CN117725278A - 基于脑图的资料推荐方法及其装置 - Google Patents
基于脑图的资料推荐方法及其装置 Download PDFInfo
- Publication number
- CN117725278A CN117725278A CN202311764283.2A CN202311764283A CN117725278A CN 117725278 A CN117725278 A CN 117725278A CN 202311764283 A CN202311764283 A CN 202311764283A CN 117725278 A CN117725278 A CN 117725278A
- Authority
- CN
- China
- Prior art keywords
- target
- brain
- node
- graph
- user
- 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
Links
- 210000004556 brain Anatomy 0.000 title claims abstract description 252
- 238000000034 method Methods 0.000 title claims abstract description 70
- 239000000463 material Substances 0.000 claims description 53
- 238000004458 analytical method Methods 0.000 claims description 24
- 238000001914 filtration Methods 0.000 claims description 20
- 238000009877 rendering Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 8
- 238000003780 insertion Methods 0.000 claims description 6
- 230000037431 insertion Effects 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 8
- 238000003058 natural language processing Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 21
- 238000012545 processing Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种基于脑图的资料推荐方法及其装置,涉及计算机技术领域,尤其涉及人工智能、自然语言处理领域。具体实现方案为:获取待进行资料推荐的目标脑图;响应于监测到用户对于目标脑图上任一节点的资料推荐请求,获取该节点对应的关键词;基于关键词从候选资料库中确定该节点对应的目标推荐资料列表,并将目标推荐资料列表进行展示。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及人工智能、自然语言处理领域,具体涉及一种基于脑图的资料推荐方法及其装置。
背景技术
思维导图,又称脑图,是一种用来表达和组织思维的图形化工具。它通常以一个中心主题为起点,通过放射状的分支展开,每个分支代表着与主题相关的具体概念、想法或信息。思维导图的结构类似于人类大脑的结构,因此被称为脑图。
思维导图常用于整理信息、记录笔记、制定计划和解决问题,它可以帮助人们更清晰地理解复杂的关系,促进创造性思维和提高记忆效率。但在现实使用过程中,若用户想了解脑图中的某个节点的相关信息,需要用户在不同网站/平台进行信息搜集与加工处理,耗废用户大量时间,操作繁琐、路径长、成本高,同时还容易造成信息疏漏,处理效率低,体验较差。
发明内容
本公开提供了一种基于脑图的资料推荐方法及其装置。
根据本公开的一方面,提供了一种基于脑图的资料推荐方法,通过获取待进行资料推荐的目标脑图;响应于监测到用户对于目标脑图上任一节点的资料推荐请求,获取该节点对应的关键词;基于关键词从候选资料库中确定该节点对应的目标推荐资料列表,并将目标推荐资料列表进行展示。
本申请中,当用户需要查找与目标脑图的节点相关的资料时,可以基于关键词从候选资料库中确定该节点对应的目标推荐资料列表,从而快速确定最相关的资料,节省用户寻找资料的时间,为用户提供更加个性化和精准的资料推荐服务,从而提高用户体验和满意度,降低用户在查找相关资料时需要花费的时间和精力,从而降低信息搜索成本。
根据本公开的另一方面,提供了一种基于脑图的资料推荐装置,包括第一获取模块,用于获取待进行资料推荐的目标脑图;第二获取模块,用于响应于监测到用户对于目标脑图上任一节点的资料推荐请求,获取该节点对应的关键词;展示模块,用于基于关键词从候选资料库中确定该节点对应的目标推荐资料列表,并将目标推荐资料列表进行展示。
根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述基于脑图的资料推荐方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行上述基于脑图的资料推荐方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现上述基于脑图的资料推荐方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开一示例性实施例的一种基于脑图的资料推荐方法的示例性实施方式的示意图。
图2是根据本公开一示例性实施例的又一种基于脑图的资料推荐方法的示例性实施方式的示意图。
图3是根据本公开一示例性实施例的一种对输入数据进行意图识别,并基于识别出的意图生成目标脑图的示意图。
图4是根据本公开一示例性实施例的又一种基于脑图的资料推荐方法的示例性实施方式的示意图。
图5是根据本公开一示例性实施例的又一种基于脑图的资料推荐方法的示例性实施方式的示意图。
图6是根据本公开一示例性实施例的又一种基于脑图的资料推荐方法的示例性实施方式的示意图。
图7是根据本公开一示例性实施例的又一种基于脑图的资料推荐方法的示例性实施方式的示意图。
图8是根据本公开一示例性实施例的一种基于脑图的资料推荐方法的总体流程图。
图9是根据本公开一示例性实施例的一种基于脑图的资料推荐装置的示意图。
图10是根据本公开一示例性实施例的一种电子设备的示意图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
人工智能(Artificial Intelligence,简称AI),是研究使计算机来模拟人生的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术,也有软件层面的技术。人工智能硬件技术一般包括计算机视觉技术、语音识别技术、自然语言处理技术以及及其学习/深度学习、大数据处理技术、知识图谱技术等几大方面。
图1是本申请中示出的一种基于脑图的资料推荐方法的示例性实施方式的示意图,如图1所示,该基于脑图的资料推荐方法,包括以下步骤:
S101,获取待进行资料推荐的目标脑图。
可选的,目标脑图可为用户直接上传的脑图文件。
可选的,目标脑图可为基于用户的输入数据通过脑图生成模型识别意图而生成的目标脑图。
可选的,目标脑图可为用户直接基于PPT或者word文档直接转换生成的脑图。
S102,响应于监测到用户对于目标脑图上任一节点的资料推荐请求,获取该节点对应的关键词。
当用户在目标脑图上选择了一个节点并发出资料推荐请求时,获取与该节点相关的关键词。
例如,使用语言模型对节点文本进行分词、命名实体识别等处理,以获取与节点相关的关键词。
例如,对节点文本的分析和处理,例如去除停用词、标点符号等操作以获取与节点相关的关键词。
S103,基于关键词从候选资料库中确定该节点对应的目标推荐资料列表,并将目标推荐资料列表进行展示。
作为一种可实现的方式,可将关键词与候选资料库输入训练好的文本匹配模型,以确定模型输出的该节点对应的多个匹配资料,从而组成目标推荐资料列表。
本申请中,目标推荐资料可为Word、PPT、PDF等不同格式的资料,以尽可能增强目标推荐资料与节点文本的相关性。
本申请实施例提出了一种基于脑图的资料推荐方法,通过获取待进行资料推荐的目标脑图;响应于监测到用户对于目标脑图上任一节点的资料推荐请求,获取该节点对应的关键词;计算关键词与候选资料库中的每个候选资料的相似度;基于相似度从候选资料库中确定该节点对应的目标推荐资料列表,并将目标推荐资料列表进行展示。本申请中,当用户需要查找与目标脑图的节点相关的资料时,可以基于关键词从候选资料库中确定该节点对应的目标推荐资料列表,从而快速确定最相关的资料,节省用户寻找资料的时间,为用户提供更加个性化和精准的资料推荐服务,从而提高用户体验和满意度,降低用户在查找相关资料时需要花费的时间和精力,从而降低信息搜索成本。
进一步的,作为另一种可实现的方式,在基于关键词从候选资料库中确定该节点对应的目标推荐资料列表时,可计算目标脑图节点关键词与候选资料库中每个候选资料的相似度,并基于相似度从候选资料库中确定该节点对应的目标推荐资料列表,以过滤出质量更高的候选资料,让目标推荐资料更加有针对性和实用性。这样可以提高用户满意度,提升系统的用户体验。
其中,相似度可以通过使用文本相似度算法(如余弦相似度或Jaccard相似度)来计算。
可选的,可以设置一个相似度阈值,只选择相似度高于该相似度阈值的候选资料作为目标推荐资料,并组成目标推荐资料列表。
可选的,可以对所有相似度按照从大到小的顺序进行排序,将排序在前N个的相似度对应的候选资料作为目标推荐资料,并组成目标推荐资料列表。
进一步的,在获取待进行资料推荐的目标脑图之后,用户可以自适应对目标脑图进行更新。
可选的,用户可手动编辑(比如手动插入节点、编辑节点、调整节点字体颜色样式等),以对目标脑图进行更新。
可选的,若监测到用户对于目标脑图上任一节点的扩展请求操作,获取该节点对应的第一节点内容以及该节点的相邻节点(比如说上下层级相邻节点,也可为同层级相邻节点)对应的第二节点内容;基于第一节点内容和第二节点内容对目标脑图进行扩展(比如说在目标脑图中添加新的节点或者连接现有节点等),并基于扩展后生成的脑图对目标脑图进行更新,以将与该节点相关的主题或问题引入到脑图中,从而提高脑图的全面性和深度,使得脑图更加完善、细致,并且更加符合用户的需求。
图2是本申请中示出的又一种基于脑图的资料推荐方法的示例性实施方式的示意图,如图2所示,该基于脑图的资料推荐方法,包括以下步骤:
S201,获取用户的输入数据。
可选的,用户的输入数据可以包括文本数据、语音数据、图像数据等类型的数据中的至少一种。
S202,对输入数据进行意图识别,并基于识别出的意图生成目标脑图。
可选的,图3是本申请示出的一种对输入数据进行意图识别,并基于识别出的意图生成目标脑图的示意图,如图3所示,为保证内容的安全与合规性,本申请中,基于预设的第一过滤规则,对输入数据进行过滤;将过滤后的输入数据输入语言模型,获取语言模型对过滤后的输入数据进行意图识别后基于意图生成并输出的第一脑图大纲,第一脑图大纲可以包含主要的关键点、逻辑结构和组织框架;基于预设的第二过滤规则,对第一脑图大纲进行过滤;将过滤后的第一脑图大纲转换为脑图样式并进行页面渲染,以获取目标脑图。这个方法通过预设的双重过滤规则,可以避免处理无关或不合法的输入数据,提高处理效率。
其中,第一过滤规则和第二过滤规则可根据实际情况进行预先设置。比如说第一过滤规则可为过滤预先设置的第一黑名单词汇,第二过滤规则可为过滤预先设置的第二黑名单词汇。
可选的,可将用户的输入数据输入脑图生成模型,获取脑图生成模型输出的脑图。示例性的,用户可输入“请生成有关张三从业以来的演艺作品的脑图”至脑图生成模型,获取脑图生成模型输出的脑图。不难理解的,脑图生成模型在运用之前,需要基于大量样本数据训练生成,且脑图生成模型可连接外部数据库,以从数据库中获得相关信息进行加工。
S203,响应于监测到用户对于目标脑图上任一节点的资料推荐请求,获取该节点对应的关键词。
S204,计算关键词与候选资料库中的每个候选资料的相似度。
S205,基于相似度从候选资料库中确定该节点对应的目标推荐资料列表,并将目标推荐资料列表进行展示。
关于步骤S203~S205,可参照上述实施例中相关部分的具体介绍,在此不再进行赘述。
S206,响应于监测到用户对目标推荐资料列表中的任一目标推荐资料的点击查阅操作,将该目标推荐资料展示在显示屏幕上。
本申请中,用户点击推荐文档,则进入线上文档阅读页,该阅读页左侧会展示更多相关资料,同时支持用户根据自己诉求搜索更多文库线上资料。
值得一提的是,进入线上文档阅读页,用户可接触到更多推荐资料,当用户浏览到某篇文档时,支持在当前阅读页将该文档转为脑图或PPT,这种线上文档的灵活转换大大提高了用户浏览、下载、整理信息、手动创作的效率。
本申请实施例通过对用户输入数据进行意图识别,系统能够准确理解用户的需求,并相应地生成目标脑图,可以帮助用户更快速地获取所需信息,提高使用效率。当用户对目标脑图上某一节点请求资料推荐时,系统可以根据该节点的关键词进行计算,并与候选资料库中的资料进行相似度比较,可以为用户提供个性化的、与其需求相关的推荐资料列表,提高信息的质量和准确性。
图4是本申请中示出的又一种基于脑图的资料推荐方法的示例性实施方式的示意图,如图4所示,该基于脑图的资料推荐方法,包括以下步骤:
S401,获取待进行资料推荐的目标脑图。
S402,响应于监测到用户对于目标脑图上任一节点的资料推荐请求,获取该节点对应的关键词。
S403,计算关键词与候选资料库中的每个候选资料的相似度。
S404,基于相似度从候选资料库中确定该节点对应的目标推荐资料列表,并将目标推荐资料列表进行展示。
关于步骤S401~S404,可参照上述实施例中相关部分的具体介绍,在此不再进行赘述。
S405,获取用户发送的第一请求指令,第一请求指令用于指示将目标脑图转换为PPT。
当用户有将目标脑图转换为PPT的需求时,用户发送第一请求指令指示将目标脑图转换为PPT。
S406,基于第一请求指令,获取目标脑图中的第一待转换区域。
可选的,第一待转换区域可只包含一个末端节点。
可选的,第一待转换区域可包含某个节点以及该节点下的所有节点。
可选的,第一待转换区域可为整个目标脑图。
S407,对第一待转换区域所包含的节点内容进行解析,获取解析后生成的PPT大纲。
作为一种可实现的方式,若第一待转换区域只包含一个末端节点或者第一待转换区域包含某个节点以及该节点下的所有节点,而非整个脑图,则解析第一待转换区域包含的节点的关键词,将该关键词输入预先训练好的语言模型以生成PPT大纲。
作为另一种可实现的方式,若第一待转换区域为整个脑图,则通过解析、获取完整脑图的各层级信息并将其作为生成的PPT大纲。
其中,PPT大纲支持用户手动编辑修改,也即,在获得PPT大纲之后,用户可根据自己需求对PPT大纲进行修改并更新。
S408,从多套候选PPT模板中选取目标PPT模板。
其中,每套候选PPT模板包括主题与各页面层级信息展示模块、配图构造、预设布局等。
可选的,目标PPT模板可基于用户的点击选中操作选中。
可选的,目标PPT模板可基于PPT大纲适应性自动从多套候选PPT模板中选中。
S409,基于PPT大纲和目标PPT模板生成目标PPT。
将PPT大纲填充进目标PPT模板中。
可选的,根据解析生成的脑图主题、脑图副标题以及生成日期生成PPT封面与结尾,最终组合所有内容输出完整的PPT。
同时,用户点击PPT文件可进入PPT编辑页面,支持用户线上手动编辑PPT(样式调整、文字图表编辑等基础编辑功能)与A I智能编辑PPT(输入更换文字颜色等指令后一键更新PPT、A I更换PPT中的图片等)。
本申请实施例将目标脑图转换为PPT可以将信息以幻灯片形式展示,使得内容更加易于理解和传达,减少了用户通过脑图制作PPT的时长,也减少了用户资料搜集的过程,提高PPT制作效率,通过监测用户对特定节点的资料推荐请求,并基于关键词与候选资料库进行相似度计算,可以提供个性化的资料推荐服务。这有助于用户快速获取与节点相关的相关资料,提高学习和工作效率。
图5是本申请中示出的又一种基于脑图的资料推荐方法的示例性实施方式的示意图,如图5所示,该基于脑图的资料推荐方法,包括以下步骤:
S501,获取待进行资料推荐的目标脑图。
S502,响应于监测到用户对于目标脑图上任一节点的资料推荐请求,获取该节点对应的关键词。
S503,计算关键词与候选资料库中的每个候选资料的相似度。
S504,基于相似度从候选资料库中确定该节点对应的目标推荐资料列表,并将目标推荐资料列表进行展示。
关于步骤S501~S504,可参照上述实施例中相关部分的具体介绍,在此不再进行赘述。
S505,获取用户发送的第二请求指令,第二请求指令用于指示将目标脑图转换为word文档。
当用户有将目标脑图转换为word文档的需求时,用户发送第二请求指令指示将目标脑图转换为word文档。
S506,基于第二请求指令,获取目标脑图中的第二待转换区域。
可选的,第二待转换区域可只包含一个末端节点。
可选的,第二待转换区域可包含某个节点以及该节点下的所有节点。
可选的,第二待转换区域可为整个目标脑图。
S507,对第二待转换区域所包含的节点内容进行解析,获取解析后生成的word文档大纲。
作为一种可实现的方式,若第二待转换区域只包含一个末端节点或者第二待转换区域包含某个节点以及该节点下的所有节点,而非整个脑图,则解析第二待转换区域包含的节点的关键词,将该关键词输入预先训练好的语言模型以生成word文档大纲。
作为另一种可实现的方式,若第二待转换区域为整个脑图,则通过解析、获取完整脑图的各层级信息并将其作为生成的word文档大纲。
S508,基于word文档大纲进行内容扩展,以生成目标word文档。
将word文档大纲输入预先训练好的语言模型以基于word文档大纲进行内容扩展,以生成目标word文档。
示例性的,可向预先训练好的语言模型输入“你是一位专家,帮我生成一份[word文档大纲关键词A]&[word文档大纲关键词B]…相关的专业文档介绍,要求1、信息量多、内容深刻;2、利用金字塔原理进行结构化表达,以总-分-总形式输出内容;3、语句精炼,文风专业、严谨;4、不少于800字)。”以生成目标word文档,并以打字机的动效将文字信息呈现给用户。
除以上外,系统还支持用户对生成目标word文档进行复制、下载与二次编辑(用户点击生成内容下方的编辑按钮后跳转文库线上Word编辑器,之后可进行手动编辑与扩写、润色等多种AI智能文字编辑能力。
本申请实施例将目标脑图转换为目标word文档可直接对脑图每个节点所对应的相关性内容进行展示与介绍,减少了用户通过脑图制作目标word文档的时长,也减少了用户资料搜集的过程,提高word文档制作效率,通过监测用户对特定节点的资料推荐请求,并基于关键词与候选资料库进行相似度计算,可以提供个性化的资料推荐服务。这有助于用户快速获取与节点相关的相关资料,提高学习和工作效率。
图6是本申请中示出的又一种基于脑图的资料推荐方法的示例性实施方式的示意图,如图6所示,该基于脑图的资料推荐方法,包括以下步骤:
S601,获取用户上传的初始PPT,以及获取用户发送的第三请求指令,第三请求指令用于指示将初始PPT转换为目标脑图。
当用户有将初始PPT转换为目标脑图的需求时,用户发送第三请求指令指示将初始PPT转换为目标脑图。
S602,对初始PPT进行层级解析,获取生成的第二脑图大纲。
对初始PPT进行层级解析,具体包括解析初始PPT首页标题、副标题,识别其他PPT页面不同层级的结构化信息,经过大模型优化层级结构合理性后组合成第二脑图大纲。
S603,将第二脑图大纲转换为脑图样式并进行页面渲染,以获取目标脑图。
其中,转换后的目标脑图同时也支持用户进行手动编辑与节点智能扩展等能力。
S604,响应于监测到用户对于目标脑图上任一节点的资料推荐请求,获取该节点对应的关键词。
S605,计算关键词与候选资料库中的每个候选资料的相似度。
S606,基于相似度从候选资料库中确定该节点对应的目标推荐资料列表,并将目标推荐资料列表进行展示。
S607,响应于监测到用户对目标推荐资料列表中的任一目标推荐资料的点击查阅操作,将该目标推荐资料展示在显示屏幕上。
关于步骤S604~S607,可参照上述实施例中相关部分的具体介绍,在此不再进行赘述。
本申请实施例将初始PPT转换为目标脑图后,可以为用户提供更加专业和高效的思维导图工具,脑图以分支结构清晰地呈现信息之间的关系,使得用户能够更加快速地理解和组织信息;而通过监测用户对特定节点的资料推荐请求,并基于关键词与候选资料库进行相似度计算,可以提供个性化的资料推荐服务。这有助于用户快速获取与节点相关的相关资料,提高学习和工作效率。
图7是本申请中示出的又一种基于脑图的资料推荐方法的示例性实施方式的示意图,如图7所示,该基于脑图的资料推荐方法,包括以下步骤:
S701,获取用户上传的初始word文档,以及获取用户发送的第四请求指令,第四请求指令用于指示将初始word文档转换为目标脑图。
当用户有将初始word文档转换为目标脑图的需求时,用户发送第四请求指令指示将初始word文档转换为目标脑图。
S702,对初始word文档进行层级解析或者语义解析,获取生成的第三脑图大纲。
本申请中,通过识别初始word文档框架与段落内部的结构化信息,提炼出第三脑图大纲。
可选的,对于结构化形态特别明显的文档,脑图会保留文档各段落、各层级标题,再基于语义理解总结段落内的信息,合并至相应父节点的子节点分,最终支生成完整脑图。
可选的,对于结构化形态不明显的文档,解析文字内容,提炼层级结构,调整依从度生成脑图大纲。
S703,将第三脑图大纲转换为脑图样式并进行页面渲染,以获取目标脑图。
进一步的,若接收到用户发送的脑图插入指令,将所述目标脑图插入所述初始word文档中,以丰富文档的表达方式,提高信息传递效果。
S704,响应于监测到用户对于目标脑图上任一节点的资料推荐请求,获取该节点对应的关键词。
S705,计算关键词与候选资料库中的每个候选资料的相似度。
S706,基于相似度从候选资料库中确定该节点对应的目标推荐资料列表,并将目标推荐资料列表进行展示。
S707,响应于监测到用户对目标推荐资料列表中的任一目标推荐资料的点击查阅操作,将该目标推荐资料展示在显示屏幕上。
关于步骤S704~S707,可参照上述实施例中相关部分的具体介绍,在此不再进行赘述。
本申请实施例将初始word文档转换为目标脑图后,可以为用户提供更加专业和高效的思维导图工具,脑图以分支结构清晰地呈现信息之间的关系,使得用户能够更加快速地理解和组织信息;而通过监测用户对特定节点的资料推荐请求,并基于关键词与候选资料库进行相似度计算,可以提供个性化的资料推荐服务。这有助于用户快速获取与节点相关的相关资料,提高学习和工作效率。
其中,不论上边是根据用户输入数据生成目标脑图,还是根据word/PPT生成目标脑图,还是用户直接上传脑图文件,用户在不离开Word编辑页的前提下,若接收到用户发送的脑图插入指令,将所述目标脑图插入word文档中。
其中,目标脑图插入word文档中之后,依然可以完成上述脑图转文档、脑图转PPT、脑图节点扩展、以脑图节点为主题生成文档、以脑图节点为主题生成PPT、脑图节点资料智能推荐等能力。
图8是本申请中示出的一种基于脑图的资料推荐方法的总体流程图,如图8所示,该基于脑图的资料推荐方法,包括以下步骤:
获取待进行资料推荐的目标脑图。
可选的,目标脑图可为用户直接上传的脑图文件。
可选的,目标脑图可为基于用户的输入数据通过脑图生成模型识别意图而生成的目标脑图。
可选的,目标脑图可为用户直接基于PPT或者word文档直接转换生成的脑图。
若监测到用户对于目标脑图上任一节点的资料推荐请求,获取该节点对应的关键词;计算关键词与候选资料库中的每个候选资料的相似度;基于相似度从候选资料库中确定该节点对应的目标推荐资料列表,并将目标推荐资料列表进行展示。
可选的,用户可手动编辑(比如手动插入节点、编辑节点、调整节点字体颜色样式等),以对目标脑图进行更新。
另外,根据用户发送的转换指令,可将目标脑图转换为PPT或者word文档,并可保存或者导出PPT或者word文档。
其中,不论上边是根据用户输入数据生成目标脑图,还是根据word/PPT生成目标脑图,还是用户直接上传脑图文件,用户在不离开Word编辑页的前提下,若接收到用户发送的脑图插入指令,将所述目标脑图插入word文档中,并可保存或者导出含脑图的word文档。
本申请实施例提供给用户创作过程中灵感启发与资料推荐功能,同时我们结合脑图与Word、PPT的智能转换功能,极大了拓展了学习办公场景的文档形态智能创作边界,可大幅度提高用户的工作效率。
图9是本申请示出的一种基于脑图的资料推荐装置的示意图,如图9所示,该基于脑图的资料推荐装置900,包括第一获取模块901、第二获取模块902和展示模块903,其中:
第一获取模块901,用于获取待进行资料推荐的目标脑图;
第二获取模块902,用于响应于监测到用户对于所述目标脑图上任一节点的资料推荐请求,获取该节点对应的关键词;
展示模块903,用于基于关键词从候选资料库中确定该节点对应的目标推荐资料列表,并将目标推荐资料列表进行展示。
本装置中,当用户需要查找与目标脑图的节点相关的资料时,可以基于关键词从候选资料库中确定该节点对应的目标推荐资料列表,从而快速确定最相关的资料,节省用户寻找资料的时间,为用户提供更加个性化和精准的资料推荐服务,从而提高用户体验和满意度,降低用户在查找相关资料时需要花费的时间和精力,从而降低信息搜索成本。
进一步的,展示模块903,还用于:计算关键词与候选资料库中的每个候选资料的相似度;基于相似度从候选资料库中确定该节点对应的目标推荐资料列表。
进一步的,第一获取模块901,还用于:获取用户的输入数据;对所述输入数据进行意图识别,并基于识别出的意图生成所述目标脑图。
进一步的,第一获取模块901,还用于:基于预设的第一过滤规则,对所述输入数据进行过滤;将过滤后的输入数据输入语言模型,获取所述语言模型对过滤后的输入数据进行意图识别后基于意图生成并输出的第一脑图大纲;基于预设的第二过滤规则,对所述第一脑图大纲进行过滤;将过滤后的第一脑图大纲转换为脑图样式并进行页面渲染,以获取所述目标脑图。
进一步的,第一获取模块901,还用于:响应于监测到用户对于所述目标脑图上任一节点的扩展请求操作,获取该节点对应的第一节点内容以及该节点的相邻节点对应的第二节点内容;基于所述第一节点内容和所述第二节点内容对所述目标脑图进行扩展,并基于扩展后生成的脑图对所述目标脑图进行更新。
进一步的,展示模块903,还用于:响应于监测到所述用户对所述目标推荐资料列表中的任一目标推荐资料的点击查阅操作,将该目标推荐资料展示在显示屏幕上。
进一步的,基于脑图的资料推荐装置900还包括第一转换模块,所述第一转换模块,用于:获取所述用户发送的第一请求指令,所述第一请求指令用于指示将所述目标脑图转换为PPT;基于所述第一请求指令,获取所述目标脑图中的第一待转换区域;对所述第一待转换区域所包含的节点内容进行解析,获取解析后生成的PPT大纲;从多套候选PPT模板中选取目标PPT模板;基于所述PPT大纲和所述目标PPT模板生成目标PPT。
进一步的,基于脑图的资料推荐装置900还包括第二转换模块,所述第二转换模块,用于:获取所述用户发送的第二请求指令,所述第二请求指令用于指示将所述目标脑图转换为word文档;基于所述第二请求指令,获取所述目标脑图中的第二待转换区域;对所述第二待转换区域所包含的节点内容进行解析,获取解析后生成的word文档大纲;
进一步的,第一获取模块901,还用于:获取所述用户上传的初始PPT,以及获取所述用户发送的第三请求指令,所述第三请求指令用于指示将所述初始PPT转换为所述目标脑图;对所述初始PPT进行层级解析,获取生成的第二脑图大纲;将所述第二脑图大纲转换为脑图样式并进行页面渲染,以获取所述目标脑图。
进一步的,第一获取模块901,还用于:获取所述用户上传的初始word文档,以及获取所述用户发送的第四请求指令,所述第四请求指令用于指示将所述初始word文档转换为所述目标脑图;对所述初始word文档进行层级解析或者语义解析,获取生成的第三脑图大纲;将所述第三脑图大纲转换为脑图样式并进行页面渲染,以获取所述目标脑图。
进一步的,第一获取模块901,还用于:响应于接收到用户发送的脑图插入指令,将所述目标脑图插入所述初始word文档中。
需要说明的是,本申请所涉及的信息(包括但不限于用户设备信息、用户个人信息等)、数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)以及信号,均为经用户授权或者经过各方充分授权的,且相关数据的收集、使用和处理需要遵守相关法律法规和标准。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图10示出了可以用来实施本公开的实施例的示例电子设备1000的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图10所示,设备1000包括计算单元1001,其可以根据存储在只读存储器(ROM)1002中的计算机程序或者从存储单元1008加载到随机访问存储器(RAM)1003中的计算机程序,来执行各种适当的动作和处理。在RAM 1003中,还可存储设备1000操作所需的各种程序和数据。计算单元1001、ROM 1002以及RAM 1003通过总线1004彼此相连。输入/输出(I/O)接口1005也连接至总线1004。
设备1000中的多个部件连接至I/O接口1005,包括:输入单元1006,例如键盘、鼠标等;输出单元1007,例如各种类型的显示器、扬声器等;存储单元1008,例如磁盘、光盘等;以及通信单元1009,例如网卡、调制解调器、无线通信收发机等。通信单元1009允许设备1000通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元1001可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1001的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1001执行上文所描述的各个方法和处理,例如基于脑图的资料推荐方法。例如,在一些实施例中,基于脑图的资料推荐方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元1008。在一些实施例中,计算机程序的部分或者全部可以经由ROM 1002和/或通信单元1009而被载入和/或安装到设备1000上。当计算机程序加载到RAM 1003并由计算单元1001执行时,可以执行上文描述的基于脑图的资料推荐方法的一个或多个步骤。备选地,在其他实施例中,计算单元1001可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行基于脑图的资料推荐方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (25)
1.一种基于脑图的资料推荐方法,包括:
获取待进行资料推荐的目标脑图;
响应于监测到用户对于所述目标脑图上任一节点的资料推荐请求指令,获取该节点对应的关键词;
基于所述关键词从候选资料库中确定该节点对应的目标推荐资料列表,并将所述目标推荐资料列表进行展示。
2.根据权利要求1所述的方法,其中,所述基于所述关键词从候选资料库中确定该节点对应的目标推荐资料列表,包括:
计算所述关键词与候选资料库中的每个候选资料的相似度;
基于所述相似度从所述候选资料库中确定该节点对应的目标推荐资料列表。
3.根据权利要求1或2所述的方法,其中,所述获取待进行资料推荐的目标脑图,包括:
获取用户的输入数据;
对所述输入数据进行意图识别,并基于识别出的意图生成所述目标脑图。
4.根据权利要求3所述的方法,其中,所述对所述输入数据进行意图识别,并基于识别出的意图生成所述目标脑图,包括:
基于预设的第一过滤规则,对所述输入数据进行过滤;
将过滤后的输入数据输入语言模型,获取所述语言模型对过滤后的输入数据进行意图识别后基于意图生成并输出的第一脑图大纲;
基于预设的第二过滤规则,对所述第一脑图大纲进行过滤;
将过滤后的第一脑图大纲转换为脑图样式并进行页面渲染,以获取所述目标脑图。
5.根据权利要求4所述的方法,其中,所述将过滤后的脑图大纲转换为脑图样式并进行页面渲染,以获取所述目标脑图之后,还包括:
响应于监测到用户对于所述目标脑图上任一节点的扩展请求操作,获取该节点对应的第一节点内容以及该节点的相邻节点对应的第二节点内容;
基于所述第一节点内容和所述第二节点内容对所述目标脑图进行扩展,并基于扩展后生成的脑图对所述目标脑图进行更新。
6.根据权利要求1或2所述的方法,其中,所述将所述目标推荐资料列表进行展示之后,还包括:
响应于监测到所述用户对所述目标推荐资料列表中的任一目标推荐资料的点击查阅操作,将该目标推荐资料展示在显示屏幕上。
7.根据权利要求1或2所述的方法,其中,所述获取待进行资料推荐的目标脑图之后,还包括:
获取所述用户发送的第一请求指令,所述第一请求指令用于指示将所述目标脑图转换为PPT;
基于所述第一请求指令,获取所述目标脑图中的第一待转换区域;
对所述第一待转换区域所包含的节点内容进行解析,获取解析后生成的PPT大纲;
从多套候选PPT模板中选取目标PPT模板;
基于所述PPT大纲和所述目标PPT模板生成目标PPT。
8.根据权利要求1或2所述的方法,其中,所述获取待进行资料推荐的目标脑图之后,还包括:
获取所述用户发送的第二请求指令,所述第二请求指令用于指示将所述目标脑图转换为word文档;
基于所述第二请求指令,获取所述目标脑图中的第二待转换区域;
对所述第二待转换区域所包含的节点内容进行解析,获取解析后生成的word文档大纲;
基于所述word文档大纲进行内容扩展,以生成目标word文档。
9.根据权利要求1或2所述的方法,其中,所述获取待进行资料推荐的目标脑图,包括:
获取所述用户上传的初始PPT,以及获取所述用户发送的第三请求指令,所述第三请求指令用于指示将所述初始PPT转换为所述目标脑图;
对所述初始PPT进行层级解析,获取生成的第二脑图大纲;
将所述第二脑图大纲转换为脑图样式并进行页面渲染,以获取所述目标脑图。
10.根据权利要求1或2所述的方法,其中,所述获取待进行资料推荐的目标脑图,包括:
获取所述用户上传的初始word文档,以及获取所述用户发送的第四请求指令,所述第四请求指令用于指示将所述初始word文档转换为所述目标脑图;
对所述初始word文档进行层级解析或者语义解析,获取生成的第三脑图大纲;
将所述第三脑图大纲转换为脑图样式并进行页面渲染,以获取所述目标脑图。
11.根据权利要求10所述的方法,其中,所述将所述第三脑图大纲转换为脑图样式并进行页面渲染,以获取所述目标脑图之后,还包括:
响应于接收到用户发送的脑图插入指令,将所述目标脑图插入所述初始word文档中。
12.一种基于脑图的资料推荐装置,包括:
第一获取模块,用于获取待进行资料推荐的目标脑图;
第二获取模块,用于响应于监测到用户对于所述目标脑图上任一节点的资料推荐请求,获取该节点对应的关键词;
展示模块,用于基于所述关键词从候选资料库中确定该节点对应的目标推荐资料列表,并将所述目标推荐资料列表进行展示。
13.根据权利要求12所述的装置,其中,所述展示模块,还用于:
计算所述关键词与候选资料库中的每个候选资料的相似度;
基于所述相似度从所述候选资料库中确定该节点对应的目标推荐资料列表。
14.根据权利要求12或13所述的装置,其中,所述第一获取模块,还用于:
获取用户的输入数据;
对所述输入数据进行意图识别,并基于识别出的意图生成所述目标脑图。
15.根据权利要求14所述的装置,其中,所述第一获取模块,还用于:
基于预设的第一过滤规则,对所述输入数据进行过滤;
将过滤后的输入数据输入语言模型,获取所述语言模型对过滤后的输入数据进行意图识别后基于意图生成并输出的第一脑图大纲;
基于预设的第二过滤规则,对所述第一脑图大纲进行过滤;
将过滤后的第一脑图大纲转换为脑图样式并进行页面渲染,以获取所述目标脑图。
16.根据权利要求15所述的装置,其中,所述第一获取模块,还用于:
响应于监测到用户对于所述目标脑图上任一节点的扩展请求操作,获取该节点对应的第一节点内容以及该节点的相邻节点对应的第二节点内容;
基于所述第一节点内容和所述第二节点内容对所述目标脑图进行扩展,并基于扩展后生成的脑图对所述目标脑图进行更新。
17.根据权利要求12或13所述的装置,其中,所述展示模块,还用于:
响应于监测到所述用户对所述目标推荐资料列表中的任一目标推荐资料的点击查阅操作,将该目标推荐资料展示在显示屏幕上。
18.根据权利要求12或13所述的装置,其中,所述装置还包括第一转换模块,所述第一转换模块,用于:
获取所述用户发送的第一请求指令,所述第一请求指令用于指示将所述目标脑图转换为PPT;
基于所述第一请求指令,获取所述目标脑图中的第一待转换区域;
对所述第一待转换区域所包含的节点内容进行解析,获取解析后生成的PPT大纲;
从多套候选PPT模板中选取目标PPT模板;
基于所述PPT大纲和所述目标PPT模板生成目标PPT。
19.根据权利要求12或13所述的装置,其中,所述装置还包括第二转换模块,所述第二转换模块,用于:
获取所述用户发送的第二请求指令,所述第二请求指令用于指示将所述目标脑图转换为word文档;
基于所述第二请求指令,获取所述目标脑图中的第二待转换区域;
对所述第二待转换区域所包含的节点内容进行解析,获取解析后生成的word文档大纲;
基于所述word文档大纲进行内容扩展,以生成目标word文档。
20.根据权利要求12或13所述的装置,其中,所述第一获取模块,还用于:
获取所述用户上传的初始PPT,以及获取所述用户发送的第三请求指令,所述第三请求指令用于指示将所述初始PPT转换为所述目标脑图;
对所述初始PPT进行层级解析,获取生成的第二脑图大纲;
将所述第二脑图大纲转换为脑图样式并进行页面渲染,以获取所述目标脑图。
21.根据权利要求12或13所述的装置,其中,所述第一获取模块,还用于:
获取所述用户上传的初始word文档,以及获取所述用户发送的第四请求指令,所述第四请求指令用于指示将所述初始word文档转换为所述目标脑图;
对所述初始word文档进行层级解析或者语义解析,获取生成的第三脑图大纲;
将所述第三脑图大纲转换为脑图样式并进行页面渲染,以获取所述目标脑图。
22.根据权利要求21所述的装置,其中,所述第一获取模块,还用于:
响应于接收到用户发送的脑图插入指令,将所述目标脑图插入所述初始word文档中。
23.一种电子设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-11中任一项所述的方法。
24.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-11中任一项所述的方法。
25.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-11中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311764283.2A CN117725278A (zh) | 2023-12-20 | 2023-12-20 | 基于脑图的资料推荐方法及其装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311764283.2A CN117725278A (zh) | 2023-12-20 | 2023-12-20 | 基于脑图的资料推荐方法及其装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117725278A true CN117725278A (zh) | 2024-03-19 |
Family
ID=90210403
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311764283.2A Pending CN117725278A (zh) | 2023-12-20 | 2023-12-20 | 基于脑图的资料推荐方法及其装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117725278A (zh) |
-
2023
- 2023-12-20 CN CN202311764283.2A patent/CN117725278A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110543574B (zh) | 一种知识图谱的构建方法、装置、设备及介质 | |
CN113807098B (zh) | 模型训练方法和装置、电子设备以及存储介质 | |
CN106650943B (zh) | 基于人工智能的辅助写作方法和装置 | |
CN110019732B (zh) | 一种智能问答方法以及相关装置 | |
CN107301170B (zh) | 基于人工智能的切分语句的方法和装置 | |
EP3866028A2 (en) | Method and apparatus for constructing quality evaluation model, device and storage medium | |
CN106886580A (zh) | 一种基于深度学习的图片情感极性分析方法 | |
US20140379719A1 (en) | System and method for tagging and searching documents | |
JP2020191075A (ja) | Web APIおよび関連エンドポイントの推薦 | |
CN110516259A (zh) | 一种技术关键词的识别方法、装置、计算机设备和存储介质 | |
CN115795030A (zh) | 文本分类方法、装置、计算机设备和存储介质 | |
CN116303537A (zh) | 数据查询方法及装置、电子设备、存储介质 | |
CN114141384A (zh) | 用于检索医学数据的方法、设备和介质 | |
CN114911893A (zh) | 基于知识图谱的自动化构建知识库的方法及系统 | |
CN112732969A (zh) | 图像语义分析方法、装置、存储介质及电子设备 | |
Neelima et al. | Extractive text summarization using deep natural language fuzzy processing | |
CN111046168A (zh) | 用于生成专利概述信息的方法、装置、电子设备和介质 | |
CN115248890B (zh) | 用户兴趣画像的生成方法、装置、电子设备以及存储介质 | |
CN115329850A (zh) | 信息比对方法、装置、电子设备及存储介质 | |
CN103019924B (zh) | 输入法智能性评测系统和方法 | |
CN117725278A (zh) | 基于脑图的资料推荐方法及其装置 | |
CN110069780B (zh) | 一种基于特定领域文本的情感词识别方法 | |
CN110472140B (zh) | 对象词推荐方法、装置及电子设备 | |
CN114218907A (zh) | 演示文稿生成方法、装置、电子设备及存储介质 | |
CN114218431A (zh) | 视频搜索方法、装置、电子设备以及存储介质 |
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 |