CN115795028A - 一种公文智能生成方法及系统 - Google Patents
一种公文智能生成方法及系统 Download PDFInfo
- Publication number
- CN115795028A CN115795028A CN202310083938.3A CN202310083938A CN115795028A CN 115795028 A CN115795028 A CN 115795028A CN 202310083938 A CN202310083938 A CN 202310083938A CN 115795028 A CN115795028 A CN 115795028A
- Authority
- CN
- China
- Prior art keywords
- text
- generated
- stage
- gpt2
- document
- 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
-
- 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
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Machine Translation (AREA)
Abstract
本发明属于基于特定计算模型的计算机系统领域,提供了一种公文智能生成方法及系统。该方法包括,获取需要生成的公文种类和需要生成的所有主题;基于需要生成的公文种类和需要生成的第一主题,采用训练好的GPT2_Chinese模型,生成第一阶段文本;基于第一阶段文本,采用textRank算法,提取第一阶段文本概要;基于需要生成的公文种类、需要生成的第K主题和第K‑1阶段文本概要,采用训练好的GPT2_Chinese模型,生成第K阶段文本;基于第K阶段文本,采用textRank算法,提取第K阶段文本概要;重复文本生成和概要提取的过程,直到生成最后阶段的文本;将所有阶段的文本进行拼接,生成公文。
Description
技术领域
本发明属于基于特定计算模型的计算机系统领域,尤其涉及一种公文智能生成方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
目前国内外文本生成技术主要集中于基于深度学习方法的学术研究。其中基于Transformer解码器的各类模型通过海量无监督的数据预训练模型,生成的文本在上下文连贯和情感表达上超出其他模型的表现,使之成为文本生成的主要技术之一。
但是目前的生成系统存在生成种类单一、侧重主题有限和段落间关联性差的弊病。不利于公文类创作,无法满足日益增长的公文写作需求。
发明内容
本发明提供一种公文智能生成方法及系统,其结构简单,能够解决公文种类繁多,侧重主题不同和段落间关联性差的生成问题,满足用户需求。
为了实现上述目的,本发明采用如下技术方案:
本发明的第一个方面提供一种公文智能生成方法。
一种公文智能生成方法,包括:
获取需要生成的公文种类和需要生成的所有主题;
基于需要生成的公文种类和需要生成的第一主题,采用训练好的GPT2_Chinese模型,生成第一阶段文本;基于第一阶段文本,采用textRank算法,提取第一阶段文本概要;
基于需要生成的公文种类、需要生成的第K主题和第K-1阶段文本概要,采用训练好的GPT2_Chinese模型,生成第K阶段文本;基于第K阶段文本,采用textRank算法,提取第K阶段文本概要;
重复文本生成和概要提取的过程,直到生成最后阶段的文本;
将所有阶段的文本进行拼接,生成公文。
本发明的第二个方面提供一种公文智能生成系统。
一种公文智能生成系统,包括:
输入模块,其被配置为:获取需要生成的公文种类和需要生成的所有主题;
生成模块,其被配置为:基于需要生成的公文种类和需要生成的第一主题,采用训练好的GPT2_Chinese模型,生成第一阶段文本;基于第一阶段文本,采用textRank算法,提取第一阶段文本概要;基于需要生成的公文种类、需要生成的第K主题和第K-1阶段文本概要,采用训练好的GPT2_Chinese模型,生成第K阶段文本;基于第K阶段文本,采用textRank算法,提取第K阶段文本概要;重复文本生成和概要提取的过程,直到生成最后阶段的文本;将所有阶段的文本进行拼接,生成公文。
本发明的第三个方面提供一种计算机可读存储介质。
一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述第一个方面所述的公文智能生成方法中的步骤。
本发明的第四个方面提供一种计算机设备。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述第一个方面所述的公文智能生成方法中的步骤。
与现有技术相比,本发明的有益效果是:
本发明通过增加输入模块,用户能够输入控制公文生成的条件,通过输入公文种类,能够控制生成公文的类型;通过增加主题,能够控制生成公文的段落主题,通过增加概要,能够增加生成公文段落间的关联度,通过增加生成模块,能够生成公文及概要,通过增加已训练的GPT2_Chinese模型,能够控制生成对应于用户输入的公文种类、第K主题和第K-1阶段的第K阶段文本,通过增加textRank算法,能够提取第K-1阶段的公文概要。本发明结构简单,能够解决公文种类繁多,侧重主题不同,同时解决段落间关联性差的生成问题,满足用户的需求。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1是本发明示出的公文智能生成方法的流程图;
图2是本发明示出的公文智能生成系统的框架图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本发明提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本发明的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
需要注意的是,附图中的流程图和框图示出了根据本公开的各种实施例的方法和系统的可能实现的体系架构、功能和操作。应当注意,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,所述模块、程序段、或代码的一部分可以包括一个或多个用于实现各个实施例中所规定的逻辑功能的可执行指令。也应当注意,在有些作为备选的实现中,方框中所标注的功能也可以按照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,或者它们有时也可以按照相反的顺序执行,这取决于所涉及的功能。同样应当注意的是,流程图和/或框图中的每个方框、以及流程图和/或框图中的方框的组合,可以使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,或者可以使用专用硬件与计算机指令的组合来实现。
实施例一
如图1所示,本实施例提供了一种公文智能生成方法,本实施例以该方法应用于服务器进行举例说明,可以理解的是,该方法也可以应用于终端,还可以应用于包括终端和服务器和系统,并通过终端和服务器的交互实现。服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务器、云通信、中间件服务、域名服务、安全服务CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。终端可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等,但并不局限于此。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请在此不做限制。本实施例中,该方法包括以下步骤:
获取需要生成的公文种类和需要生成的所有主题;
基于需要生成的公文种类和需要生成的第一主题,采用训练好的GPT2_Chinese模型,生成第一阶段文本;基于第一阶段文本,采用textRank算法,提取第一阶段文本概要;
基于需要生成的公文种类、需要生成的第K主题和第K-1阶段文本概要,采用训练好的GPT2_Chinese模型,生成第K阶段文本;基于第K阶段文本,采用textRank算法,提取第K阶段文本概要;
重复文本生成和概要提取的过程,直到生成最后阶段的文本;
将所有阶段的文本进行拼接,生成公文。
作为一种或多种实施方式,所述GPT2_Chinese模型训练的过程包括:
获取现有的公文,构建训练集和测试集;
采用textRank算法,提取每个阶段现有公文的文本摘要;
以现有公文的种类、主题和文本摘要为输入,以该主题对应的文本为输出,训练GPT2_Chinese模型。
作为一种或多种实施方式,利用训练后的GPT2_Chinese模型对测试集中的公文的种类、主题和文本摘要进行测试,将GPT2_Chinese模型输出的公文与测试集中的公文进行比对,优化GPT2_Chinese模型的参数,当GPT2_Chinese模型输出的公文满足一定条件时,得到训练好的GPT2_Chinese模型。
使用时,包括以下步骤:
(1)当用户需要生成第一阶段公文时:输入需要生成公文的种类和公文第一阶段的文本主题,通过系统拼接后自动输入已训练的GPT2_Chinese模型生成对应的第一阶段文本,同时将生成的第一阶段文本通过textRank算法提取出概要,作为下一阶段生成文本输入的概要。
(2)当用户需要生成第k(K∈N+且K>1时)阶段公文时,输入需要生成公文的种类,公文的第k阶段文本主题,系统将通过textRank算法提取出的第k-1阶段文本概要与用户输入的其他生成条件拼接后自动输入已训练的GPT2_Chinese模型生成对应的第K阶段文本,同时将生成的文本通过textRank算法提取出概要,作为下一阶段生成文本的概要输入。
(3)重复步骤二,直至生成整篇公文。
实施例二
本实施例提供了一种公文智能生成系统。
如图2所示,一种公文智能生成系统,包括:
输入模块,其被配置为:获取需要生成的公文种类和需要生成的所有主题;
生成模块,其被配置为:基于需要生成的公文种类和需要生成的第一主题,采用训练好的GPT2_Chinese模型,生成第一阶段文本;基于第一阶段文本,采用textRank算法,提取第一阶段文本概要;基于需要生成的公文种类、需要生成的第K主题和第K-1阶段文本概要,采用训练好的GPT2_Chinese模型,生成第K阶段文本;基于第K阶段文本,采用textRank算法,提取第K阶段文本概要;重复文本生成和概要提取的过程,直到生成最后阶段的文本;将所有阶段的文本进行拼接,生成公文。
公文种类用于用户输入生成公文的种类,主题用于用户输入公文生成的K个主题,概要用于输入k-1段生成文本的概要,已训练的GPT2_Chinese模型用于生成对应于用户输入的种类、第K主题、第K-1阶段的第K阶段文本,textRank算法用于提取第K-1阶段的公文概要。输入模块的公文种类、第K主题和第K-1阶段文本摘要拼接作为基于改进的GPT2_Chinese模型的生成第K阶段文本的输入,所述生成模块中的第K阶段文本作为textRank算法的输入,textRank算法生成的第K-1阶段文本作为概要的第K-1阶段文本概要,通过增加输入模块,用户能够输入控制公文生成的条件,通过输入公文种类,能够控制生成公文的类型,通过增加主题,能够控制生成公文的段落主题,通过增加概要,能够增加生成公文中段落间的关联度,通过增加发送数据接口,能够接收第一数据发送装置发送的公文,通过增加生成模块,能够生成公文,通过增加已训练的GPT2_Chinese模型,能够控制生成对应于用户输入的种类、第K主题、第K-1阶段概要的第K阶段文本,通过增加textRank算法,能够提取第K-1阶段的公文概要。重复文本生成和概要提取的过程,直至生成整篇公文。
实施例三
本实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述实施例一所述的公文智能生成方法中的步骤。
实施例四
本实施例提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述实施例一所述的公文智能生成方法中的步骤。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory,ROM)或随机存储记忆体(RandomAccessMemory,RAM)等。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种公文智能生成方法,其特征在于,包括:
获取需要生成的公文种类和需要生成的所有主题;
基于需要生成的公文种类和需要生成的第一主题,采用训练好的GPT2_Chinese模型,生成第一阶段文本;基于第一阶段文本,采用textRank算法,提取第一阶段文本概要;
基于需要生成的公文种类、需要生成的第K主题和第K-1阶段文本概要,采用训练好的GPT2_Chinese模型,生成第K阶段文本;基于第K阶段文本,采用textRank算法,提取第K阶段文本概要;
重复文本生成和概要提取的过程,直到生成最后阶段的文本;
将所有阶段的文本进行拼接,生成公文。
2.根据权利要求1所述的公文智能生成方法,其特征在于,所述GPT2_Chinese模型训练的过程包括:
获取现有的公文,构建训练集和测试集;
采用textRank算法,提取每个阶段现有公文的文本摘要;
以现有公文的种类、主题和文本摘要为输入,以该主题对应的文本为输出,训练GPT2_Chinese模型。
3.根据权利要求2所述的公文智能生成方法,其特征在于,利用训练后的GPT2_Chinese模型对测试集中的公文的种类、主题和文本摘要进行测试,将GPT2_ Chinese模型输出的公文与测试集中的公文进行比对,优化GPT2_ Chinese模型的参数,当GPT2_Chinese模型输出的公文满足一定条件时,得到训练好的GPT2_ Chinese模型。
4.根据权利要求1所述的公文智能生成方法,其特征在于,所述基于需要生成的公文种类、需要生成的第K主题和第K-1阶段文本概要,采用训练好的GPT2_ Chinese模型,生成第K阶段文本具体包括:将需要生成的公文种类、需要生成的第K主题和第K-1阶段文本概要进行拼接,输入至训练好的GPT2_ Chinese模型,生成第K阶段文本。
5.一种公文智能生成系统,其特征在于,包括:
输入模块,其被配置为:获取需要生成的公文种类和需要生成的所有主题;
生成模块,其被配置为:基于需要生成的公文种类和需要生成的第一主题,采用训练好的GPT2_ Chinese模型,生成第一阶段文本;基于第一阶段文本,采用textRank算法,提取第一阶段文本概要;基于需要生成的公文种类、需要生成的第K主题和第K-1阶段文本概要,采用训练好的GPT2_ Chinese模型,生成第K阶段文本;基于第K阶段文本,采用textRank算法,提取第K阶段文本概要;重复文本生成和概要提取的过程,直到生成最后阶段的文本;将所有阶段的文本进行拼接,生成公文。
6.根据权利要求5所述的公文智能生成系统,其特征在于,所述GPT2_Chinese模型训练的过程包括:
获取现有的公文,构建训练集和测试集;
采用textRank算法,提取每个阶段现有公文的文本摘要;
以现有公文的种类、主题和文本摘要为输入,以该主题对应的文本为输出,训练GPT2_Chinese模型。
7.根据权利要求6所述的公文智能生成系统,其特征在于,利用训练后的GPT2_Chinese模型对测试集中的公文的种类、主题和文本摘要进行测试,将GPT2_ Chinese模型输出的公文与测试集中的公文进行比对,优化GPT2_ Chinese模型的参数,当GPT2_Chinese模型输出的公文满足一定条件时,得到训练好的GPT2_ Chinese模型。
8.根据权利要求5所述的公文智能生成系统,其特征在于,所述基于需要生成的公文种类、需要生成的第K主题和第K-1阶段文本概要,采用训练好的GPT2_ Chinese模型,生成第K阶段文本具体包括:将需要生成的公文种类、需要生成的第K主题和第K-1阶段文本概要进行拼接,输入至训练好的GPT2_ Chinese模型,生成第K阶段文本。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-3中任一项所述的公文智能生成方法中的步骤。
10.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-3中任一项所述的公文智能生成方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310083938.3A CN115795028B (zh) | 2023-02-09 | 2023-02-09 | 一种公文智能生成方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310083938.3A CN115795028B (zh) | 2023-02-09 | 2023-02-09 | 一种公文智能生成方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115795028A true CN115795028A (zh) | 2023-03-14 |
CN115795028B CN115795028B (zh) | 2023-07-18 |
Family
ID=85430498
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310083938.3A Active CN115795028B (zh) | 2023-02-09 | 2023-02-09 | 一种公文智能生成方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115795028B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170300563A1 (en) * | 2016-04-14 | 2017-10-19 | Linkedin Corporation | Generating text snippets using supervised machine learning algorithm |
CN110287489A (zh) * | 2019-06-24 | 2019-09-27 | 北京大米科技有限公司 | 文本生成方法、装置、存储介质和电子设备 |
US20190325066A1 (en) * | 2018-04-23 | 2019-10-24 | Adobe Inc. | Generating a Topic-Based Summary of Textual Content |
CN113821635A (zh) * | 2021-08-02 | 2021-12-21 | 龙雄伟 | 一种用于金融领域的文本摘要的生成方法及系统 |
CN114239568A (zh) * | 2021-11-10 | 2022-03-25 | 国网福建省电力有限公司信息通信分公司 | 基于自适应注意力机制的电网公文自动生成方法及装置 |
CN114492327A (zh) * | 2021-12-28 | 2022-05-13 | 中科曙光南京研究院有限公司 | 一种公文智能写作方法 |
US20220261431A1 (en) * | 2019-11-13 | 2022-08-18 | Beijing Digital Union Web Science And Technology Company Limited | An application preference text classification method based on textrank |
CN115099197A (zh) * | 2022-04-11 | 2022-09-23 | 北京信息科技大学 | 一种公文自动写作方法 |
CN115238039A (zh) * | 2022-07-29 | 2022-10-25 | 平安科技(深圳)有限公司 | 文本生成方法、电子设备及计算机可读存储介质 |
CN115630640A (zh) * | 2022-12-23 | 2023-01-20 | 苏州浪潮智能科技有限公司 | 一种智能写作方法、装置、设备及介质 |
-
2023
- 2023-02-09 CN CN202310083938.3A patent/CN115795028B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170300563A1 (en) * | 2016-04-14 | 2017-10-19 | Linkedin Corporation | Generating text snippets using supervised machine learning algorithm |
US20190325066A1 (en) * | 2018-04-23 | 2019-10-24 | Adobe Inc. | Generating a Topic-Based Summary of Textual Content |
CN110390009A (zh) * | 2018-04-23 | 2019-10-29 | 奥多比公司 | 生成文本内容的基于主题的概要 |
CN110287489A (zh) * | 2019-06-24 | 2019-09-27 | 北京大米科技有限公司 | 文本生成方法、装置、存储介质和电子设备 |
US20220261431A1 (en) * | 2019-11-13 | 2022-08-18 | Beijing Digital Union Web Science And Technology Company Limited | An application preference text classification method based on textrank |
CN113821635A (zh) * | 2021-08-02 | 2021-12-21 | 龙雄伟 | 一种用于金融领域的文本摘要的生成方法及系统 |
CN114239568A (zh) * | 2021-11-10 | 2022-03-25 | 国网福建省电力有限公司信息通信分公司 | 基于自适应注意力机制的电网公文自动生成方法及装置 |
CN114492327A (zh) * | 2021-12-28 | 2022-05-13 | 中科曙光南京研究院有限公司 | 一种公文智能写作方法 |
CN115099197A (zh) * | 2022-04-11 | 2022-09-23 | 北京信息科技大学 | 一种公文自动写作方法 |
CN115238039A (zh) * | 2022-07-29 | 2022-10-25 | 平安科技(深圳)有限公司 | 文本生成方法、电子设备及计算机可读存储介质 |
CN115630640A (zh) * | 2022-12-23 | 2023-01-20 | 苏州浪潮智能科技有限公司 | 一种智能写作方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115795028B (zh) | 2023-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11386271B2 (en) | Mathematical processing method, apparatus and device for text problem, and storage medium | |
US10210865B2 (en) | Method and apparatus for inputting information | |
CN110288980A (zh) | 语音识别方法、模型的训练方法、装置、设备及存储介质 | |
US10956480B2 (en) | System and method for generating dialogue graphs | |
CN111223498A (zh) | 情绪智能识别方法、装置及计算机可读存储介质 | |
US9536444B2 (en) | Evaluating expert opinions in a question and answer system | |
US20230084055A1 (en) | Method for generating federated learning model | |
CN110929094A (zh) | 一种视频标题处理方法和装置 | |
US20210089909A1 (en) | High fidelity speech synthesis with adversarial networks | |
US11036996B2 (en) | Method and apparatus for determining (raw) video materials for news | |
CN111930914A (zh) | 问题生成方法和装置、电子设备以及计算机可读存储介质 | |
KR20230152741A (ko) | 고정 언어 모델을 사용한 다중-모달 퓨-샷 학습 | |
US10558760B2 (en) | Unsupervised template extraction | |
CN111553138B (zh) | 用于规范内容结构文档的辅助写作方法及装置 | |
CN116860221A (zh) | 一种低代码数据模型智能推荐方法及系统 | |
CN113077783B (zh) | 小语种语音语料扩增方法、装置及电子设备和存储介质 | |
CN112307738B (zh) | 用于处理文本的方法和装置 | |
CN111046674B (zh) | 语义理解方法、装置、电子设备和存储介质 | |
CN115795028B (zh) | 一种公文智能生成方法及系统 | |
CN112182255A (zh) | 用于存储媒体文件和用于检索媒体文件的方法和装置 | |
Huang et al. | Sampling adaptive learning algorithm for mobile blind source separation | |
CN114942980B (zh) | 一种确定文本匹配方法及装置 | |
US11636391B2 (en) | Automatic combinatoric feature generation for enhanced machine learning | |
WO2023152914A1 (ja) | 埋め込み装置、埋め込み方法、および、埋め込みプログラム | |
CN116894430A (zh) | 一种基于语义关键词的文本生成方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |