CN116992834B - 基于人工智能的辅助写作方法、系统、介质及电子设备 - Google Patents
基于人工智能的辅助写作方法、系统、介质及电子设备 Download PDFInfo
- Publication number
- CN116992834B CN116992834B CN202311253920.XA CN202311253920A CN116992834B CN 116992834 B CN116992834 B CN 116992834B CN 202311253920 A CN202311253920 A CN 202311253920A CN 116992834 B CN116992834 B CN 116992834B
- Authority
- CN
- China
- Prior art keywords
- words
- association
- sentence
- training
- data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 27
- 238000012549 training Methods 0.000 claims abstract description 67
- 238000013528 artificial neural network Methods 0.000 claims abstract description 13
- 239000012634 fragment Substances 0.000 claims description 18
- 230000002787 reinforcement Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 11
- 238000004590 computer program Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 8
- 230000015654 memory Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000002253 acid Substances 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000000576 supplementary effect Effects 0.000 description 1
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
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3322—Query formulation using system suggestions
-
- 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
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/3332—Query translation
- G06F16/3334—Selection or weighting of terms from queries, including natural language queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9538—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Machine Translation (AREA)
Abstract
本申请提供了一种基于人工智能的辅助写作方法、系统、介质及电子设备。辅助写作方法包括:确定搜索平台,根据搜索平台获取资讯数据;录入主要目标词,根据主要目标词遍历资讯数据,并选取与主要目标词对应的数据片段,将数据片段进行拆分,得到句式数据库;将句式数据库的每个句子进行拆分,得到多个训练词,根据预设的第一训练模型,对训练词进行神经网络训练,建立并累计训练词与关联词的关联强度;根据输入的关键词,生成多个关联句式,并按照关键词与关联句式的关联强度,通过第一文本框依次进行显示。基于训练模型针对性地对录入的主要目标词进行神经网络训练,从而能够快速实现写作的关联内容采集,便于创作者更加快速的对行文进行构思。
Description
技术领域
本发明属于辅助写作的技术领域,尤其涉及一种基于人工智能的辅助写作方法、系统、介质及电子设备。
背景技术
写作,通常运用语言文字符号以记述的方式反映事物、表达思想感情、传递知识信息、实现交流沟通的创造性脑力劳动过程。
作为一个完整的过程,写作活动大致可分为“采集、构思、行文、修改、发表”五个阶段,但由于并不是每个人都具备良好的写作能力,当创作者对已有的话题和关键词展开写作时,往往出现写作内容匮乏,以及无法及时出现灵光闪耀有妙辞和语句,从而导致提笔难下,以至于一篇完整的稿件需要创作者花费大量时间。
尤其对于特殊行业的创作者而言,写作效率的要求更高,例如媒体写作的创作者而言,简单搜索所呈现的资料需要大量的整理时间,从而影响写作效率。
发明内容
本发明的目的是针对现有技术的不足之处,提供了一种基于人工智能的辅助写作方法、系统、介质及电子设备,根据现有的资讯数据,生成训练词,不需要额外设置词料库,同时,由于训练词围绕录入的主要目标词,针对性强,尤其适用于某一关键词或某一话题的数据集中训练,并通过输入的关键词自动生成关联句式,便于创作者对某一话题的历史数据进行追溯和总结,从而起到辅助写作的效果。
本申请的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本申请的实践而习得。
根据本申请实施例的一个方面,提供了一种基于人工智能的辅助写作方法,包括具体包括:
确定搜索平台,根据搜索平台获取资讯数据;
录入主要目标词,根据主要目标词遍历资讯数据,并选取与主要目标词对应的数据片段,将数据片段进行拆分,得到句式数据库;
将句式数据库的每个句子进行拆分,得到多个训练词,根据预设的第一训练模型,对训练词进行神经网络训练,建立并累计训练词与关联词的关联强度;
根据输入的关键词,生成多个关联句式,并按照关键词与关联句式的关联强度,通过第一文本框依次进行显示。
该实施例的优点在于,在某一话题的长期创作过程中,能够更加快速且更加精准的获取到创作者想要的行为内容,从而提高写作效率,起到写作辅助的效果。
可选地,其中,确定搜索平台,根据搜索平台获取资讯数据,包括:
确定对应搜索平台的第一资讯版块,对第一资讯版块的全部数据进行抓取;
对抓取的资讯数据进行段落识别,并依次储存每个段落。
进一步地,获取资讯数据,还包括:
预设时间节点,在指定时间段内对第一资讯版块的资讯数据进行抓取。
该实施例的优点在于,通过预设时间节点,缩小主要目标词的学习范围,减小时间过长的历史数据干扰,便于创作者获取到指定时间段的资讯数据,实现降噪功能,进一步提高数据获取的精准度,从而提供更加有效辅助写作效果。
作为优选,对训练词进行神经网络训练,还包括:
录入次要目标词,根据句子数据库,确定主要目标词和次要目标词同时存在的句子,并根据预设的第二训练模型,对主要目标词和次要目标词的关联训练词进行强化标记。
该实施例的优点在于,通过次要目标词,加强以主要目标词为中心的神经网络训练,实现降噪功能,进一步提高数据获取的精准度,从而提供更加有效辅助写作效果。
作为优选,还包括亮点生成方法:
根据对应搜索平台以及预设短句类型,对主要目标词进行短句搜索,获取搜索结果;
根据搜索结果,确定对应搜索平台的第二资讯版块,遍历第二资讯版块,并抓取第二资讯版块的资讯数据作为标语句式,建立主要目标词与标语句式的索引关联;
在输出对应关联句式时,通过第二文本框依次显示对应的标语句式。
该实施例的优点在于,通过标语句式的关联,便于创作者对写作的中心抓取,同时便于凸显写作内容,提高写作的辨识度,便于创作者对行文进行有效的润色,提高写作质量。
可选地,还包括:
将关联句式与数据片段进行相似关联;
获取与关联句式关联的数据片段,并根据关联强度,通过第三文本框依次显示数据片段。
可选地,输入的关键词,生成多个关联句式,包括:
对输入的关键词进行拆分,将拆分后的数据与训练词进行关联;
根据训练词生成与关键词对应的关联词,根据关联词生成关联句式。
根据本申请实施例的另一个方面,提供了一种基于人工智能的辅助写作系统,其特征在于,包括:
获取模块,用于确定搜索平台,根据搜索平台获取资讯数据;
存储模块,用于录入主要目标词,根据主要目标词遍历资讯数据,并选取与主要目标词对应的数据片段,将数据片段进行拆分,得到句式数据库;
训练模块,用于将句式数据库的每个句子进行拆分,得到多个训练词,根据预设的第一训练模型,对训练词进行神经网络训练,建立并累计训练词与关联词的关联强度;
辅助模块,用于根据输入的关键词,生成多个关联句式,并按照关键词与关联句式的关联强度,通过第一文本框依次进行显示。
根据本申请实施例的再一个方面,提供了一种存储介质,其上存储有计算机可读指令,当所述计算机可读指令被计算机的处理器执行时,使计算机执行上述基于人工智能的辅助写作方法。
根据本申请实施例的又一个方面,提供了一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述电子设备实现如上述基于人工智能的辅助写作方法。
需要说明的是,在本文中采用的“第一”、“第二”等类似的语汇,仅仅是为了描述技术方案中的各组成要素,并不构成对技术方案的限定,也不能理解为对相应要素重要性的指示或暗示;带有“第一”、“第二”等类似语汇的要素,表示在对应技术方案中,该要素至少包含一个。
附图说明
为了更加清晰地说明本发明的技术方案,利于对本发明的技术效果、技术特征和目的进一步理解,下面结合附图对本发明进行详细的描述,附图构成说明书的必要组成部分,与本发明的实施例一并用于说明本发明的技术方案,但并不构成对本发明的限制。
附图中的同一标号代表相同的部件,具体地:
图1为本申请基于人工智能的辅助写作方法的整体流程框图;
图2为本申请基于人工智能的辅助写作方法一示例的局部流程框图;
图3为本申请基于人工智能的辅助写作方法中亮点生成方法的流程框图;
图4为本申请基于人工智能的辅助写作系统的框图;
图5为本申请一示例电子设备的计算机系统结构示意图。
具体实施方式
下面结合附图和实施例,对本发明作进一步的详细说明。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本申请将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本申请的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本申请的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本申请的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
需要说明的是:在本文中提及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,A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。
如图1所示,本申请提供一种基于人工智能的辅助写作方法,包括具体包括:
确定搜索平台,根据搜索平台获取资讯数据;
录入主要目标词,根据主要目标词遍历资讯数据,并选取与主要目标词对应的数据片段,将数据片段进行拆分,得到句式数据库;
将句式数据库的每个句子进行拆分,得到多个训练词,根据预设的第一训练模型,对训练词进行神经网络训练,建立并累计训练词与关联词的关联强度;
根据输入的关键词,生成多个关联句式,并按照关键词与关联句式的关联强度,通过第一文本框依次进行显示。
其中,输入的关键词,生成关联句式,包括:
对输入的关键词进行拆分,将拆分后的数据与训练词进行关联;
根据训练词生成与关键词对应的关联词,根据关联词生成关联句式。
需要说明的是,本文所出现的训练模型可以是Skipgram或CBOW(continuous bagof words,连续词袋模型)中的一种;其中,搜索平台可以是百度、新浪、谷歌等平台的第一种,且其资讯版块根据具体的搜索平台而定;另注,此处只做说明,不做出限制。
在本方案的使用过程中,例如,某一新闻工作者需要长年跟踪某一个话题,且在此话题的长期创作过程中,通过本申请提供的技术方案,能够更加快速且更加精准的获取到创作者想要的行为内容,从而提高写作效率,起到写作辅助的效果。
其中,根据搜索平台获取资讯数据,具体包括:
确定对应搜索平台的第一资讯版块,对第一资讯版块的全部数据进行抓取;
对抓取的资讯数据进行段落识别,并依次储存每个段落。
例如,确定热搜版块为第一资讯版块,且在搜索平台上每天的热搜版块,在某一时刻的内容为固定的,通过本申请的技术方案对该时刻的资讯数据进行有效获取并存储,并通过主要目标词进行有效筛选。
当然,本申请的资讯数据获取方法,可以是对某一天中的某一时刻的资讯数据进行获取,优选对某一天的资讯数据按照指定时间段进行周期性获取,且对重复的资讯数据进行过滤处理,以提高存储空间的有效利用率,同时减小数据缺失的几率。
其中,获取资讯数据,还包括:预设时间节点,在指定时间段内对第一资讯版块的资讯数据进行抓取。
例如,某一话题在某一时期发生转折性事件,而在这一时期之前的内容与之后的内容存在冲突,实用者便可以通过预设时间节点,缩小主要目标词的学习范围,减小时间过长的历史数据干扰,便于创作者获取到指定时间段的资讯数据,实现降噪功能,进一步提高数据获取的精准度,从而提供更加有效辅助写作效果。
如图2所示,为了进一步提高输出内容的精准度,对训练词进行神经网络训练,还包括:
录入次要目标词,根据句子数据库,确定主要目标词和次要目标词同时存在的句子,并根据预设的第二训练模型,对主要目标词和次要目标词的关联训练词进行强化标记。
其中,第二训练模型与上述训练模型的说明相同,此处不再赘述;通过次要目标词,协助训练词的机器学习,提高主要目标词和次要目标词关联强度,加强以主要目标词为中心的神经网络训练,实现降噪功能,进一步提高数据获取的精准度,从而提供更加有效辅助写作效果。
在一些实施例中,如图3所示,为了提高本申请的使用便捷性,本申请的辅助写作方法还包括亮点生成方法,具体如下:
根据对应搜索平台以及预设短句类型,对主要目标词进行短句搜索,获取搜索结果;
根据搜索结果,确定对应搜索平台的第二资讯版块,遍历第二资讯版块,并抓取第二资讯版块的资讯数据作为标语句式,建立主要目标词与标语句式的索引关联;
在输出对应关联句式时,通过第二文本框依次显示对应的标语句式。
通过标语句式的关联,便于创作者对写作的中心抓取,同时便于凸显写作内容,提高写作的辨识度,便于创作者对行文进行有效的润色,提高写作质量。
为了进一步提高本申请的使用便捷性,本申请的辅助写作方法还包括:
将关联句式与数据片段进行相似关联;
获取与关联句式关联的数据片段,并根据关联强度,通过第三文本框依次显示数据片段。
需要说明的是,本文所涉及的第一文本框、第二文本框、第三文本框皆为可编辑文本框,在生成对应内容后,便于创作者直接在文本框内对生成内容进行调整,从而提高编辑效率。
图4示出了根据本申请的一个实施例的基于人工智能的辅助写作系统的框图。
如图4所示,根据本申请的一种基于人工智能的辅助写作系统,其特征在于,包括:
获取模块,用于确定搜索平台,根据搜索平台获取资讯数据;
存储模块,用于录入主要目标词,根据主要目标词遍历资讯数据,并选取与主要目标词对应的数据片段,将数据片段进行拆分,得到句式数据库;
训练模块,用于将句式数据库的每个句子进行拆分,得到多个训练词,根据预设的第一训练模型,对训练词进行神经网络训练,建立并累计训练词与关联词的关联强度;
辅助模块,用于根据输入的关键词,生成多个关联句式,并按照关键词与关联句式的关联强度,通过第一文本框依次进行显示。
需要说明的是,上述实施例所提供的基于人工智能的辅助写作系统与上述实施例所提供的基于人工智能的辅助写作方法属于同一构思,其中各个单元执行操作的具体方式已经在方法实施例中进行了详细描述,此处不再赘述。
本申请的实施例还提供了一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述充电器实现上述基于人工智能的辅助写作方法。
图5示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
需要说明的是,图5示出的电子设备的计算机系统仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图5所示,计算机系统包括中央处理单元(Central Processing Unit,CPU),其可以根据存储在只读存储器(Read-Only Memory,ROM)中的程序或者从存储部加载到随机访问存储器(Random Access Memory,RAM)中的程序而执行各种适当的动作和处理,例如执行上述实施例中所述的方法。在RAM中,还存储有系统操作所需的各种程序和数据。CPU、ROM以及RAM通过总线彼此相连。输入/输出(Input /Output,I/O)接口也连接至总线。
以下部件连接至I/O接口:包括键盘、鼠标等的输入部分;包括诸如阴极射线管(Cathode Ray Tube,CRT)、液晶显示器(Liquid Crystal Display,LCD)等以及扬声器等的输出部分;包括硬盘等的存储部分;以及包括诸如LAN(Local Area Network,局域网)卡、调制解调器等的网络接口卡的通信部分。通信部分经由诸如因特网的网络执行通信处理。驱动器也根据需要连接至I/O接口。可拆卸介质,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器上,以便于从其上读出的计算机程序根据需要被安装入存储部分。
特别地,根据本申请的实施例,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,本申请的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计算机程序。在这样的实施例中,该计算机程序可以通过通信部分从网络上被下载和安装,和/或从可拆卸介质被安装。在该计算机程序被中央处理单元(CPU)执行时,执行本申请的系统中限定的各种功能。
需要说明的是,本申请实施例所示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(Erasable Programmable Read Only Memory,EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,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。而在本申请中,计算机可读的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计算机程序。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。计算机可读的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计算机程序可以用任何适当的介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、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。其中,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,上述模块、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,框图或流程图中的每个方框、以及框图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。
描述于本申请实施例中所涉及到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。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。
作为另一方面,本申请还提供了一种计算机可读存储介质,其上存储有计算机可读指令,当所述计算机可读指令被计算机的处理器执行时,使计算机执行上述铅酸电池充电方法。上述计算机可读存储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一个该电子设备执行时,使得该电子设备实现上述实施例中所述的基于人工智能的辅助写作方法。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本申请实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本申请实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的实施方式后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (7)
1.基于人工智能的辅助写作方法,其特征在于,具体包括:
确定搜索平台,根据搜索平台获取资讯数据;
录入主要目标词,根据主要目标词遍历资讯数据,并选取与主要目标词对应的数据片段,将数据片段进行拆分,得到句式数据库;
将句式数据库的每个句子进行拆分,得到多个训练词,根据预设的第一训练模型,对训练词进行神经网络训练,建立并累计训练词与关联词的关联强度;
根据输入的关键词,对输入的关键词进行拆分,将拆分后的数据与训练词进行关联,根据训练词生成与关键词对应的关联词,根据关联词生成多个关联句式,并按照关键词与关联句式的关联强度,通过第一文本框依次进行显示;
还包括亮点生成方法:
根据对应搜索平台以及预设短句类型,对主要目标词进行短句搜索,获取搜索结果;
根据搜索结果,确定对应搜索平台的第二资讯版块,遍历第二资讯版块,并抓取第二资讯版块的资讯数据作为标语句式,建立主要目标词与标语句式的索引关联;
在输出对应关联句式时,通过第二文本框依次显示对应的标语句式;
还包括:
将关联句式与数据片段进行相似关联;
获取与关联句式关联的数据片段,并根据关联强度,通过第三文本框依次显示数据片段。
2.根据权利要求1所述的基于人工智能的辅助写作方法,其特征在于,其中,确定搜索平台,根据搜索平台获取资讯数据,包括:
确定对应搜索平台的第一资讯版块,对第一资讯版块的全部数据进行抓取;
对抓取的资讯数据进行段落识别,并依次储存每个段落。
3.根据权利要求2所述的基于人工智能的辅助写作方法,其特征在于,获取资讯数据,还包括:
预设时间节点,在指定时间段内对第一资讯版块的资讯数据进行抓取。
4.根据权利要求1所述的基于人工智能的辅助写作方法,其特征在于,对训练词进行神经网络训练,还包括:
录入次要目标词,根据句子数据库,确定主要目标词和次要目标词同时存在的句子,并根据预设的第二训练模型,对主要目标词和次要目标词的关联训练词进行强化标记。
5.一种基于人工智能的辅助写作系统,其特征在于,包括:
获取模块,用于确定搜索平台,根据搜索平台获取资讯数据;
存储模块,用于录入主要目标词,根据主要目标词遍历资讯数据,并选取与主要目标词对应的数据片段,将数据片段进行拆分,得到句式数据库;
训练模块,用于将句式数据库的每个句子进行拆分,得到多个训练词,根据预设的第一训练模型,对训练词进行神经网络训练,建立并累计训练词与关联词的关联强度;
辅助模块,用于根据输入的关键词,对输入的关键词进行拆分,将拆分后的数据与训练词进行关联,根据训练词生成与关键词对应的关联词,根据关联词生成多个关联句式,并按照关键词与关联句式的关联强度,通过第一文本框依次进行显示;还用于亮点生成:根据对应搜索平台以及预设短句类型,对主要目标词进行短句搜索,获取搜索结果;根据搜索结果,确定对应搜索平台的第二资讯版块,遍历第二资讯版块,并抓取第二资讯版块的资讯数据作为标语句式,建立主要目标词与标语句式的索引关联;在输出对应关联句式时,通过第二文本框依次显示对应的标语句式;还用于:将关联句式与数据片段进行相似关联;获取与关联句式关联的数据片段,并根据关联强度,通过第三文本框依次显示数据片段。
6.一种存储介质,其特征在于,其上存储有计算机可读指令,当所述计算机可读指令被计算机的处理器执行时,使计算机执行权利要求1-5中的任一项所述的基于人工智能的辅助写作方法。
7.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述电子设备实现如权利要求1-5中任一项所述的基于人工智能的辅助写作方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311253920.XA CN116992834B (zh) | 2023-09-27 | 2023-09-27 | 基于人工智能的辅助写作方法、系统、介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311253920.XA CN116992834B (zh) | 2023-09-27 | 2023-09-27 | 基于人工智能的辅助写作方法、系统、介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116992834A CN116992834A (zh) | 2023-11-03 |
CN116992834B true CN116992834B (zh) | 2024-01-05 |
Family
ID=88530569
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311253920.XA Active CN116992834B (zh) | 2023-09-27 | 2023-09-27 | 基于人工智能的辅助写作方法、系统、介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116992834B (zh) |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104102723A (zh) * | 2014-07-21 | 2014-10-15 | 百度在线网络技术(北京)有限公司 | 搜索内容提供方法和搜索引擎 |
CN104375989A (zh) * | 2014-12-01 | 2015-02-25 | 国家电网公司 | 自然语言文本关键词关联网络构建系统 |
CN106095771A (zh) * | 2016-05-07 | 2016-11-09 | 深圳职业技术学院 | 写作辅助方法及装置 |
CN109388788A (zh) * | 2018-04-28 | 2019-02-26 | 云天弈(北京)信息技术有限公司 | 一种智能辅助写作系统 |
CN109522411A (zh) * | 2018-11-12 | 2019-03-26 | 南京德磐信息科技有限公司 | 一种基于神经网络的写作辅助方法 |
CN110019852A (zh) * | 2017-12-27 | 2019-07-16 | 上海全土豆文化传播有限公司 | 多媒体资源搜索方法和装置 |
CN110059156A (zh) * | 2019-03-13 | 2019-07-26 | 平安城市建设科技(深圳)有限公司 | 基于关联词的协同检索方法、装置、设备及可读存储介质 |
CN110457439A (zh) * | 2019-08-06 | 2019-11-15 | 北京如优教育科技有限公司 | 一站式智能写作辅助方法、装置和系统 |
CN111090977A (zh) * | 2019-12-20 | 2020-05-01 | 安徽声讯信息技术有限公司 | 一种智能写作系统及智能写作方法 |
CN112149428A (zh) * | 2020-10-12 | 2020-12-29 | 珍岛信息技术(上海)股份有限公司 | 基于语义分析和深度学习的智能写作辅助系统 |
WO2021049169A1 (ja) * | 2019-09-09 | 2021-03-18 | ソニー株式会社 | 情報処理装置、情報処理方法及び情報処理プログラム |
CN113254574A (zh) * | 2021-03-15 | 2021-08-13 | 河北地质大学 | 一种机关公文辅助生成方法、装置以及系统 |
CN113919339A (zh) * | 2021-06-17 | 2022-01-11 | 宁德市众威网络科技有限公司 | 人工智能辅助写作方法 |
CN114491232A (zh) * | 2021-12-24 | 2022-05-13 | 北京百度网讯科技有限公司 | 信息查询方法、装置、电子设备和存储介质 |
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 |
CN115630643A (zh) * | 2022-10-21 | 2023-01-20 | 南方电网数字企业科技(广东)有限公司 | 语言模型的训练方法、装置、电子设备及存储介质 |
KR20230064304A (ko) * | 2021-11-03 | 2023-05-10 | 주식회사 케이티 | 자동 레이블링 장치 및 이를 이용한 발화 문장의 레이블링 방법 |
-
2023
- 2023-09-27 CN CN202311253920.XA patent/CN116992834B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104102723A (zh) * | 2014-07-21 | 2014-10-15 | 百度在线网络技术(北京)有限公司 | 搜索内容提供方法和搜索引擎 |
CN104375989A (zh) * | 2014-12-01 | 2015-02-25 | 国家电网公司 | 自然语言文本关键词关联网络构建系统 |
CN106095771A (zh) * | 2016-05-07 | 2016-11-09 | 深圳职业技术学院 | 写作辅助方法及装置 |
CN110019852A (zh) * | 2017-12-27 | 2019-07-16 | 上海全土豆文化传播有限公司 | 多媒体资源搜索方法和装置 |
CN109388788A (zh) * | 2018-04-28 | 2019-02-26 | 云天弈(北京)信息技术有限公司 | 一种智能辅助写作系统 |
CN109522411A (zh) * | 2018-11-12 | 2019-03-26 | 南京德磐信息科技有限公司 | 一种基于神经网络的写作辅助方法 |
CN110059156A (zh) * | 2019-03-13 | 2019-07-26 | 平安城市建设科技(深圳)有限公司 | 基于关联词的协同检索方法、装置、设备及可读存储介质 |
CN110457439A (zh) * | 2019-08-06 | 2019-11-15 | 北京如优教育科技有限公司 | 一站式智能写作辅助方法、装置和系统 |
WO2021049169A1 (ja) * | 2019-09-09 | 2021-03-18 | ソニー株式会社 | 情報処理装置、情報処理方法及び情報処理プログラム |
CN111090977A (zh) * | 2019-12-20 | 2020-05-01 | 安徽声讯信息技术有限公司 | 一种智能写作系统及智能写作方法 |
CN112149428A (zh) * | 2020-10-12 | 2020-12-29 | 珍岛信息技术(上海)股份有限公司 | 基于语义分析和深度学习的智能写作辅助系统 |
CN113254574A (zh) * | 2021-03-15 | 2021-08-13 | 河北地质大学 | 一种机关公文辅助生成方法、装置以及系统 |
CN113919339A (zh) * | 2021-06-17 | 2022-01-11 | 宁德市众威网络科技有限公司 | 人工智能辅助写作方法 |
KR20230064304A (ko) * | 2021-11-03 | 2023-05-10 | 주식회사 케이티 | 자동 레이블링 장치 및 이를 이용한 발화 문장의 레이블링 방법 |
CN114491232A (zh) * | 2021-12-24 | 2022-05-13 | 北京百度网讯科技有限公司 | 信息查询方法、装置、电子设备和存储介质 |
CN115630643A (zh) * | 2022-10-21 | 2023-01-20 | 南方电网数字企业科技(广东)有限公司 | 语言模型的训练方法、装置、电子设备及存储介质 |
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 |
Non-Patent Citations (2)
Title |
---|
从句法训练入手提高英语写作辅导效率――对口高职升学考试辅导中的几点心得;徐蕾;卫生职业教育(05);全文 * |
徐蕾.从句法训练入手提高英语写作辅导效率――对口高职升学考试辅导中的几点心得.卫生职业教育.2005,(05),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN116992834A (zh) | 2023-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110457439B (zh) | 一站式智能写作辅助方法、装置和系统 | |
CN108875059B (zh) | 用于生成文档标签的方法、装置、电子设备和存储介质 | |
CN111368042A (zh) | 智能问答方法、装置、计算机设备及计算机存储介质 | |
CN108121814B (zh) | 搜索结果排序模型生成方法和装置 | |
CN115982376B (zh) | 基于文本、多模数据和知识训练模型的方法和装置 | |
CN104133855A (zh) | 一种输入法智能联想的方法及装置 | |
CN116911312A (zh) | 一种任务型对话系统及其实现方法 | |
CN108829651A (zh) | 一种公文处理的方法、装置、终端设备及存储介质 | |
CN110738055A (zh) | 文本的实体识别方法、设备及存储介质 | |
Jia et al. | Representation of job-skill in artificial intelligence with knowledge graph analysis | |
CN111325031B (zh) | 简历解析方法及装置 | |
CN114090878A (zh) | 职位推荐方法、装置、电子设备、可读介质及程序产品 | |
CN116629606A (zh) | 一种基于电力数据的产业链预警方法、装置、设备及介质 | |
CN109902286B (zh) | 一种实体识别的方法、装置及电子设备 | |
CN112287659A (zh) | 一种信息生成方法、装置、电子设备及存储介质 | |
CN116560631B (zh) | 一种机器学习模型代码的生成方法及装置 | |
CN116992834B (zh) | 基于人工智能的辅助写作方法、系统、介质及电子设备 | |
CN110377891B (zh) | 事件分析文章的生成方法、装置、设备及计算机可读存储介质 | |
CN112231444A (zh) | 结合rpa和ai的语料数据的处理方法、装置和电子设备 | |
CN114842982B (zh) | 一种面向医疗信息系统的知识表达方法、装置及系统 | |
CN103809915A (zh) | 一种磁盘文件的读写方法和装置 | |
CN110347921A (zh) | 一种多模态数据信息的标签抽取方法及装置 | |
CN114020774A (zh) | 多轮问答语句的处理方法、装置、设备及存储介质 | |
CN112148751B (zh) | 用于查询数据的方法和装置 | |
CN109857838B (zh) | 用于生成信息的方法和装置 |
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 |