CN114970470A - 文案信息处理方法、装置、电子设备和计算机可读介质 - Google Patents
文案信息处理方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN114970470A CN114970470A CN202210888357.2A CN202210888357A CN114970470A CN 114970470 A CN114970470 A CN 114970470A CN 202210888357 A CN202210888357 A CN 202210888357A CN 114970470 A CN114970470 A CN 114970470A
- Authority
- CN
- China
- Prior art keywords
- information
- document
- type
- keyword
- file
- 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
Links
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/44—Browsing; Visualisation therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/189—Automatic justification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
Abstract
本公开的实施例公开了文案信息处理方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括:确定描述信息的信息类型;根据描述信息和信息类型对应的描述信息识别模型,生成候选关键词集合;根据候选关键词集合和预先构建的关键词库,生成目标关键词集合;根据目标关键词集合和预先构建的文案生成模型,生成文案信息;将文案信息发送至目标用户对应的数据处理装置;响应于接收到数据处理装置发送的文案拣选信息,对文案拣选信息包括的至少一个子文案信息中的子文案信息进行布局调整,以生成待展示文案页面;将待展示文案页面发送至数据处理装置。该实施方式提高了生成的文案信息的精准度以及文案信息的多样化。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及文案信息处理方法、装置、电子设备和计算机可读介质。
背景技术
文案信息是指包含有用户提供的关键词的一段描述性信息。目前,在进行文案信息生成时,通常采用的方式为:采用模板匹配的方式,生成用户提供的关键词对应的文案信息。
然而,当采用上述方式时,经常会存在如下技术问题:
第一,当用户所提供的关键词不存在对应的模板时,往往会导致生成的文案信息不够精准;
第二,生成的文案信息的内容形式往往较为单一,使得无法全面地描述用户实际表达的内容;
第三,采用模板匹配的方式,往往需要预先设置大量的模板,导致文案生成效率低下。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了文案信息处理方法、装置、电子设备和计算机可读介质,来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面,本公开的一些实施例提供了一种文案信息处理方法,该方法包括:响应于目标用户输入描述信息,确定上述描述信息的信息类型;根据上述描述信息和上述信息类型对应的描述信息识别模型,生成候选关键词集合;根据上述候选关键词集合和预先构建的关键词库,生成目标关键词集合;根据上述目标关键词集合和预先构建的文案生成模型,生成文案信息,其中,上述文案信息包括:子文案信息集合,上述子文案信息集合中的子文案信息的文案类型包括以下至少一项:图像类型,语音类型和文本类型;将上述文案信息发送至上述目标用户对应的数据处理装置;响应于接收到上述数据处理装置发送的文案拣选信息,对上述文案拣选信息包括的至少一个子文案信息中的子文案信息进行布局调整,以生成待展示文案页面;将上述待展示文案页面发送至上述数据处理装置。
第二方面,本公开的一些实施例提供了一种文案信息处理装置,装置包括:确定单元,被配置成响应于目标用户输入描述信息,确定上述描述信息的信息类型;第一生成单元,被配置成根据上述描述信息和上述信息类型对应的描述信息识别模型,生成候选关键词集合;第二生成单元,被配置成根据上述候选关键词集合和预先构建的关键词库,生成目标关键词集合;第三生成单元,被配置成根据上述目标关键词集合和预先构建的文案生成模型,生成文案信息,其中,上述文案信息包括:子文案信息集合,上述子文案信息集合中的子文案信息的文案类型包括以下至少一项:图像类型,语音类型和文本类型;第一发送单元,被配置成将上述文案信息发送至上述目标用户对应的数据处理装置;布局调整单元,被配置成响应于接收到上述数据处理装置发送的文案拣选信息,对上述文案拣选信息包括的至少一个子文案信息中的子文案信息进行布局调整,以生成待展示文案页面;第二发送单元,被配置将上述待展示文案页面发送至上述数据处理装置。
第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的提高了生成的文案信息的精准度,以及丰富了生成的文案信息的内容。具体来说,造成生成的文案信息的精准度较低,以及生成的文案信息无法全面地描述用户实际表达的内容的原因在于:第一,当用户所提供的关键词不存在对应的模板时,往往会导致生成的文案信息不够精准;第二,生成的文案信息的内容形式往往较为单一,使得无法全面地描述用户实际表达的内容。基于此,本公开的一些实施例的文案信息处理方法,首先,响应于目标用户输入描述信息,确定上述描述信息的信息类型。实际情况中,在进行文案信息生成时,需要用户提供对应的关键词等描述信息。并且,用户在提供关键词等描述信息时,所提供的描述信息的信息类型往往不同,因此,需要确定上述描述信息的信息类型。接着,根据上述描述信息和上述信息类型对应的描述信息识别模型,生成候选关键词集合。实际情况中,不同信息类型的描述信息,所包含的特征往往不同,采用单一的识别模型,识别得到的关键词往往不够精准。因此,本公开根据信息类型,选择对应的描述信息识别模型,以生成候选关键词集合,能够大大提高识别关键词的准确度。接着,根据上述目标关键词集合和预先构建的文案生成模型,生成文案信息,其中,上述文案信息包括:子文案信息集合,上述子文案信息集合中的子文案信息的文案类型包括以下至少一项:图像类型,语音类型和文本类型。通过生成多种文案类型的文案信息,以丰富用户的选择,进而,大大丰富了生成的文案信息的内容,使得生成的文案信息可以全面地描述用户实际表达的内容。进一步,将上述文案信息发送至上述目标用户对应的数据处理装置。接着,响应于接收到上述数据处理装置发送的文案拣选信息,对上述文案拣选信息包括的至少一个子文案信息中的子文案信息进行布局调整,以生成待展示文案页面。根据用户选择的子文案信息,进行文案排版,以生成待展示文案页面,以使得文案能够方便用户阅读。最后,将上述待展示文案页面发送至上述数据处理装置。通过本公开的文案生成模型,无需设置大量的模板与用户提供的关键词进行匹配,由此大大提高了生成的文案信息的精准度,并且,生成的文案信息的文案类型多样化,也丰富了文案信息的内容。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
图1是根据本公开的文案信息处理方法的一些实施例的流程图;
图2是根据本公开的文案信息处理装置的一些实施例的结构示意图;
图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
继续参考图1,示出了根据本公开的文案信息处理方法的一些实施例的流程100。该文案信息处理方法,包括以下步骤:
步骤101,响应于目标用户输入描述信息,确定描述信息的信息类型。
在一些实施例中,文案信息处理方法的执行主体(例如,计算设备)可以响应于目标用户输入描述信息,确定描述信息的信息类型。其中,上述目标用户可以是待生成文案信息的用户。上述描述信息可以是包含有用于生成文案信息关键词的信息。上述信息类型可以是上述目标用户输入上述描述信息时的方式类型。上述目标用户可以通过数据处理装置输入上述描述信息。例如,上述数据处理装置可以是但不限于以下任意一种:手机,平板电脑。
可选地,上述信息类型可以是但不限于以下任意一项:第一信息类型、第二信息类型和第三信息类型。其中,第一信息类型表征上述描述信息是上述目标用户通过数据处理装置包括的虚拟键盘输入的信息。第二信息类型表征上述描述信息是上述目标用户手写输入的信息。第三信息类型表征上述描述信息是上述目标用户语音输入的信息。
需要说明的是,上述计算设备可以是硬件,也可以是软件。当计算设备为硬件时,可以实现成多个服务器或终端设备组成的分布式集群,也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时,可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。应该理解,计算设备的数目根据实现需要,可以具有任意数目的计算设备。
步骤102,根据信息和信息类型对应的描述信息识别模型,生成候选关键词集合。
在一些实施例中,上述执行主体可以根据信息和信息类型对应的描述信息识别模型,生成候选关键词集合。其中,描述信息识别模型可以是用于从描述信息中提取关键词的识别模型。
在一些实施例的一些可选的实现方式中,上述执行主体根据信息和信息类型对应的描述信息识别模型,生成候选关键词集合,可以包括以下步骤:
第一步,响应于确定上述信息类型为第一信息类型,对上述描述信息进行数据标准化处理,以生成标准化处理后的描述信息。
其中,上述标准化处理后的描述信息是剔除符号后的文本信息。
作为示例,上述执行主体可以将上述描述信息中的标点符号进行剔除,以生成上述标准化处理后的描述信息。
第二步,将上述标准化处理后的描述信息输入预先训练的关键词提取模型,以生成上述候选关键词集合。
其中,上述关键词提取模型可以是用于从上述描述信息中提取关键词的模型。其中,上述关键词提取模型可以包括:Word2Vec模型和TextRank图模型。其中,Word2Vec模型用于将描述信息中的词进行向量化转换。TextRank图模型用于根据Word2Vec模型得到的词向量,进行关键词抽取。
在一些实施例的一些可选的实现方式中,上述执行主体根据信息和信息类型对应的描述信息识别模型,生成候选关键词集合,可以包括以下步骤:
第一步,响应于确定上述信息类型为第二信息类型,通过预先训练的手写字符识别模型对上述描述信息进行字符识别,以生成字符识别后的描述信息。
其中,上述手写字符识别模型可以是用于对描述信息包括的手写字符进行识别的模型。字符识别后的描述信息为包含有上述描述信息包括的手写字符对应的字符的信息。例如,上述手写字符识别模型可以是TextCNN(Text Convolutional Neural Networks)模型。
第二步,对上述字符识别后的描述信息进行数据标准化处理,以生成标准化处理后的描述信息。
其中,上述标准化处理后的描述信息是剔除符号后的文本信息。
作为示例,上述执行主体可以将上述描述信息中的标点符号进行剔除,以生成上述标准化处理后的描述信息。
第三步,将上述标准化处理后的描述信息输入预先训练的关键词提取模型,以生成上述候选关键词集合。
在一些实施例的一些可选的实现方式中,上述执行主体根据信息和信息类型对应的描述信息识别模型,生成候选关键词集合,可以包括以下步骤:
响应于确定上述信息类型为第三信息类型,执行以下第四处理步骤:
第一子步骤,对上述描述信息对应的音频进行音频降噪处理,以生成降噪处理后音频。
其中,上述执行主体可以通过小波变换的音频降噪算法,对上述描述信息对应的音频进行音频降噪处理,以生成降噪处理后音频。
第二子步骤,对上述降噪处理后音频进行音频增强处理,以生成增强处理后音频。
其中,上述执行主体可以通过AGC(Automatic Gain Control,自动增益控制)算法对上述降噪处理后音频进行音频增强处理,以生成增强处理后音频。
第三子步骤,将上述增强处理后音频输入预先训练的音频识别模型,以生成上述候选关键词集合。
其中,上述音频识别模型CTC(Connectionist Temporal Classification)-LSTM(Long Short Term Memory)模型。
步骤103,根据候选关键词集合和预先构建的关键词库,生成目标关键词集合。
在一些实施例中,上述执行主体可以根据候选关键词集合和预先构建的关键词库,生成目标关键词集合。其中,上述关键词库可以是包括预先设置的关键词的词库。
作为示例,上述执行主体可以通过聚类算法,从上述关键词库中筛选出与候选关键词集合中候选关键词相近的关键字,作为目标关键词,得到上述目标关键词集合。
可选地,关键词库包括:关键词信息集合。其中,关键词信息集合中的关键词信息包括:关键词和关键词向量。其中,关键词向量是关键词对应的词向量。
在一些实施例的一些可选的实现方式中,上述执行主体根据候选关键词集合和预先构建的关键词库,生成目标关键词集合,可以包括以下步骤:
对于上述候选关键词集合中的每个候选关键词,执行以下第一处理步骤:
第一子步骤,对上述候选关键词包括的各个字中的每个字进行笔画映射,以生成笔画信息组,得到笔画信息组序列。
其中,笔画信息组中的各个笔画信息表征字对应的各个笔画。上述执行主体可以通过预先构建的字和笔画映射表,确定字对应的笔画信息组。
第二子步骤,对上述笔画信息组序列中的每个笔画信息对应的笔画进行独热编码,以生成笔画向量,得到笔画向量序列。
其中,笔画向量的长度等于笔画总量。
第三子步骤,确定上述候选关键词对应的词义特征信息。
其中,上述执行主体可以通过语义提取模型,抽取候选关键词对应的语义,以生成语义特征信息。其中,上述语义抽取模型可以是LSTM模型。其中,上述词义特征信息可以表征语义提取模型提取得到的特征图。其中,特征图的维度为:N×M。
第四子步骤,对上述词义特性信息进行编码处理,以生成词义向量。
其中,上述执行主体可以通过卷积层对上述语义特征信息进行编码处理。其中,上述词义向量的维度为:N×1。
第五子步骤,将上述笔画向量序中笔画向量和上述词义向量进行拼接,以生成候选关键词向量。
第六子步骤,以上述候选关键词向量为簇中心,对上述关键词信息集合中的关键词信息进行聚类处理,以生成关键词信息簇。
其中,关键词信息簇中的关键词信息是与上述候选关键词语义相近的关键词信息。上述执行主体可以以候选关键词向量为簇中心,通过余弦相似度计算公式,确定候选关键词向量和关键词信息集合中的关键词信息之间的相似度,以生成关键词信息簇。
第七子步骤,根据上述关键词信息簇中的关键词信息对应的关键词和上述候选关键词的相似度,对上述关键词信息簇中的关键词信息进行排序,以生成关键词信息序列。
其中,上述执行主体可以根据关键词信息对应的关键词和上述候选关键词的相似度,按照由大到小的顺序对上述关键词信息簇中的关键词信息进行排序,以生成关键词信息序列。
第八子步骤,从上述关键词信息序列中按顺序选取目标数量个关键词信息对应的关键词,作为上述目标关键词集合中的目标关键词。
例如,上述目标数量可以是3。
上述步骤102至步骤103中的内容,作为本公开的一个发明点。实际情况中,用户数据的描述信息可能存在描述不够准确的情况,进而会导致生成的文案信息不够精准。基于此,首先,本公开通过描述信息识别模型对描述信息包含的关键词进行提取。考虑到描述信息的信息类型往往不同,当描述信息是用户通过软键盘输入的信息时,通过关键词提取模型进行关键词的提取。当描述信息是用户通过手写输入的信息时,通过手写字符识别模型进行手写字符识别,再通过关键词提取模型进行关键词的提取。当描述信息是用户语音输入的信息时,考虑到可能存在音频干扰,因此增加了音频降噪处理和音频增强处理的步骤,以消除噪音以及突出降噪后的音频特征。接着,在通过音频识别模型进行关键词的提取。通过此种方式完善了关键词的提取步骤,使得针对多种场景均可以较好地进行关键词的提取。接着,考虑到用户输入的描述信息不够精准,导致提取得到的关键词不够精准。因此,本公开构建了关键词库,通过聚类的方式,从关键词库中筛选出与候选关键词相近的多个关键词。以丰富后续的文案生成。此外,在进行聚类的过程中,考虑到直接对字进行独热编码,会导致得到的词向量长度极长,进而增加后续的聚类计算复杂度。因此,本公开通过将字映射为笔画,再对笔画进行编码。大大缩短了词向量的长度。同时,考虑到词的语义也会对词的聚类产生影响,因此,本公开增加了词义特征的提取步骤。通过此种方式,丰富了词向量所表达的词的特征。同时,降低了词聚类过程中的计算量,并且,丰富了得到的关键词的多样性,以此提高了后续生成的文案的多样性。
步骤104,根据目标关键词集合和预先构建的文案生成模型,生成文案信息。
在一些实施例中,上述执行主体可以根据目标关键词集合和预先构建的文案生成模型,生成文案信息。其中,文案生成模型可以是用于生成文案的模型。
可选地,文案生成模型可以是但不限于以下任意一种:图像类型文案生成模型,语音类型文案生成模型,文本类型文案生成模型。
其中,图像类型文案生成模型用于根据目标关键词集合,生成图像类型文案。语音类型文案生成模型用于根据目标关键词集合,生成语音类型文案。文本类型文案生成模型用于根据目标关键词集合,生成文本类型文案。
在一些实施例的一些可选的实现方式中,上述执行主体根据目标关键词集合和预先构建的文案生成模型,生成文案信息,可以包括以下步骤:
第一步,按照预设比例从上述目标关键词集合随机抽取目标关键词,作为待输入模型关键词,得到待输入模型关键词组集合。
其中,待输入模型关键词组中的待输入模型关键词的数量大于上述候选关键词集合中的候选关键词的数量。
第二步,对于上述待输入模型关键词组集合中的每组待输入模型关键词组,执行以下第二处理步骤:
第一子步骤,将上述待输入模型关键词组中的各个待输入模型关键词,输入上述图像类型文案生成模型,以生成图像类型的子文案信息。
其中,图像类型文案生成模型可以是StackGAN网络。
第二子步骤,将上述待输入模型关键词组中的各个待输入模型关键词,输入上述语音类型文案生成模型,以生成语音类型的子文案信息。
其中,上述语音类型文案生成模型可以是BERT(BidirectionalEncoderRepresentations from Transformer)+WaveGlow模型。
第三子步骤,将上述待输入模型关键词组中的各个待输入模型关键词,输入上述文本类型文案生成模型,以生成文本类型的子文案信息。
其中,上述文本类型文案生成模型可以是BERT模型。上述语音类型文案生成模型和上述文本类型文案生成模型可以共用BERT模型。
上述步骤104作为本公开的一个发明点,解决了背景技术中的技术问题三,即“采用模板匹配的方式,往往需要预设大量的模板,导致文案生成效率低下”。基于此,本公开首先引入了文案生成模型,相较于模板匹配的方式,无需设置大量的模板。并且能够做到及时生成文案信息。此外,通过设置图像类型文案生成模型,语音类型文案生成模型和文本类型文案生成模型。通过三种文案生成模型,以此生成不同类型的文案信息。并且,在关键词抽取上,通过抽取数量大于候选关键词集合中的候选关键词的数量的待输入模型关键词。丰富了文本生成模型的输入。通过此种方式在提高了生成的文案的丰富度和多样性的前提下,大大提高了文案的生成效率。
步骤105,将文案信息发送至目标用户对应的数据处理装置。
在一些实施例中,上述执行主体可以通过有线连接或无线连接的方式,将文案信息发送至目标用户对应的数据处理装置。其中,上述数据处理装置可以是上述目标用户输入上述描述信息的装置。上述数据处理装置还具有信息显示和信息收发功能。例如,上述数据处理装置可以是但不限于以下任意一种:手机,平板电脑。
步骤106,响应于接收到数据处理装置发送的文案拣选信息,对文案拣选信息包括的至少一个子文案信息中的子文案信息进行布局调整,以生成待展示文案页面。
在一些实施例中,响应于接收到数据处理装置发送的文案拣选信息,上述执行主体可以对文案拣选信息包括的至少一个子文案信息中的子文案信息进行布局调整,以生成待展示文案页面。其中,待展示文案页面可以是包含有文案拣选信息包括的至少一个子文案信息、且经过布局调整的页面。
在一些实施例的一些可选的实现方式中,上述执行主体对上述文案拣选信息包括的至少一个子文案信息中的子文案信息进行布局调整,以生成待展示文案页面,可以包括以下步骤:
第一步,获取上述数据处理装置的界面尺寸信息。
其中,上述界面尺寸信息表征上述数据处理装置包括的显示界面的尺寸。
第二步,根据上述界面尺寸信息,生成空白页面。
其中,上述空白页面可以是空白的网页页面。
第三步,将上述文案拣选信息包括的至少一个子文案信息中的文案类型为语音类型的子文案信息,填充至上述空白页面中的预设位置,以生成一次填充界面。
其中,上述预设位置可以是用于填充文案类型为语音类型的子文案信息的预设的位置。
第四步,将上述文案拣选信息包括的至少一个子文案信息中的文案类型为文本类型的子文案信息,确定为文本型文案信息,得到文本型文案信息集合。
第五步,将上述文本型文案信息集合中的每个文本型文案信息,分段填充至上述一次填充界面中与上述预设位置不同的位置,以生成二次填充页面。
第六步,将上述文案拣选信息包括的至少一个子文案信息中的文案类型为图像类型的子文案信息,确定为图像型文案信息,得到图像型文案信息集合。
第七步,对于上述图像型文案信息集合中的每个图像型文案信息,执行以下第三处理步骤:
第一子步骤,确定上述图像型文案信息与上述二次填充页面中的每个文本型文案信息的文案关联度。
其中,首先,上述执行主体可以将图像型文案信息和文本型文案信息映射至相同的特征空间。然后,上述执行主体在该特种空间下,计算图像型文案信息的特征和文本型文案信息的特征之间的相似度,以生成文案关联度。
例如,上述执行主体可以通过MMCA(Multi-Modality Cross Attention Networkfor Image and Sentence Matching)模型,确定文案关联度。
第二子步骤,将上述图像型文案信息填充至对应的文案关联度为最大值的文本型文案信息对应的位置内,以及对文案关联度为最大值的文本型文案信息对应的文字进行动态调整。
其中,上述执行主体可以以中心围绕的方式,将图像型文案信息填充至对应的文案关联度为最大值的文本型文案信息中间。
第三子步骤,将填充有上述文案拣选信息包括的至少一个子文案信息的页面,确定为上述待展示文案页面。
通过上述第一步至第一步的内容,实现了不同文案信息的动态调整,提高了生成的待展示文案页面包括的文案的文案可读性和易读性。
步骤107,将待展示文案页面发送至数据处理装置。
在一些实施例中,上述执行主体可以通过有线连接或无线连接的方式,将待展示文案页面发送至数据处理装置。
其中,上述数据处理装置可以将待展示文案页面在上述数据处理装置包括的显示界面进行显示。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的提高了生成的文案信息的精准度,以及丰富了生成的文案信息的内容。具体来说,造成生成的文案信息的精准度较低,以及生成的文案信息无法全面地描述用户实际表达的内容的原因在于:第一,当用户所提供的关键词不存在对应的模板时,往往会导致生成的文案信息不够精准;第二,生成的文案信息的内容形式往往较为单一,使得无法全面地描述用户实际表达的内容。基于此,本公开的一些实施例的文案信息处理方法,首先,响应于目标用户输入描述信息,确定上述描述信息的信息类型。实际情况中,在进行文案信息生成时,需要用户提供对应的关键词等描述信息。并且,用户在提供关键词等描述信息时,所提供的描述信息的信息类型往往不同,因此,需要确定上述描述信息的信息类型。接着,根据上述描述信息和上述信息类型对应的描述信息识别模型,生成候选关键词集合。实际情况中,不同信息类型的描述信息,所包含的特征往往不同,采用单一的识别模型,识别得到的关键词往往不够精准。因此,本公开根据信息类型,选择对应的描述信息识别模型,以生成候选关键词集合,能够大大提高识别关键词的准确度。接着,根据上述目标关键词集合和预先构建的文案生成模型,生成文案信息,其中,上述文案信息包括:子文案信息集合,上述子文案信息集合中的子文案信息的文案类型包括以下至少一项:图像类型,语音类型和文本类型。通过生成多种文案类型的文案信息,以丰富用户的选择,进而,大大丰富了生成的文案信息的内容,使得生成的文案信息可以全面地描述用户实际表达的内容。进一步,将上述文案信息发送至上述目标用户对应的数据处理装置。接着,响应于接收到上述数据处理装置发送的文案拣选信息,对上述文案拣选信息包括的至少一个子文案信息中的子文案信息进行布局调整,以生成待展示文案页面。根据用户选择的子文案信息,进行文案排版,以生成待展示文案页面,以使得文案能够方便用户阅读。最后,将上述待展示文案页面发送至上述数据处理装置。通过本公开的文案生成模型,无需设置大量的模板与用户提供的关键词进行匹配,由此大大提高了生成的文案信息的精准度,并且,生成的文案信息的文案类型多样化,也丰富了文案信息的内容。
进一步参考图2,作为对上述各图所示方法的实现,本公开提供了一种文案信息处理装置的一些实施例,这些装置实施例与图1示的那些方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图2所示,一些实施例的文案信息处理装置200包括:确定单元201、第一生成单元202、第二生成单元203、第三生成单元204、第一发送单元205、布局调整单元206和第二发送单元207。确定单元201,被配置成响应于目标用户输入描述信息,确定上述描述信息的信息类型;第一生成单元202,被配置成根据上述描述信息和上述信息类型对应的描述信息识别模型,生成候选关键词集合;第二生成单元203,被配置成根据上述候选关键词集合和预先构建的关键词库,生成目标关键词集合;第三生成单元204,被配置成根据上述目标关键词集合和预先构建的文案生成模型,生成文案信息,其中,上述文案信息包括:子文案信息集合,上述子文案信息集合中的子文案信息的文案类型包括以下至少一项:图像类型,语音类型和文本类型;第一发送单元205,被配置成将上述文案信息发送至上述目标用户对应的数据处理装置;布局调整单元206,被配置成响应于接收到上述数据处理装置发送的文案拣选信息,对上述文案拣选信息包括的至少一个子文案信息中的子文案信息进行布局调整,以生成待展示文案页面;第二发送单元207,被配置将上述待展示文案页面发送至上述数据处理装置。
可以理解的是,该装置200中记载的诸单元与参考图1述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置200及其中包含的单元,在此不再赘述。
下面参考图3,其示出了适于用来实现本公开的一些实施例的电子设备(如计算设备)300的结构示意图。图3示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图3所示,电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301,其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中,还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常,以下装置可以连接至I/O接口305:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307;包括例如磁带、硬盘等的存储装置308;以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置309从网络上被下载和安装,或者从存储装置308被安装,或者从ROM 302被安装。在该计算机程序被处理装置301执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:响应于目标用户输入描述信息,确定上述描述信息的信息类型;根据上述描述信息和上述信息类型对应的描述信息识别模型,生成候选关键词集合;根据上述候选关键词集合和预先构建的关键词库,生成目标关键词集合;根据上述目标关键词集合和预先构建的文案生成模型,生成文案信息,其中,上述文案信息包括:子文案信息集合,上述子文案信息集合中的子文案信息的文案类型包括以下至少一项:图像类型,语音类型和文本类型;将上述文案信息发送至上述目标用户对应的数据处理装置;响应于接收到上述数据处理装置发送的文案拣选信息,对上述文案拣选信息包括的至少一个子文案信息中的子文案信息进行布局调整,以生成待展示文案页面;将上述待展示文案页面发送至上述数据处理装置。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括确定单元、第一生成单元、第二生成单元、第三生成单元、第一发送单元、布局调整单元和第二发送单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,第一发送单元还可以被描述为“将上述文案信息发送至上述目标用户对应的数据处理装置的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种文案信息处理方法,包括:
响应于目标用户输入描述信息,确定所述描述信息的信息类型;
根据所述描述信息和所述信息类型对应的描述信息识别模型,生成候选关键词集合;
根据所述候选关键词集合和预先构建的关键词库,生成目标关键词集合;
根据所述目标关键词集合和预先构建的文案生成模型,生成文案信息,其中,所述文案信息包括:子文案信息集合,所述子文案信息集合中的子文案信息的文案类型包括以下至少一项:图像类型,语音类型和文本类型;
将所述文案信息发送至所述目标用户对应的数据处理装置;
响应于接收到所述数据处理装置发送的文案拣选信息,对所述文案拣选信息包括的至少一个子文案信息中的子文案信息进行布局调整,以生成待展示文案页面;
将所述待展示文案页面发送至所述数据处理装置。
2.根据权利要求1所述的方法,其中,所述关键词库包括:关键词信息集合;以及
所述根据所述候选关键词集合和预先构建的关键词库,生成目标关键词集合,包括:
对于所述候选关键词集合中的每个候选关键词,执行以下第一处理步骤:
对所述候选关键词包括的各个字中的每个字进行笔画映射,以生成笔画信息组,得到笔画信息组序列;
对所述笔画信息组序列中的每个笔画信息对应的笔画进行独热编码,以生成笔画向量,得到笔画向量序列;
确定所述候选关键词对应的词义特征信息;
对所述词义特性信息进行编码处理,以生成词义向量;
将所述笔画向量序中笔画向量和所述词义向量进行拼接,以生成候选关键词向量;
以所述候选关键词向量为簇中心,对所述关键词信息集合中的关键词信息进行聚类处理,以生成关键词信息簇;
根据所述关键词信息簇中的关键词信息对应的关键词和所述候选关键词的相似度,对所述关键词信息簇中的关键词信息进行排序,以生成关键词信息序列;
从所述关键词信息序列中按顺序选取目标数量个关键词信息对应的关键词,作为所述目标关键词集合中的目标关键词。
3.根据权利要求2所述的方法,其中,所述文案生成模型包括:图像类型文案生成模型、语音类型文案生成模型和文本类型文案生成模型;以及
所述根据所述目标关键词集合和预先构建的文案生成模型,生成文案信息,包括:
按照预设比例从所述目标关键词集合随机抽取目标关键词,作为待输入模型关键词,得到待输入模型关键词组集合,其中,待输入模型关键词组中的待输入模型关键词的数量大于所述候选关键词集合中的候选关键词的数量;
对于所述待输入模型关键词组集合中的每组待输入模型关键词组,执行以下第二处理步骤:
将所述待输入模型关键词组中的各个待输入模型关键词,输入所述图像类型文案生成模型,以生成图像类型的子文案信息;
将所述待输入模型关键词组中的各个待输入模型关键词,输入所述语音类型文案生成模型,以生成语音类型的子文案信息;
将所述待输入模型关键词组中的各个待输入模型关键词,输入所述文本类型文案生成模型,以生成文本类型的子文案信息。
4.根据权利要求3所述的方法,其中,所述对所述文案拣选信息包括的至少一个子文案信息中的子文案信息进行布局调整,以生成待展示文案页面,包括:
获取所述数据处理装置的界面尺寸信息;
根据所述界面尺寸信息,生成空白页面;
将所述文案拣选信息包括的至少一个子文案信息中的文案类型为语音类型的子文案信息,填充至所述空白页面中的预设位置,以生成一次填充界面;
将所述文案拣选信息包括的至少一个子文案信息中的文案类型为文本类型的子文案信息,确定为文本型文案信息,得到文本型文案信息集合;
将所述文本型文案信息集合中的每个文本型文案信息,分段填充至所述一次填充界面中与所述预设位置不同的位置,以生成二次填充页面;
将所述文案拣选信息包括的至少一个子文案信息中的文案类型为图像类型的子文案信息,确定为图像型文案信息,得到图像型文案信息集合;
对于所述图像型文案信息集合中的每个图像型文案信息,执行以下第三处理步骤:
确定所述图像型文案信息与所述二次填充页面中的每个文本型文案信息的文案关联度;
将所述图像型文案信息填充至对应的文案关联度为最大值的文本型文案信息对应的位置内,以及对文案关联度为最大值的文本型文案信息对应的文字进行动态调整;
将填充有所述文案拣选信息包括的至少一个子文案信息的页面,确定为所述待展示文案页面。
5.根据权利要求4所述的方法,其中,所述根据所述描述信息和所述信息类型对应的描述信息识别模型,生成候选关键词集合,包括:
响应于确定所述信息类型为第一信息类型,对所述描述信息进行数据标准化处理,以生成标准化处理后的描述信息;
将所述标准化处理后的描述信息输入预先训练的关键词提取模型,以生成所述候选关键词集合。
6.根据权利要求4所述的方法,其中,所述根据所述描述信息和所述信息类型对应的描述信息识别模型,生成候选关键词集合,包括:
响应于确定所述信息类型为第二信息类型,通过预先训练的手写字符识别模型对所述描述信息进行字符识别,以生成字符识别后的描述信息;
对所述字符识别后的描述信息进行数据标准化处理,以生成标准化处理后的描述信息;
将所述标准化处理后的描述信息输入预先训练的关键词提取模型,以生成所述候选关键词集合。
7.根据权利要求4所述的方法,其中,所述根据所述描述信息和所述信息类型对应的描述信息识别模型,生成候选关键词集合,包括:
响应于确定所述信息类型为第三信息类型,执行以下第四处理步骤:
对所述描述信息对应的音频进行音频降噪处理,以生成降噪处理后音频;
对所述降噪处理后音频进行音频增强处理,以生成增强处理后音频;
将所述增强处理后音频输入预先训练的音频识别模型,以生成所述候选关键词集合。
8.一种文案信息处理装置,包括:
确定单元,被配置成响应于目标用户输入描述信息,确定所述描述信息的信息类型;
第一生成单元,被配置成根据所述描述信息和所述信息类型对应的描述信息识别模型,生成候选关键词集合;
第二生成单元,被配置成根据所述候选关键词集合和预先构建的关键词库,生成目标关键词集合;
第三生成单元,被配置成根据所述目标关键词集合和预先构建的文案生成模型,生成文案信息,其中,所述文案信息包括:子文案信息集合,所述子文案信息集合中的子文案信息的文案类型包括以下至少一项:图像类型,语音类型和文本类型;
第一发送单元,被配置成将所述文案信息发送至所述目标用户对应的数据处理装置;
布局调整单元,被配置成响应于接收到所述数据处理装置发送的文案拣选信息,对所述文案拣选信息包括的至少一个子文案信息中的子文案信息进行布局调整,以生成待展示文案页面;
第二发送单元,被配置将所述待展示文案页面发送至所述数据处理装置。
9.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1至7中任一所述的方法。
10.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1至7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210888357.2A CN114970470B (zh) | 2022-07-27 | 2022-07-27 | 文案信息处理方法、装置、电子设备和计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210888357.2A CN114970470B (zh) | 2022-07-27 | 2022-07-27 | 文案信息处理方法、装置、电子设备和计算机可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114970470A true CN114970470A (zh) | 2022-08-30 |
CN114970470B CN114970470B (zh) | 2022-11-01 |
Family
ID=82969954
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210888357.2A Active CN114970470B (zh) | 2022-07-27 | 2022-07-27 | 文案信息处理方法、装置、电子设备和计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114970470B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116932919A (zh) * | 2023-09-15 | 2023-10-24 | 中关村科学城城市大脑股份有限公司 | 信息推送方法、装置、电子设备和计算机可读介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110674620A (zh) * | 2019-09-20 | 2020-01-10 | 阿里巴巴(中国)有限公司 | 目标文案生成方法、装置、介质及电子设备 |
CN112131374A (zh) * | 2020-08-25 | 2020-12-25 | 北京达佳互联信息技术有限公司 | 文本的识别方法、装置和服务器 |
US20210109959A1 (en) * | 2019-10-10 | 2021-04-15 | International Business Machines Corporation | Automatic keyphrase extraction from text using the cross-entropy method |
CN113536771A (zh) * | 2021-09-17 | 2021-10-22 | 深圳前海环融联易信息科技服务有限公司 | 基于文本识别的要素信息提取方法、装置、设备及介质 |
CN113806500A (zh) * | 2021-02-09 | 2021-12-17 | 京东科技控股股份有限公司 | 信息处理方法、装置和计算机设备 |
-
2022
- 2022-07-27 CN CN202210888357.2A patent/CN114970470B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110674620A (zh) * | 2019-09-20 | 2020-01-10 | 阿里巴巴(中国)有限公司 | 目标文案生成方法、装置、介质及电子设备 |
US20210109959A1 (en) * | 2019-10-10 | 2021-04-15 | International Business Machines Corporation | Automatic keyphrase extraction from text using the cross-entropy method |
CN112131374A (zh) * | 2020-08-25 | 2020-12-25 | 北京达佳互联信息技术有限公司 | 文本的识别方法、装置和服务器 |
CN113806500A (zh) * | 2021-02-09 | 2021-12-17 | 京东科技控股股份有限公司 | 信息处理方法、装置和计算机设备 |
CN113536771A (zh) * | 2021-09-17 | 2021-10-22 | 深圳前海环融联易信息科技服务有限公司 | 基于文本识别的要素信息提取方法、装置、设备及介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116932919A (zh) * | 2023-09-15 | 2023-10-24 | 中关村科学城城市大脑股份有限公司 | 信息推送方法、装置、电子设备和计算机可读介质 |
CN116932919B (zh) * | 2023-09-15 | 2023-11-24 | 中关村科学城城市大脑股份有限公司 | 信息推送方法、装置、电子设备和计算机可读介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114970470B (zh) | 2022-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230106873A1 (en) | Text extraction method, text extraction model training method, electronic device and storage medium | |
CN108628830B (zh) | 一种语义识别的方法和装置 | |
CN111709240A (zh) | 实体关系抽取方法、装置、设备及其存储介质 | |
CN111382261B (zh) | 摘要生成方法、装置、电子设备及存储介质 | |
CN111428010A (zh) | 人机智能问答的方法和装置 | |
CN111368551B (zh) | 一种确定事件主体的方法和装置 | |
CN112883968B (zh) | 图像字符识别方法、装置、介质及电子设备 | |
CN111368560A (zh) | 文本翻译方法、装置、电子设备及存储介质 | |
CN110795541A (zh) | 文本查询方法、装置、电子设备及计算机可读存储介质 | |
CN114429552A (zh) | 对象属性识别方法、装置、可读存储介质及电子设备 | |
CN113408507B (zh) | 基于履历文件的命名实体识别方法、装置和电子设备 | |
CN114970470B (zh) | 文案信息处理方法、装置、电子设备和计算机可读介质 | |
CN111400454A (zh) | 摘要生成方法、装置、电子设备及存储介质 | |
CN114463769A (zh) | 表格识别方法、装置、可读介质和电子设备 | |
CN111898363B (zh) | 文本长难句的压缩方法、装置、计算机设备及存储介质 | |
CN114298007A (zh) | 一种文本相似度确定方法、装置、设备及介质 | |
CN113761923A (zh) | 命名实体识别方法、装置、电子设备及存储介质 | |
CN115035351B (zh) | 基于图像的信息提取方法、模型训练方法、装置、设备及存储介质 | |
US20220083745A1 (en) | Method, apparatus and electronic device for determining word representation vector | |
CN115565186A (zh) | 文字识别模型的训练方法、装置、电子设备和存储介质 | |
CN115129845A (zh) | 文本信息处理方法、装置和电子设备 | |
CN111460214B (zh) | 分类模型训练方法、音频分类方法、装置、介质及设备 | |
CN114429629A (zh) | 图像处理方法、装置、可读存储介质及电子设备 | |
CN114463768A (zh) | 表格识别方法、装置、可读介质和电子设备 | |
CN117421641B (zh) | 一种文本分类的方法、装置、电子设备及可读存储介质 |
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 |