CN115858824B - 一种交互式数码传媒文章的智能生成方法和装置 - Google Patents

Abstract

本公开涉及一种交互式数码传媒文章的智能生成方法和装置。所述方法包括：在接收到对于数码产品的型号选择后，根据数码产品的型号的标注信息生成初始思维导图；在预定时间段内接收到对于初始思维导图的标签以及对应的生成内容的操作的情况下，根据操作记录生成更新思维导图；根据操作记录，在与更新思维导图的标签对应的多种内容中确定更新思维导图标签的推荐内容。根据本公开，可使用标注信息生成思维导图，并可通过点击思维导图的标签来推荐内容，可通过思维导图来引导写作人员的撰稿思路，并以边写边推荐的模式生成数码传媒文章，从而生成逻辑性较强，原创度较高，出错概率较小的稿件，且降低人工工作量，提升工作效率。

Description

一种交互式数码传媒文章的智能生成方法和装置

技术领域

本公开涉及计算机技术领域，尤其涉及一种交互式数码传媒文章的智能生成方法和装置。

背景技术

相关技术中的AI（人工智能）撰稿系统通常根据文本处理模型与一些关键词生成初稿，然后由写作人员进行大量的二次加工工作才可勉强使用。很多时候，模型生成的稿件没有逻辑性、原创度低、出错概率大，需要写作人员需要耗费大量精力去阅读模型生成的稿件，然后查询相关的具体信息与参数进行修正，该工作费时费力，效率较低。

公开于本申请背景技术部分的信息仅仅旨在加深对本申请的一般背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。

发明内容

本公开提出了一种交互式数码传媒文章的智能生成方法和装置。

根据本公开的一方面，提供了一种交互式数码传媒文章的智能生成方法，包括：

在接收到对于数码产品的型号选择后，根据所述数码产品的型号的标注信息，生成初始思维导图，其中，所述标注信息包括标注所述数码产品的部件的基础属性信息，标注所述数码产品部件的特征的特征属性信息，以及标注所述数码产品的部件特征详情的详细特征属性信息；

在预定时间段内接收到对于所述初始思维导图的标签，以及对于与标签对应的生成内容的操作的情况下，根据操作记录，生成更新思维导图；

根据所述操作记录，在与所述更新思维导图的标签对应的多种内容中，确定所述更新思维导图标签的推荐内容。

在本公开的一些实施例中，在预定时间段内接收到对于所述初始思维导图的标签，以及对于与标签对应的生成内容的操作的情况下，根据操作记录，生成更新思维导图，包括：

获取所述数码产品的多项信息的信息类别；

根据所述操作记录，确定用户的操作行为与所述信息类别的关联分数；

根据所述关联分数，确定所述标签的权重信息；

根据所述权重信息，对所述初始思维导图进行更新，生成所述更新思维导图。

在本公开的一些实施例中，根据所述操作记录，确定用户的操作行为与所述信息类别的关联分数，包括：

根据公式，确定所述关联分数，其中，u1为基础属性信息的标签，u2为特征属性信息的标签，u3为详细特征属性信息的标签，为访问u1、u2和u3标签时的驻留时长，为驻留时长中位数，T为所述预定时间段的时长，为所述关联分数。

在本公开的一些实施例中，根据所述操作记录，在与所述更新思维导图的标签对应的多种内容中，确定所述更新思维导图标签的推荐内容，包括：

根据所述标签对应的多个内容中与所述标签对应的关键词的数量，确定各个内容的权重；

根据所述关联分数，和所述内容的权重，确定各个内容的推荐分数；

根据所述推荐分数，确定所述更新思维导图标签的推荐内容。

在本公开的一些实施例中，根据所述标签对应的多个内容中与所述标签对应的关键词的数量，确定各个内容的权重，包括：

根据公式，确定所述内容的权重weight，其中，N1为标题关键词的数量，N2为正文关键词的数量，N3为段落关键词的数量，N4为句子关键词的数量，n_i为第i个内容中关键词的数量。

在本公开的一些实施例中，根据所述关联分数，和所述内容的权重，确定各个内容的推荐分数，包括：

根据公式，确定所述内容的推荐分数interest，其中，α为预设阈值，为内容中的关键词对应的标签中关联分数大于α的标签的关联分数。

在本公开的一些实施例中，所述方法还包括：

在接收到对于所述更新思维导图标签或所述推荐内容的否定操作，根据所述否定操作的时刻，生成衰减系数；

根据所述衰减系数，对所述更新思维导图标签或所述推荐内容进行替换。

在本公开的一些实施例中，所述方法还包括：

根据所述标注信息，对所述推荐内容进行预设比例的挖空处理，获得输出文本内容。

根据本公开的另一方面，提供了一种交互式数码传媒文章的智能生成装置，包括：

初始思维导图模块，用于在接收到对于数码产品的型号选择后，根据所述数码产品的型号的标注信息，生成初始思维导图，其中，所述标注信息包括标注所述数码产品的部件的基础属性信息，标注所述数码产品部件的特征的特征属性信息，以及标注所述数码产品的部件特征详情的详细特征属性信息；

更新思维导图模块，用于在预定时间段内接收到对于所述初始思维导图的标签，以及对于与标签对应的生成内容的编辑操作的情况下，根据所述编辑操作，生成更新思维导图；

推荐模块，用于根据所述编辑操作，在与所述更新思维导图的标签对应的多种内容中，确定所述更新思维导图标签的推荐内容。

在本公开的一些实施例中，所述更新思维导图模块进一步用于：

获取所述数码产品的多项信息的信息类别；

根据所述操作记录，确定用户的操作行为与所述信息类别的关联分数；

根据所述关联分数，确定所述标签的权重信息；

根据所述权重信息，对所述初始思维导图进行更新，生成所述更新思维导图。

在本公开的一些实施例中，所述更新思维导图模块进一步用于：

根据公式，确定所述关联分数，其中，u1为基础属性信息的标签，u2为特征属性信息的标签，u3为详细特征属性信息的标签，为访问u1、u2和u3标签时的驻留时长，为驻留时长中位数，T为所述预定时间段的时长，为所述关联分数。

在本公开的一些实施例中，所述推荐模块进一步用于：

根据所述标签对应的多个内容中与所述标签对应的关键词的数量，确定各个内容的权重；

根据所述关联分数，和所述内容的权重，确定各个内容的推荐分数；

根据所述推荐分数，确定所述更新思维导图标签的推荐内容。

在本公开的一些实施例中，所述推荐模块进一步用于：

根据公式，确定所述内容的权重weight，其中，N1为标题关键词的数量，N2为正文关键词的数量，N3为段落关键词的数量，N4为句子关键词的数量，n_i为第i个内容中关键词的数量。

在本公开的一些实施例中，所述推荐模块进一步用于：

根据公式，确定所述内容的推荐分数interest，其中，α为预设阈值，为内容中的关键词对应的标签中关联分数大于α的标签的关联分数。

在本公开的一些实施例中，所述装置还包括衰减模块，用于：

在接收到对于所述更新思维导图标签或所述推荐内容的否定操作，根据所述否定操作的时刻，生成衰减系数；

根据所述衰减系数，对所述更新思维导图标签或所述推荐内容进行替换。

在本公开的一些实施例中，所述装置还包括挖空模块，用于：

根据所述标注信息，对所述推荐内容进行预设比例的挖空处理，获得输出文本内容。

根据本公开的另一方面，提供了一种交互式数码传媒文章的智能生成设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。

根据本公开的另一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。

根据本公开的实施例的交互式数码传媒文章的智能生成方法，可使用标注信息生成思维导图，并可通过点击思维导图的标签来推荐内容，可通过思维导图来引导写作人员的撰稿思路，并以边写边推荐的模式生成数码传媒文章。并且，还可记录用户对于思维导图的标签或推荐内容的否定操作，以通过衰减系数对标签或思维导图进行进一步处理，从而获得更符合用户思路的思维导图和内容，从而生成逻辑性较强，原创度较高，出错概率较小，与用户思路更匹配的稿件，可大幅降低人工工作量，提升工作效率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将更清楚。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案，

图1示出根据本公开实施例的交互式数码传媒文章的智能生成方法；

图2示出根据本公开实施例的初始思维导图的示意图；

图3示出根据本公开实施例的交互式数码传媒文章的智能生成方法的应用示意图；

图4示出根据本公开实施例的挖空处理的示意图；

图5示出根据本公开实施例的交互式数码传媒文章的智能生成装置的框图；

图6示出根据本公开实施例的一种交互式数码传媒文章的智能生成设备的框图；

图7示出根据本公开实施例的一种电子设备的框图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。

应当理解，在本发明的各种实施例中，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。

应当理解，在本发明中，“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

应当理解，在本发明中，“多个”是指两个或两个以上。“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“包含A、B和C”、“包含A、B、C”是指A、B、C三者都包含，“包含A、B或C”是指包含A、B、C三者之一，“包含A、B和/或C”是指包含A、B、C三者中任1个或任2个或3个。

应当理解，在本发明中，“与A对应的B”、“与A相对应的B”、“A与B相对应”或者“B与A相对应”，表示B与A相关联，根据A可以确定B。根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其他信息确定B。A与B的匹配，是A与B的相似度大于或等于预设的阈值。

取决于语境，如在此所使用的“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。

下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。

针对相关技术中存在的问题，本公开可使用标注信息生成思维导图，并可通过点击思维导图的标签来推荐内容，可通过思维导图来引导写作人员的撰稿思路，并以边写边推荐的模式生成数码传媒文章，从而生成逻辑性较强，原创度较高，出错概率较小的稿件，且降低人工工作量，提升工作效率。

图1示出根据本公开实施例的交互式数码传媒文章的智能生成方法，如图1所示，所述方法包括：

步骤S11，在接收到对于数码产品的型号选择后，根据所述数码产品的型号的标注信息，生成初始思维导图，其中，所述标注信息包括标注所述数码产品的部件的基础属性信息，标注所述数码产品部件的特征的特征属性信息，以及标注所述数码产品的部件特征详情的详细特征属性信息；

步骤S12，在预定时间段内接收到对于所述初始思维导图的标签，以及对于与标签对应的生成内容的编辑操作的情况下，根据所述编辑操作，生成更新思维导图；

步骤S13，根据所述编辑操作，在与所述更新思维导图的标签对应的多种内容中，确定所述更新思维导图标签的推荐内容。

在本公开的一些实施例中，所述交互式数码传媒文章的智能生成方法可通过思维导图作为工具，以边写边推荐的模式生成初稿，用户（例如，撰稿人员）可通过点击思维导图中各层级的标签，来生成与标签对应的推荐内容，最终可按照用户的总体思路与所述方法产生的推荐内容，产生原创度较高、逻辑性较强且出错较少的初稿。

在本公开的一些实施例中，所述方法可通过具有处理器的设备执行，例如，台式计算机、便携式计算机、手机、服务器等设备执行，该设备可在互联网中获取数码传媒领域的文章以及产品参数，并从文章和产品参数中提炼出关键词等标注信息，例如，对于手机产品，可提炼出品牌、型号、部件（例如，屏幕、摄像头、处理器、电池等）、部件特征（例如，屏幕的尺寸、摄像头的像素、处理器的核心数、电池容量等）以及部件特征详情（例如，6英寸、1亿像素、8核心、5000毫安时等）信息作为标注信息。

在本公开的一些实施例中，在步骤S11中，用于可选择数码产品的品牌和型号，例如，选择某品牌的手机的XXX型号，在所述设备接收到用户的选择后，则针对该品牌和型号的标注信息，生成初始思维导图。在示例中，可使用部件、部件特征和部件特征详情等标注信息生成初始思维导图，即，使用标注所述数码产品的部件的基础属性信息、标注所述数码产品部件的特征的特征属性信息和标注所述数码产品的部件特征详情的详细特征属性信息作为初始思维导图的标签，生成所述初始思维导图。初始思维导图中的各个标签是根据以上标注信息确定的，以上标注信息的来源则为互联网中获取数码传媒领域的文章以及产品参数，例如，文章中的标题、正文、段落、句子、关键词，以及产品参数中的具体数据等，因此，标注信息与互联网文章中的内容存在对应关系，用户可选择标签，设备则可产生与标签对应的生成内容。例如，所述生成内容可直接选用文章内容中包括该标签的文字的段落（例如，出现标签的文字次数最多的段落等）。或者，通过多个关键词和标签，以及上述文章作为训练样本，来训练内容生成模型，并在选择特定标签时，通过内容生成模型基于所选标签和大量文章中的内容，自动合成所述生成内容。

图2示出根据本公开实施例的初始思维导图的示意图，如图2所示，所述初始思维导图中可包括A品牌XXX型号下属的多个层级的标签，在示例中，标注数码产品的部件的基础属性信息的标签可包括屏幕、机身尺寸、镜头、性能、电池等。标注数码产品部件的特征的特征属性信息的标签包括屏幕标签下属的亮度、清晰度、分辨率、刷新率、边框等，镜头标签下属的照相功能怎样、像素等，性能标签下属的芯片、闪存、处理器、5G等，电池标签下属的充电速度等。标注数码产品的部件特征详情的详细特征属性信息的标签包括处理器标签下属的处理器散热标签等。本公开对具体的标签内容不做限制。

在本公开的一些实施例中，在初始思维导图中，标签的排列顺序可以是任意的，也可以是按照特定顺序排列的。例如，以上标签可与数码传媒领域的文章以及产品参数的标注信息或关键词相关，可按照标注信息或关键词的权值来排列标签的顺序，例如，权值越高，则排列顺序越靠前，标注信息或关键词的权值可基于其在文章以及产品参数中的出现次数确定，本公开对排序方式和权值的计算方式不做限制。

在本公开的一些实施例中，该初始思维导图未必符合用户的思路，例如，用户打算撰写关于手机芯片的稿件，而图2的初始思维导图中将屏幕排在靠前的位置。且屏幕标签下包括大量下级的标签，而芯片标签下则包括的内容较少。用户可基于初始思维导图进行编辑，例如，编辑标签和/或编辑标签对应的生成内容。在示例中，可删除一些不打算列入稿件中的标签，或者将与自己思路相关程度较低的标签排在更靠后的位置，或者，可删除或改写生成内容中的一些句子、短语、词汇等，或者改变句子、短句、词汇等在生成内容中出现的位置。

在本公开的一些实施例中，在经过用户一段时间（例如，预定时间段）的阅读和操作后，在步骤S12中，可基于上述操作的动作，更新思维导图，获得更新思维导图。例如，可更新思维导图中的标签顺序，或者替换或删除至少部分标签等。

在本公开的一些实施例中，上述更新过程可基于对标签和生成内容的编辑操作来进行，例如，对于删除的标签和删除的内容中出现的与标签对应的文本（例如，删除的句子中存在与某个标签相同或含义相同的文本），则可在更新思维导图中不包括该标签。对于调换顺序的标签，在更新思维导图中按照调换后的顺序展示标签。

在本公开的一些实施例中，步骤S12可包括：获取所述数码产品的多项信息的信息类别；根据所述操作记录，确定用户的操作行为与所述信息类别的关联分数；根据所述关联分数，确定所述标签的权重信息；根据所述权重信息，对所述初始思维导图进行更新，生成所述更新思维导图。

在本公开的一些实施例中，可开辟存储空间，用于存储用户的操作记录，例如，用户选择了哪些标签，调整了哪些标签的顺序，以及删除了哪些标签等，又例如，用户在生成内容中做了哪些修改，删除了哪些内容，编辑了哪些内容等，可通过用户在浏览器中的操作日志，或者服务器中的操作日志来获取操作记录。在示例中，可开辟名为user-behavior的存储空间，用于存储用户的操作记录。本公开对存储空间的命名和操作记录的类型不做限制。

在本公开的一些实施例中，可获取数码产品的多项信息的信息类别，例如，数码产品的类别、品牌、型号、部件、部件特征、部件特征详情以及在互联网中搜集的与数码产品相关文章的标题、正文、段落、句子、关键词等信息。并可按照上述各种信息的类别，分别存储在不同的类目下，存储以上信息的存储空间可命名为LB。本公开对存储空间的命名和存储信息的具体类别不做限制。

在本公开的一些实施例中，可确定用户的操作记录与上述信息类别的关联分数。在示例中，可确定用户对于已选定的类别、已选定的品牌和已选定的型号的数码产品的部件、部件特征和部件特征详情的信息类别，与用户在预定时间段内对于初始思维导图的标签及其生成内容的操作记录之间的关联分数。在示例中，已选定类别、品牌和型号后，数码产品的具体的部件、部件特征和部件特征详情是获得初始思维导图的基础，操作记录是针对初始思维导图的操作记录，因此，所述关联分数为描述初始思维导图自身的各类别的信息与用户的思路（即，基于思路所进行的操作）之间的关联性的分数。

在本公开的一些实施例中，根据所述操作记录，确定用户的操作行为与所述信息类别的关联分数，包括：

根据公式（1），确定所述关联分数：

（1）

其中，u1为基础属性信息的标签，u2为特征属性信息的标签，u3为详细特征属性信息的标签，为访问u1、u2和u3标签时的驻留时长，为驻留时长中位数，T为所述预定时间段的时长，为所述关联分数。

在本公开的一些实施例中，可根据公式（1），确定用户的操作行为与已选定类别、品牌和型号后，数码产品的各个具体的部件、各个部件特征和各个部件特征详情之间的关联分数。其中，T可以是一个小时，即，60×60=3600秒，所述预定时间段为一个小时。本公开对预定时间段的具体时长不做限制。

在本公开的一些实施例中，表示访问u1、u2和u3标签中的某一个标签时的驻留时长与所述预定时间段的总时长之间的比值。如果反复访问同一个标签，则可将多次访问的驻留时长进行累加来确定在某一个标签内的驻留时长。

在本公开的一些实施例中，为预定时间段的总时长与驻留时长中位数之间的比值，并且，预定时间段的总时长大于或等于驻留时长中位数，且在用户仅浏览了一个标签，并在驻留时长等于预定时间段的情况下，=1，在其他情况下，＞1，因此，仅在用户仅浏览了一个标签，并在驻留时长等于预定时间段的情况下等于0，在其他情况下均大于0，可在公式（1）中选择与0的最大值进行运算。

在本公开的一些实施例中，经过公式（1）的运算，用户在某个标签中的驻留时长越长，则该标签对应的类别信息的关联分数越高，可将关联分数作为该标签的权重信息，即，用户在某个标签中的驻留时长越长，则该标签的权重越大。

在本公开的一些实施例中，可基于以上获得的权重信息更新所述初始思维导图，获得更新思维导图。上述权重信息可用于表示用户访问标签的倾向，用户的驻留时长越长，则表示用户可能对该标签对应的生成内容越感兴趣，则该标签及其生成内容越重要，因此，可将该标签排列在更新思维导图中更靠前的位置。在示例中，在对u1标签进行排序时，可基于其下属的u2标签和u3标签的驻留总时长以及u1标签自身的驻留时长之和来进行排序，在对u2标签进行排序时，可基于其下属的u3标签的驻留总时长和u2标签自身的驻留时长之和来进行排序，在对u3标签进行排序时，可基于u3标签自身的驻留时长进行排序。

在示例中，用户在预定时间段内访问量A品牌XXX型号的手机，并访问了“屏幕”u1标签-“LED”-u2标签-“护眼”u3标签，且基于用户在各个标签的生成内容的驻留时长，可计算出在该标签的关联分数为0.9，超过了其他90%以上的标签，因此，可将该标签排在更新思维导图中的靠前的位置。使得用户感兴趣的内容存在于更新思维导图中的更明显的位置，从而优先为用户推荐其感兴趣的内容。

在本公开的一些实施例中，在步骤S13中，用户可在更新思维导图中选择合适的标签，在接收到用户选择的标签后，可生成与标签对应的推荐内容。在示例中，更新思维导图的标签可来自上述标注信息，而标注信息来自互联网中搜索到的与数码产品相关的文章及数码产品的参数，因此，用户选择的标签与数码产品的文章中的内容存在一定的对应关系，推荐内容可来自文章中包括所选标签的段落或句子等，也可包括由上述内容生成模型生成的内容。然而，互联网中搜索到的文章数量众多，生成的内容同样数量众多，且生成的内容未必符合用户的思路。将大量的内容（且可能包括不符合用户思路的内容）展示出来，可能使得用户更加难以找到合适的内容，因此，可在大量的内容中选择出最适合推荐给用户的内容，例如，选择出用户可能最感兴趣的内容，作为所述推荐内容进行生成。

在本公开的一些实施例中，步骤S13可包括：根据所述标签对应的多种内容中与所述标签对应的关键词的数量，确定各个内容的权重；根据所述关联分数，和所述内容的权重，确定各个内容的推荐分数；根据所述推荐分数，确定所述更新思维导图标签的推荐内容。

在本公开的一些实施例中，在多个内容中选择出推荐内容，可首先确定用户可能感兴趣的内容，因此，可基于每个内容的权重来选择用户可能感兴趣的权重。在此处，选择用户可能感兴趣的内容与以上基于驻留时长选择感兴趣的内容的方式不同。以上基于驻留时长选择感兴趣的内容的方式是由于在更新思维导图时用户还处于对于内容的浏览过程中，仍未确定好具体思路，因此，用户如果在某个标签的内容中驻留时长较长，则可能表示用户对该内容感兴趣，阅读的内容较多，消耗时间较长。而在此处，已经确定更新思维导图，用户已有较清晰的思路，因此此处选择用户感兴趣的内容时，可将内容与思路的匹配性作为选择依据。

在本公开的一些实施例中，在确定内容与思路的匹配性时，可首先根据标签对应的多个内容中与标签对应的关键词的数量来确定每个内容的权重，在示例中，某个内容中的关键词与大量文章中的关键词的匹配性越高，则表示该内容的关键词在大量的文章中大量存在，且该内容与很多文章的语义近似，即，可代表很多文章的语义。因此，可选择内容中关键词与大量文章中的关键词匹配性较高的内容作为推荐内容。

在本公开的一些实施例中，根据所述标签对应的多个内容中与所述标签对应的关键词的数量，确定各个内容的权重，包括：

根据公式（2），确定所述内容的权重weight：

（2）

其中，N1为标题关键词的数量，N2为正文关键词的数量，N3为段落关键词的数量，N4为句子关键词的数量，n_i为第i个内容中关键词的数量。

在本公开的一些实施例中，所述大量文章可包括文章的标题，文章的正文，文章的段落以及文章的句子，标题、正文、段落和句子中均可提炼出关键词，可在大量的标题、正文、段落和句子中确定出关键词与标签匹配的部分标题、正文、段落和句子。

在本公开的一些实施例中，在以上匹配的标题中，与第i个内容中的关键词匹配的关键词（例如，与第i个内容中的关键词相同或同义）的总数为N1，在以上匹配的正文中，与第i个内容中的关键词匹配的关键词的总数为N2，在以上匹配的段落中，与第i个内容中的关键词匹配的关键词的总数为N3，在以上匹配的句子中，与第i个内容中的关键词匹配的关键词的总数为N4。通过公式（2），则可确定第i个内容与大量文章的中的语义是否匹配，如果匹配，则计算的权重较高，则该内容可代表很多文章的语义，可作为对很多文章进行总结的内容，也可作为与用户思路匹配的内容。

在本公开的一些实施例中，可基于上述关联分数和以上计算的各内容的权重来确定各内容的推荐分数。该步骤可包括：

根据公式（3），确定所述内容的推荐分数interest：

（3）

其中，α为预设阈值，为内容中的关键词对应的标签中关联分数大于α的标签的关联分数。在示例中α=0.6，本公开对其具体取值不做限制。

在本公开的一些实施例中，所述内容可包括多个关键词，因此，可对应于多个标签，而关联分数可表示标签与用户行为的匹配性，因此，可选择这些标签的关联分数中大于预设阈值（即，与用户行为匹配度较高的标签）的关联分数，并与该内容的权重进行相乘，从而可获得该内容的推荐分数。

在本公开的一些实施例中，可基于以上处理，确定各个内容的推荐分数，并将推荐分数最高的内容，作为与更新思维导图的标签对应的推荐内容，在用户选择标签时，可生成推荐内容。

在本公开的一些实施例中，用户可进一步阅读推荐内容，如果对于推荐内容仍然不满意，还可对推荐内容进行进一步地编辑，例如，修改、删除等，在编辑的过程中，设备可进一步记录用户的操作，并改变各个内容的推荐分数，从而可重新推荐与用户思路更匹配的内容。并且，用户还可对更新思维导图的标签进行编辑，例如，修改、删除、调换顺序等，设备同样可记录用户的操作，并改变更新思维导图的标签，获得与用户思路更匹配的思维导图。

在本公开的一些实施例中，所述方法还包括：在接收到对于所述更新思维导图标签或所述推荐内容的否定操作，根据所述否定操作的时刻，生成衰减系数；根据所述衰减系数，对所述更新思维导图标签或所述推荐内容进行替换。

在本公开的一些实施例中，衰减系数可通过以下公式（4）表示：

（4）

其中，αn为衰减系数，t为否定操作的时刻，β为衰减值，在示例中，β=10%，本公开对衰减值的具体数值不做限制。

在本公开的一些实施例中，如果在预定时间（例如，两个小时）内未发生否定操作（例如，修改、删除等），即，t＞2，则可表示标签和内容符合用户思路，无需修改，因此，无需计算上述衰减系数，内容或更新思维导图的标签也无需重新推荐。

在本公开的一些实施例中，如果在预定时间内发生了否定操作，即，0＜t＜2，则可表示标签或内容存在与用户思路不符之处，因此，可通过公式（4）计算衰减系数，并重新计算推荐分数等数据，进而可重新对内容和标签进行推荐。

在本公开的一些实施例中，可通过将衰减系数与发生过否定操作的内容的推荐分数进行相乘，作为该内容的新的推荐分数，并重新对各个内容的推荐分数进行排序，从而重新确定推荐分数最高的内容作为推荐内容。

在本公开的一些实施例中，可通过将衰减系数与发生过否定操作的标签的权重信息（即，关联分数）进行相乘，作为该标签的新的权重信息，并按照新的标签的权重信息再次更新思维导图，获得与用户思路更相符的思维导图。

在相关技术中，通常通过对用户修改过的内容进行替换、删除等操作，使得被用户修改过的内容不再出现。然而，在写作过程中，用户的思维可能是发散的，当前语境下某些内容需要修改，可能仅代表在该语境下该内容不合适，但不并代表该内容不再被用户需要，例如，可能在其他段落中需要该内容，因此，完全将该内容替换或删除并不合适。因此，可使用以上的衰减系数，使得该内容的推荐分数有所衰减，降低推荐力度，但并不会使该内容被删除或替换，在其他位置如果需要，则该内容还可能作为推荐内容被推荐给用户。

以上更新思维导图的标签以及更新推荐内容的操作可迭代执行多次，例如，可随着用户对于标签或内容的修改操作而同时执行，从而不断接近用户的写作思路，获得原创度更高、错误更少、逻辑性更强、且与用户思路更匹配的稿件。

图3示出根据本公开实施例的交互式数码传媒文章的智能生成方法的应用示意图，如图3所示，获得更新思维导图后，该更新思维导图可展示在左侧的用户人机交互区，在用户选择某个或某些标签后，可在右侧的内容生成区生成推荐内容。用户可阅读内容生成区的内容，如果存在不符合思路的内容，或者标签不符合思路，则可对内容或标签采取否定操作（例如，删除或修改等），如图3中的右键点击相关段落，并对该段落进行修改或删除。设备可记录用户的否定操作，并生成衰减系数，进而基于被衰减系数处理后的内容或标签重新推荐内容或重新生成思维导图。

在本公开的一些实施例中，所述方法还包括：根据所述标注信息，对所述推荐内容进行预设比例的挖空处理，获得输出文本内容。为进一步提升原创度，可在用户不再对推荐内容进行修改后，对获得的稿件中的内容进行预设比例的挖空，例如，将其中的与标注信息对应的内容挖空10%-20%。本公开对于挖空的内容，以及挖空的比例不做限制。例如，还可对与标签相同的内容，或者句子、标题、段落、正文中的关键词进行一定比例的挖空等。最终生成的输出文本内容可由用户手动填写，从而获得原创度更高的稿件。

图4示出根据本公开实施例的挖空处理的示意图。在图4中，按照标注信息对内容生成区的内容进行了10%的挖空处理，使得用户可在挖空的部分有一定的自由发挥空间，从而进一步提升原创度。

根据本公开的实施例的交互式数码传媒文章的智能生成方法，可使用标注信息生成思维导图，并可通过点击思维导图的标签来推荐内容，可通过思维导图来引导写作人员的撰稿思路，并以边写边推荐的模式生成数码传媒文章。并且，还可记录用户对于思维导图的标签或推荐内容的否定操作，以通过衰减系数对标签或思维导图进行进一步处理，从而获得更符合用户思路的思维导图和内容，从而生成逻辑性较强，原创度较高，出错概率较小，与用户思路更匹配的稿件，可大幅降低人工工作量，提升工作效率。

图5示出根据本公开实施例的交互式数码传媒文章的智能生成装置的框图，如图5所示，所述装置包括：

初始思维导图模块11，用于在接收到对于数码产品的型号选择后，根据所述数码产品的型号的标注信息，生成初始思维导图，其中，所述标注信息包括标注所述数码产品的部件的基础属性信息，标注所述数码产品部件的特征的特征属性信息，以及标注所述数码产品的部件特征详情的详细特征属性信息；

更新思维导图模块12，用于在预定时间段内接收到对于所述初始思维导图的标签，以及对于与标签对应的生成内容的编辑操作的情况下，根据所述编辑操作，生成更新思维导图；

推荐模块13，用于根据所述编辑操作，在与所述更新思维导图的标签对应的多种内容中，确定所述更新思维导图标签的推荐内容。

在本公开的一些实施例中，所述更新思维导图模块进一步用于：

获取所述数码产品的多项信息的信息类别；

根据所述操作记录，确定用户的操作行为与所述信息类别的关联分数；

根据所述关联分数，确定所述标签的权重信息；

根据所述权重信息，对所述初始思维导图进行更新，生成所述更新思维导图。

在本公开的一些实施例中，所述更新思维导图模块进一步用于：

根据公式，确定所述关联分数，其中，u1为基础属性信息的标签，u2为特征属性信息的标签，u3为详细特征属性信息的标签，为访问u1、u2和u3标签时的驻留时长，为驻留时长中位数，T为所述预定时间段的时长，为所述关联分数。

在本公开的一些实施例中，所述推荐模块进一步用于：

根据所述标签对应的多个内容中与所述标签对应的关键词的数量，确定各个内容的权重；

根据所述关联分数，和所述内容的权重，确定各个内容的推荐分数；

根据所述推荐分数，确定所述更新思维导图标签的推荐内容。

在本公开的一些实施例中，所述推荐模块进一步用于：

根据公式，确定所述内容的权重weight，其中，N1为标题关键词的数量，N2为正文关键词的数量，N3为段落关键词的数量，N4为句子关键词的数量，n_i为第i个内容中关键词的数量。

在本公开的一些实施例中，所述推荐模块进一步用于：

根据公式，确定所述内容的推荐分数interest，其中，α为预设阈值，为内容中的关键词对应的标签中关联分数大于α的标签的关联分数。

在本公开的一些实施例中，所述装置还包括衰减模块，用于：

在接收到对于所述更新思维导图标签或所述推荐内容的否定操作，根据所述否定操作的时刻，生成衰减系数；

根据所述衰减系数，对所述更新思维导图标签或所述推荐内容进行替换。

在本公开的一些实施例中，所述装置还包括挖空模块，用于：

根据所述标注信息，对所述推荐内容进行预设比例的挖空处理，获得输出文本内容。

在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。

本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。

本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。

本公开实施例还提供了一种计算机程序产品，包括计算机可读代码，当计算机可读代码在设备上运行时，设备中的处理器执行用于实现如上任一实施例提供的云应用管理方法的指令。

本公开实施例还提供了另一种计算机程序产品，用于存储计算机可读指令，指令被执行时使得计算机执行上述任一实施例提供的云应用管理方法的操作。

电子设备可以被提供为终端、服务器或其它形态的设备。

图6示出根据本公开实施例的一种交互式数码传媒文章的智能生成设备800的框图。例如，设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等终端。

参照图6，设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出接口812，传感器组件814，以及通信组件816。

处理组件802通常控制设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。

存储器804被配置为存储各种类型的数据以支持在设备800的操作。这些数据的示例包括用于在设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器（SRAM），电可擦除可编程只读存储器（EEPROM），可擦除可编程只读存储器（EPROM），可编程只读存储器（PROM），只读存储器（ROM），磁存储器，快闪存储器，磁盘或光盘。

电源组件806为设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为设备800生成、管理和分配电力相关联的组件。

多媒体组件808包括在所述设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器（LCD）和触摸面板（TP）。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边缘，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风（MIC），当设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。

输入/输出接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件814包括一个或多个传感器，用于为设备800提供各个方面的状态评估。例如，传感器组件814可以检测到设备800的打开/关闭状态，组件的相对定位，例如所述组件为设备800的显示器和小键盘，传感器组件814还可以检测设备800或设备800中的组件的位置改变，用户与设备800接触的存在或不存在，设备800方位或加速/减速和设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件816被配置为便于设备800和其他设备之间有线或无线方式的通信。设备800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信（NFC）模块，以促进短程通信。例如，在NFC模块可基于射频识别（RFID）技术，红外数据协会（IrDA）技术，超宽带（UWB）技术，蓝牙（BT）技术和其他技术来实现。

在示例性实施例中，设备800可以被一个或多个应用专用集成电路（ASIC）、数字信号处理器（DSP）、数字信号处理设备（DSPD）、可编程逻辑器件（PLD）、现场可编程门阵列（FPGA）、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由设备800的处理器820执行以完成上述方法。

图7示出根据本公开实施例的一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器。参照图7，电子设备1900包括处理单元1922，其进一步包括一个或多个处理器，以及由存储单元1932所代表的存储器资源，用于存储可由处理单元1922的执行的指令，例如应用程序。存储单元1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理单元1922被配置为执行指令，以执行上述方法。

电子设备1900还可以包括一个电源模块1926被配置为执行电子设备1900的电源管理，一个有线或无线的网络接口1950被配置为将电子设备1900连接到网络，和一个I/O接口1958。电子设备1900可以操作基于存储在存储单元1932的操作系统，例如WindowsServerTM，Mac OS XTM，UnixTM, LinuxTM，FreeBSDTM或类似。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储单元1932，上述计算机程序指令可由电子设备1900的处理单元1922执行以完成上述方法。

本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子（非穷举的列表）包括：便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、静态随机存取存储器（SRAM）、便携式压缩盘只读存储器（CD-ROM）、数字多功能盘（DVD）、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波（例如，通过光纤电缆的光脉冲）、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构（ISA）指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令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）。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列（FPGA）或可编程逻辑阵列（PLA），该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。

这里参照根据本公开实施例的方法、装置（系统）和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本公开的多个实施例的系统、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、程序段或指令的一部分，所述模块、程序段或指令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。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，两个连续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动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。

该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software Development Kit，SDK)等等。

注意，除非另有直接说明，否则本说明书(包含任何所附权利要求、摘要和附图)中所揭示的所有特征皆可由用于达到相同、等效或类似目的的可替代特征来替换。因此，除非另有明确说明，否则所公开的每一个特征仅是一组等效或类似特征的一个示例。在使用到的情况下，进一步地、较优地、更进一步地和更优地是在前述实施例基础上进行另一实施例阐述的简单起头，该进一步地、较优地、更进一步地或更优地后带的内容与前述实施例的结合作为另一实施例的完整构成。在同一实施例后带的若干个进一步地、较优地、更进一步地或更优地设置之间可任意组合的组成又一实施例。

本领域的技术人员应理解，上述描述及附图中所示的本发明的实施例只作为举例而并不限制本发明。本发明的目的已经完整并有效地实现。本发明的功能及结构原理已在实施例中展示和说明，在没有背离所述原理下，本发明的实施方式可以有任何变形或修改。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (7)

1.一种交互式数码传媒文章的智能生成方法，其特征在于，包括：

在接收到对于数码产品的型号选择后，根据所述数码产品的型号的标注信息，生成初始思维导图，其中，所述标注信息包括标注所述数码产品的部件的基础属性信息，标注所述数码产品部件的特征属性信息，以及标注所述数码产品的部件特征详情的详细特征属性信息，所述初始思维导图包括型号下属的多个层级的标签，所述标签与数码传媒领域的文章以及产品参数的标注信息或关键词相关；

在预定时间段内接收到对于所述初始思维导图的标签，以及对于与标签对应的生成内容的编辑操作的情况下，根据编辑操作记录，生成更新思维导图；

根据编辑操作记录，在与所述更新思维导图的标签对应的多种内容中，确定所述更新思维导图标签的推荐内容；

在预定时间段内接收到对于所述初始思维导图的标签，以及对于与标签对应的生成内容的编辑操作的情况下，根据编辑操作记录，生成更新思维导图，包括：

获取所述数码产品的多项信息的信息类别；

根据所述编辑操作记录，确定用户的操作行为与所述信息类别的关联分数；

根据所述关联分数，确定所述标签的权重信息；

根据所述权重信息，对所述初始思维导图进行更新，生成所述更新思维导图；

根据所述编辑操作记录，确定用户的操作行为与所述信息类别的关联分数，包括：

根据公式，确定所述关联分数，其中，u1为基础属性信息的标签，u2为特征属性信息的标签，u3为详细特征属性信息的标签，为访问u1、u2和u3标签时的驻留时长，为驻留时长中位数，T为所述预定时间段的时长，为所述关联分数；

根据编辑操作记录，在与所述更新思维导图的标签对应的多种内容中，确定所述更新思维导图标签的推荐内容，包括：

根据所述标签对应的多个内容中与所述标签对应的关键词的数量，确定各个内容的权重；

根据所述关联分数，和所述内容的权重，确定各个内容的推荐分数；

根据所述推荐分数，确定所述更新思维导图标签的推荐内容。

2.根据权利要求1所述的交互式数码传媒文章的智能生成方法，其特征在于，根据所述标签对应的多个内容中与所述标签对应的关键词的数量，确定各个内容的权重，包括：

根据公式，确定所述内容的权重weight，其中，N1为标题关键词的数量，N2为正文关键词的数量，N3为段落关键词的数量，N4为句子关键词的数量，n_i为第i个内容中关键词的数量。

3.根据权利要求1所述的交互式数码传媒文章的智能生成方法，其特征在于，根据所述关联分数，和所述内容的权重，确定各个内容的推荐分数，包括：

根据公式，确定所述内容的推荐分数interest，其中，α为预设阈值，为内容中的关键词对应的标签中关联分数大于α的标签的关联分数。

4.根据权利要求1所述的交互式数码传媒文章的智能生成方法，其特征在于，所述方法还包括：

在接收到对于所述更新思维导图标签或所述推荐内容的否定操作，根据所述否定操作的时刻，生成衰减系数；

根据所述衰减系数，对所述更新思维导图标签或所述推荐内容进行替换。

5.根据权利要求1所述的交互式数码传媒文章的智能生成方法，其特征在于，所述方法还包括：

根据所述标注信息，对所述推荐内容进行预设比例的挖空处理，获得输出文本内容。

6.一种交互式数码传媒文章的智能生成装置，其特征在于，包括：

初始思维导图模块，用于在接收到对于数码产品的型号选择后，根据所述数码产品的型号的标注信息，生成初始思维导图，其中，所述标注信息包括标注所述数码产品的部件的基础属性信息，标注所述数码产品部件的特征属性信息，以及标注所述数码产品的部件特征详情的详细特征属性信息，所述初始思维导图包括型号下属的多个层级的标签，所述标签与数码传媒领域的文章以及产品参数的标注信息或关键词相关；

更新思维导图模块，用于在预定时间段内接收到对于所述初始思维导图的标签，以及对于与标签对应的生成内容的编辑操作的情况下，根据编辑操作记录，生成更新思维导图；

推荐模块，用于根据编辑操作记录，在与所述更新思维导图的标签对应的多种内容中，确定所述更新思维导图标签的推荐内容；

所述更新思维导图模块进一步用于：

获取所述数码产品的多项信息的信息类别；

根据所述编辑操作记录，确定用户的操作行为与所述信息类别的关联分数；

根据所述关联分数，确定所述标签的权重信息；

根据所述权重信息，对所述初始思维导图进行更新，生成所述更新思维导图；

所述更新思维导图模块进一步用于：

根据公式，确定所述关联分数，其中，u1为基础属性信息的标签，u2为特征属性信息的标签，u3为详细特征属性信息的标签，为访问u1、u2和u3标签时的驻留时长，为驻留时长中位数，T为所述预定时间段的时长，为所述关联分数；

所述推荐模块进一步用于：

根据所述标签对应的多个内容中与所述标签对应的关键词的数量，确定各个内容的权重；

根据所述关联分数，和所述内容的权重，确定各个内容的推荐分数；

根据所述推荐分数，确定所述更新思维导图标签的推荐内容。

7.一种交互式数码传媒文章的智能生成设备，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为调用所述存储器存储的指令，以执行权利要求1至5中任意一项所述的方法。

Images