放的数据更加专业，符合实际需求。并且，本申请的技术方案无论数据库中存不存在文本模版，都可以获取到合适的文本模版，而不是现有技术中从互联网中获取甄别合适的文本模版，同样也不需要手动进行修改获取到合适的文本模版，提高获取模版的精度和准确率，还提高获取模版的效率。
下面对本申请实施例提供的文本模版获取设备进行介绍，下文描述的文本模版获取设备与上文描述的文本模版获取方法可相互对应参照。
请参考图4，图4为本申请实施例所提供的一种文本模版获取设备的结构示意图，该文本模版获取设备可以包括：
存储器11，用于存储计算机程序；
处理器12，用于执行上述存储器11存储的计算机程序时可实现如下步骤：
根据接收到的关键词判断文本模版数据库中是否存在匹配的文本模版；若是，则根据关键词对数据库进行检索，得到对应的文本模版；若否，则根据关键词获取到目标描述信息，根据目标描述信息进行文本模版生成处理，得到文本模版。
本实施例中，处理器12执行存储器11中保存的计算机子程序时，可以具体实现以下步骤：根据关键词确定检索类别；根据关键词和检索类别对文本模版数据库进行检索，得到文本模版。
本实施例中，处理器12执行存储器11中保存的计算机子程序时，可以具体实现以下步骤：根据文本模版数据库的文本模板数据对神经网络进行训练，得到模板生成模型；相应的，根据关键词获取到目标描述信息，根据目标描述信息进行文本模版生成处理，得到文本模版，包括：根据关键词获取到目标描述信息；采用模板生成模型对目标描述信息进行文本模版生成处理，得到文本模版。
本实施例中，处理器12执行存储器11中保存的计算机子程序时，可以具体实现以下步骤：对关键词进行互联网搜索，得到目标描述信息。
本实施例中，处理器12执行存储器11中保存的计算机子程序时，可以具体实现以下步骤：根据关键发送描述获取提示；接收到用户输入的目标描述信息。
本实施例中，处理器12执行存储器11中保存的计算机子程序时，可以具体实现以下步骤：对文本模版数据库中的文本模版数据进行标注处理，得到模版语料；对模版语料进行标签标注处理，得到训练集数据和测试集数据；根据训练集数据和测试集数据对神经网络进行训练，得到模版生成模型。
对于本申请提供的设备的介绍请参照上述方法实施例，本申请在此不做赘述。
进一步的，本申请实施例还公开了一种计算机可读存储介质，用于存储计算机程序，其中，计算机程序被处理器执行时可实现如下步骤：
根据接收到的关键词判断文本模版数据库中是否存在匹配的文本模版；若是，则根据关键词对数据库进行检索，得到对应的文本模版；若否，则根据关键词获取到目标描述信息，根据目标描述信息进行文本模版生成处理，得到文本模版。
在一些具体的实施例中，计算机可读存储介质中保存的计算机子程序被处理器执行时，可以具体实现以下步骤：根据关键词确定检索类别；根据关键词和检索类别对文本模版数据库进行检索，得到文本模版。
在一些具体的实施例中，计算机可读存储介质中保存的计算机子程序被处理器执行时，可以具体实现以下步骤：根据文本模版数据库的文本模板数据对神经网络进行训练，得到模板生成模型；相应的，根据关键词获取到目标描述信息，根据目标描述信息进行文本模版生成处理，得到文本模版，包括：根据关键词获取到目标描述信息；采用模板生成模型对目标描述信息进行文本模版生成处理，得到文本模版。
在一些具体的实施例中，计算机可读存储介质中保存的计算机子程序被处理器执行时，可以具体实现以下步骤：对关键词进行互联网搜索，得到目标描述信息。
在一些具体的实施例中，计算机可读存储介质中保存的计算机子程序被处理器执行时，可以具体实现以下步骤：根据关键发送描述获取提示；接收到用户输入的目标描述信息。
在一些具体的实施例中，计算机可读存储介质中保存的计算机子程序被处理器执行时，可以具体实现以下步骤：对文本模版数据库中的文本模版数据进行标注处理，得到模版语料；对模版语料进行标签标注处理，得到训练集数据和测试集数据；根据训练集数据和测试集数据对神经网络进行训练，得到模版生成模型。
该计算机可读存储介质可以包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
对于本申请提供的计算机可读存储介质的具体介绍请参照上述方法实施例，本申请在此不做赘述。
说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本申请所提供的一种文本模板获取方法、文本模版获取装置、文本模版获取设备以及计算机可读存储介质进行了详细介绍。本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。

Claims (10)

1.一种文本模板获取方法，其特征在于，包括：
根据接收到的关键词判断文本模版数据库中是否存在匹配的文本模版；
若是，则根据所述关键词对所述数据库进行检索，得到对应的文本模版；
若否，则根据所述关键词获取到目标描述信息，根据所述目标描述信息进行文本模版生成处理，得到文本模版。
2.根据权利要求1所述的文本模版获取方法，其特征在于，根据所述关键词对所述数据库进行检索，得到对应的文本模版，包括：
根据所述关键词确定检索类别；
根据所述关键词和所述检索类别对所述文本模版数据库进行检索，得到所述文本模版。
3.根据权利要求1所述的文本模版获取方法，其特征在于，还包括：
根据所述文本模版数据库的文本模板数据对神经网络进行训练，得到模板生成模型；
相应的，根据所述关键词获取到目标描述信息，根据所述目标描述信息进行文本模版生成处理，得到文本模版，包括：
根据所述关键词获取到目标描述信息；
采用所述模板生成模型对所述目标描述信息进行文本模版生成处理，得到所述文本模版。
4.根据权利要求3所述的文本模版获取方法，其特征在于，根据所述关键词获取到目标描述信息，包括：
对所述关键词进行互联网搜索，得到所述目标描述信息。
5.根据权利要求3所述的文本模版获取方法，其特征在于，根据所述关键词获取到目标描述信息，包括：
根据所述关键发送描述获取提示；
接收到用户输入的所述目标描述信息。
6.根据权利要求3所述的文本模版获取方法，其特征在于，根据所述文本模版数据库的文本模板数据对神经网络进行训练，得到模板生成模型，包括：
对所述文本模版数据库中的文本模版数据进行标注处理，得到模版语料；
对所述模版语料进行标签标注处理，得到训练集数据和测试集数据；
根据所述训练集数据和所述测试集数据对所述神经网络进行训练，得到所述模版生成模型。
7.一种文本模版获取装置，其特征在于，包括：
判断匹配模块，用于根据接收到的关键词判断文本模版数据库中是否存在匹配的文本模版；
模版检索模块，用于当所述文本模版数据库存在匹配的文本模版时，根据所述关键词对所述数据库进行检索，得到对应的文本模版；
模版生成模块，用于当所述文本模版数据库不存在匹配的文本模版时，根据所述关键词获取到目标描述信息，根据所述目标描述信息进行文本模版生成处理，得到文本模版。
8.根据权利要求5所述的文本模版获取装置，其特征在于，所述模版检索模块，包括：
检索类别确定单元，用于根据所述关键词确定检索类别；
检索单元，用于根据所述关键词和所述检索类别对所述文本模版数据库进行检索，得到所述文本模版。
9.一种文本模版获取设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至6任一项所述的文本模板获取方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的文本模板获取方法的步骤。
CN201910496812.2A 2019-06-10 2019-06-10 一种文本模板获取方法及相关装置 Pending CN110209838A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910496812.2A CN110209838A (zh) 2019-06-10 2019-06-10 一种文本模板获取方法及相关装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910496812.2A CN110209838A (zh) 2019-06-10 2019-06-10 一种文本模板获取方法及相关装置

Publications (1)

Publication Number Publication Date
CN110209838A true CN110209838A (zh) 2019-09-06

Family

ID=67791718

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910496812.2A Pending CN110209838A (zh) 2019-06-10 2019-06-10 一种文本模板获取方法及相关装置

Country Status (1)

Country Link
CN (1) CN110209838A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111797201A (zh) * 2020-06-23 2020-10-20 中民筑友建设科技集团有限公司 Bim模型的获取方法、装置、设备及计算机可读存储介质
CN112181977A (zh) * 2019-12-30 2021-01-05 美恒通智能电子(广州)股份有限公司 一种标签模板的数据处理方法、装置、设备及存储介质
CN112541337A (zh) * 2020-12-16 2021-03-23 格美安(北京)信息技术有限公司 一种基于递归神经网络语言模型的文档模板自动生成方法及系统
WO2021128768A1 (zh) * 2019-12-23 2021-07-01 苏宁易购集团股份有限公司 基于自然语言的体育新闻写作方法、装置及电子设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014040570A1 (zh) * 2012-09-17 2014-03-20 腾讯科技（深圳）有限公司 一种垃圾模板文章识别方法和设备
CN105975466A (zh) * 2015-11-04 2016-09-28 新华通讯社 一种面向短新闻的机器写稿方法及装置
CN106407168A (zh) * 2016-09-06 2017-02-15 首都师范大学 一种应用文自动生成方法
CN106776523A (zh) * 2017-01-22 2017-05-31 百度在线网络技术（北京）有限公司 基于人工智能的新闻速报生成方法及装置
CN108038154A (zh) * 2017-12-05 2018-05-15 北京小米移动软件有限公司 联系人身份信息的确定方法、装置、设备及存储介质
CN108959256A (zh) * 2018-06-29 2018-12-07 北京百度网讯科技有限公司 短文本的生成方法、装置、存储介质和终端设备
CN109192261A (zh) * 2018-08-21 2019-01-11 上海商汤智能科技有限公司 信息处理方法及装置、电子设备及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014040570A1 (zh) * 2012-09-17 2014-03-20 腾讯科技（深圳）有限公司 一种垃圾模板文章识别方法和设备
CN105975466A (zh) * 2015-11-04 2016-09-28 新华通讯社 一种面向短新闻的机器写稿方法及装置
CN106407168A (zh) * 2016-09-06 2017-02-15 首都师范大学 一种应用文自动生成方法
CN106776523A (zh) * 2017-01-22 2017-05-31 百度在线网络技术（北京）有限公司 基于人工智能的新闻速报生成方法及装置
CN108038154A (zh) * 2017-12-05 2018-05-15 北京小米移动软件有限公司 联系人身份信息的确定方法、装置、设备及存储介质
CN108959256A (zh) * 2018-06-29 2018-12-07 北京百度网讯科技有限公司 短文本的生成方法、装置、存储介质和终端设备
CN109192261A (zh) * 2018-08-21 2019-01-11 上海商汤智能科技有限公司 信息处理方法及装置、电子设备及存储介质

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021128768A1 (zh) * 2019-12-23 2021-07-01 苏宁易购集团股份有限公司 基于自然语言的体育新闻写作方法、装置及电子设备
CN112181977A (zh) * 2019-12-30 2021-01-05 美恒通智能电子(广州)股份有限公司 一种标签模板的数据处理方法、装置、设备及存储介质
CN111797201A (zh) * 2020-06-23 2020-10-20 中民筑友建设科技集团有限公司 Bim模型的获取方法、装置、设备及计算机可读存储介质
CN112541337A (zh) * 2020-12-16 2021-03-23 格美安(北京)信息技术有限公司 一种基于递归神经网络语言模型的文档模板自动生成方法及系统
CN112541337B (zh) * 2020-12-16 2022-05-24 格美安(北京)信息技术有限公司 一种基于递归神经网络语言模型的文档模板自动生成方法及系统

Similar Documents

Publication Publication Date Title
CN110209838A (zh) 一种文本模板获取方法及相关装置
US11080492B2 (en) Method and device for correcting error in text
CN105912500B (zh) 机器学习模型生成方法和装置
CN108509969B (zh) 数据标注方法及终端
CN110069607B (zh) 用于客户服务的方法、装置、电子设备、计算机可读存储介质
CN110147551A (zh) 多类别实体识别模型训练、实体识别方法、服务器及终端
CN109388675A (zh) 数据分析方法、装置、计算机设备及存储介质
CN110222330B (zh) 语义识别方法及装置、存储介质、计算机设备
CN110276456A (zh) 一种机器学习模型辅助构建方法、系统、设备及介质
JP2019185551A (ja) アノテーション付テキストデータの拡張方法、アノテーション付テキストデータの拡張プログラム、アノテーション付テキストデータの拡張装置、及び、テキスト分類モデルの訓練方法
CN110414003B (zh) 建立文本生成模型的方法、装置、介质和计算设备
CN110929524A (zh) 数据筛选方法、装置、设备及计算机可读存储介质
JP5139874B2 (ja) ラベル付与装置、ラベル付与プログラム、ラベル付与プログラムが記録された記録媒体、および、ラベル付与方法
CN110209782B (zh) 问答模型及应答语句的生成方法、装置、介质和电子设备
CN112633002A (zh) 样本标注、模型训练、命名实体识别方法和装置
CN114021573B (zh) 一种自然语言处理方法、装置、设备及可读存储介质
CN108182448B (zh) 一种标注策略的选择方法及相关装置
CN116401464B (zh) 一种职业用户画像的构建方法、装置、设备及存储介质
CN114693011A (zh) 一种政策匹配方法、装置、设备和介质
CN117217315A (zh) 一种利用大语言模型生成高质量问答数据的方法及装置
CN114021572B (zh) 一种自然语言处理方法、装置、设备及可读存储介质
CN114091595A (zh) 样本处理方法、设备及计算机可读存储介质
CN112836507B (zh) 一种领域文本主题抽取方法
CN114860873A (zh) 一种生成文本摘要的方法、装置及存储介质
CN113900654A (zh) 基于程序语言教学实践平台的代码抄袭检测方法及系统

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190906

RJ01 Rejection of invention patent application after publication