CN117931754A - 文件预览方法及电子设备 - Google Patents
文件预览方法及电子设备 Download PDFInfo
- Publication number
- CN117931754A CN117931754A CN202410108026.1A CN202410108026A CN117931754A CN 117931754 A CN117931754 A CN 117931754A CN 202410108026 A CN202410108026 A CN 202410108026A CN 117931754 A CN117931754 A CN 117931754A
- Authority
- CN
- China
- Prior art keywords
- information
- image
- target
- file
- target image
- 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
- 238000000034 method Methods 0.000 title claims abstract description 92
- 238000004590 computer program Methods 0.000 claims description 14
- 230000004044 response Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 description 14
- 238000004422 calculation algorithm Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 13
- 238000004458 analytical method Methods 0.000 description 12
- 238000000605 extraction Methods 0.000 description 10
- 238000003058 natural language processing Methods 0.000 description 10
- 239000013598 vector Substances 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000008451 emotion Effects 0.000 description 6
- 238000013136 deep learning model Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012015 optical character recognition Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000003042 antagnostic effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/16—File or folder operations, e.g. details of user interfaces specifically adapted to file systems
- G06F16/168—Details of user interfaces specifically adapted to file systems, e.g. browsing and visualisation, 2d or 3d GUIs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/103—Formatting, i.e. changing of presentation of documents
- G06F40/106—Display of layout of documents; Previewing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本申请提供了一种文件预览方法及电子设备,所述方法包括:获取目标文件;确定所述目标文件的关联信息与内容信息;基于所述关联信息与所述内容信息,生成目标图像;显示所述目标图像。
Description
技术领域
本申请涉及但不限于计算机领域,尤其涉及一种文件预览方法及电子设备。
背景技术
相关技术中,通常需要打开文件浏览文件内容,才能确定该文件是否是需要的文件,存在效率低、速度慢、步骤繁琐等问题。
发明内容
有鉴于此,本申请实施例至少提供一种文件预览方法及电子设备。
本申请实施例的技术方案是这样实现的:
本申请实施例提供一种文件预览方法,所述方法包括:
获取目标文件;
确定所述目标文件的关联信息与内容信息;
基于所述关联信息与所述内容信息,生成目标图像;
显示所述目标图像。
本申请实施例提供一种电子设备,包括存储器和处理器,所述存储器存储有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上述方法中的部分或全部步骤。
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,而非限制本申请的技术方案。
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申请的实施例,并与说明书一起用于说明本申请的技术方案。
图1为本申请实施例提供的一种文件预览方法的实现流程示意图一;
图2为本申请实施例提供的一种显示目标图像的示意图;
图3为本申请实施例提供的一种文件预览方法的实现流程示意图二;
图4为本申请实施例提供的一种文件预览方法的实现流程示意图三;
图5为本申请实施例提供的一种目标图像的示意图;
图6为本申请实施例提供的一种文件预览方法的实现流程示意图四;
图7为本申请实施例提供的一种文件预览装置的组成结构示意图;
图8为本申请实施例提供的一种电子设备的硬件实体示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚,下面结合附图和实施例对本申请的技术方案进一步详细阐述,所描述的实施例不应视为对本申请的限制,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它实施例,都属于本申请保护的范围。
在以下的描述中,涉及到“一些实施例”,其描述了所有可能实施例的子集,但是可以理解,“一些实施例”可以是所有可能实施例的相同子集或不同子集,并且可以在不冲突的情况下相互结合。
需要指出,本申请实施例所涉及的术语“第一\第二\第三”仅仅是是区别类似的对象,不代表针对对象的特定排序,可以理解地,“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序,以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本申请实施例所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
相关技术中,在确定某一文件是否是所需的文件时,主要包括两种方式:
方式一:依据文件名来确定是否是需要的文件,存在准确率较低等问题。
方式二:打开文件浏览内容以确定是否是需要的文件,这样,对于加载时间长、内容复杂的文件,存在效率低、速度慢、步骤繁琐等问题。
本申请实施例提供一种文件预览方法,通过生成并显示基于目标文件的关联信息与内容信息生成的目标图像,一方面,根据关联信息与内容信息生成目标图像,相较于根据单一的信息确定目标图像而言,提升了目标图像的准确性和全面性;又一方面,相较于依据文件名来确定是否是需要的文件而言,便于用户通过目标图像回忆目标文件的内容,提高了确认文件的准确率;另一方面,可以根据显示的目标图像直接回忆目标文件的内容来确定文件,相较于打开文件浏览内容以确定是否是需要的文件而言,提高了确认文件的速度,减少了操作步骤,提高了确认文件的效率。本申请实施例提供的方法可以由电子设备执行,其中电子设备可以是笔记本电脑,平板电脑,台式计算机,机顶盒,移动设备(例如,移动电话,便携式音乐播放器,个人数字助理,专用消息设备,便携式游戏设备)等各种类型的终端,也可以实施为服务器。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、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content DeliveryNetwork,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。
图1为本申请实施例提供的一种文件预览方法的实现流程示意图一,如图1所示,所述方法包括步骤S101至步骤S104,其中:
步骤S101,获取目标文件。
这里,目标文件是指需要生成预览图和/或文件图标的文件。目标文件的格式可以是任意合适的格式,例如,可移植文档格式(Portable Document Format,PDF)、演示文稿格式(PowerPoint,PPT)等。在实施时,该文件可以被修改,因此,需要将最新版本的文件作为该目标文件。目标文件的获取方式可以包括但不限于接收其他设备发送的文件、从电子设备中读取的文件等。
步骤S102,确定所述目标文件的关联信息与内容信息。
这里,目标文件的关联信息是指与目标文件的相关联的信息,该关联信息可以是任意合适的信息,例如,位置信息,天气信息、应用信息、日历信息、目标文件的属性信息等。
目标文件的关联信息的确定方式可以是任意合适的方式,例如,大语言模型(Large Language Model,LLM)、深度学习等。大语言模型是一种人工智能模型,可以理解和生成人类语言。它在大量的文本数据上进行训练,可以执行广泛的任务,包括文本总结、翻译、情感分析等。在实施时,可以通过大语言模型对目标文件的内容进行处理得到目标文件的关联信息。示例性地,通过该LLM,确定该目标文件的关联信息可以包括当前时间为12:20、目标文件被文字处理系统(Word Processing System,WPS)修改。
目标文件的内容信息是指可以表达目标文件内容的信息,该内容信息可以是任意合适的信息,例如,目标文件的部分内容,目标文件的全部内容等。目标文件的内容信息的确定方法可以包括但不限于:将权重占比高的信息作为内容信息、将特征提取的结果作为内容信息等。例如,可以将目标文件的内容输入大语言模型中进行迭代,确定至少一种特征的权重信息,将至少一种特征作为目标文件的内容信息。特征可以是任意合适的特征,例如,位置、人名、组织、时间等。特征的权重信息是指该特征在目标文件中的占比信息。又例如,可以通过特征提取将目标文件中出现频率高的内容作为目标文件的内容信息。再例如,可以直接将目标文件的全部内容作为目标文件的内容信息。示例性地,目标文件的内容信息可以包括:森林、报告等。
在一些实施方式中,目标文件的关联信息与内容信息可以存储在数据库中,数据库是用来组织、存储和管理数据的仓库。目标文件的关联信息与内容信息在数据库中的存储方式可以包括但不限于:字段、列、属性等。例如,可以将目标文件的关联信息转化为向量,以列的形式存储在数据库中。
步骤S103,基于所述关联信息与所述内容信息,生成目标图像。
这里,目标图像的生成方法可以包括但不限于:深度学习模型、生图应用等。深度学习模型能够对输入的信息进行分析并生成图像。深度学习模型可以包括但不限于:生成对抗网络模型(Generative Adversarial Network,GAN)、可变自动编码器模型(Variational Autoencoder,VAE)、扩散模型(Diffusion Model,DM)等。GAN由生成器和判别器组成,生成器可以对输入信息进行处理生成图像,判别器会判断图像的真实性决定是否输出,通过不断的训练,生成器和判别器的能力逐渐提升。VAE由编码器和解码器组成,编码器将输入信息进行映射,解码器基于映射的输入信息生成图像并输出。DM可以将输入信息作为引导条件指导扩散模型的去噪过程,通过不断迭代地去噪过程,从而获得图像。生图应用是指根据输入的信息生成图像的应用,生图应用可以是任意合适的应用,例如,Midjourney、Nightcafe等。在采用生图应用生成图像时,可以直接调用生图应用提供的接口。
例如,可以将关联信息与内容信息作为关键信息,利用生图应用生成目标图像。又例如,可以将关联信息与内容信息输入预先训练好的深度学习模型中,以生成目标图像。
在一些实施方式中,可以基于关联信息,生成第一图像;基于内容信息,生成第二图像;最后,基于第一图像与所述第二图像,生成目标图像。
在一些实施方式中,可以基于目标文件的关联信息与内容信息,确定目标信息;再基于目标信息,生成目标图像。
步骤S104,显示所述目标图像。
这里,目标图像的显示方式可以包括但不限于:在预设区域显示目标图像、将目标图像对应的缩略图作为目标文件的图标、将目标图像作为目标文件所在页面的背景图像等。该预设区域可以是任意合适的区域,例如,目标文件的右侧区域,目标文件的下侧区域等。
在一些实施方式中,在显示目标图像之前,可以先对目标图像进行预处理,例如,缩放、滤波、色彩调整、格式调整等,以适应显示目标图像的设备的配置参数。该配置参数可以是任意合适的参数,例如,分辨率、透明度、色调、格式等。
在本申请实施例中,一方面,根据关联信息与内容信息生成目标图像,相较于根据单一的信息确定目标图像而言,提升了目标图像的准确性和全面性;又一方面,相较于依据文件名来确定是否是需要的文件而言,便于用户通过目标图像回忆目标文件的内容,提高了确认文件的准确率;另一方面,可以根据显示的目标图像直接回忆目标文件的内容来确定文件,相较于打开文件浏览内容以确定是否是需要的文件而言,提高了确认文件的速度,减少了操作步骤,提高了确认文件的效率。
在一些实施方式中,所述关联信息包括以下至少之一:位置信息、天气信息、应用信息、日历信息、目标文件的属性信息;所述内容信息包括所述目标文件的部分或全部内容。
这里,位置信息是指目标文件对应的地理位置信息,该位置信息可以是任意合适的信息,例如,街道,门牌号,楼号等。在一些实施方式中,可以通过获取电子设备的全球定位系统(Global Positioning System,GPS)信息,从而得到位置信息。
天气信息是指目标文件对应的天气信息。该天气信息可以包括但不限于温度、湿度、空气质量等。在实施时,可以通过目标文件的位置信息以及当前时间,获取实时的天气信息;也可以通过调用天气对应的应用程序编程接口(Application ProgrammingInterface,API)来查询目标文件对应的特定地点的天气信息。
应用信息是指电子设备上的至少一种应用的信息,该应用信息可以是任意合适的信息,例如,应用名称、应用行为等。应用行为是指该应用对目标文件做出的行为,例如,调用、截取等。在一些实施方式中,可以通过读取目标文件相关的操作日志获得该应用信息。
日历信息是指目标文件对应的日历应用的信息,该日历信息可以是任意合适的信息,例如,日程信息、工作日等。在一些实施方式中,可以通过该日历应用确定目标文件的时间信息(例如,创建时间、修改时间、保存时间等)对应的日期是否有日程信息,目标文件的时间信息对应的日期是否为工作日,从而得到日历信息。日程信息表征某一日期的日程,该日程信息可以是任意合适的信息,例如,会议信息、工作信息等。
目标文件的属性信息是指与目标文件相关的各类属性对应的信息,该属性信息可以是任意合适的信息,例如,时间信息、来源信息、去向信息等。时间信息可以包括但不限于创建时间、修改时间、保存时间等。例如,可以通过读取时钟应用对应的时间从而获得时间信息。又例如,在目标文件被创建时,记录创建目标文件的应用程序,从而获得目标文件的来源信息。再例如,在目标文件被使用时,记录目标文件被使用时的应用程序,从而获得目标文件的去向信息。在一些实施方式中,在记录目标文件来源信息以及目标文件去向信息时,可以在目标文件被创建或被调用时截取屏幕,以得到截图图像,通过光学字符识别(Optical Character Recognition,OCR)确定截图图像中是否具有人名,在截图图像中具有人名的情况下,将人名加入目标文件的来源信息或去向信息。
在本申请实施例中,通过多种关联信息与内容信息来生成目标图像,提高了目标图像的全面性和准确度。
在一些实施方式中,所述步骤S104包括步骤S41和/或步骤S42,其中:
步骤S41,在预设区域内显示所述目标图像。
这里,预设区域可以是任意合适的区域,例如,目标文件的右侧区域,目标文件的下侧区域等。该预设区域可以是默认区域,也可以是由用户自定义的区。在一些实施方式中,在显示目标图像时,预设区域内不包含其他额外的信息。在一些实施方式中,在预设区域内显示目标图像时,需要根据预设区域的大小对目标图像的大小作适应性调整。
图2为本申请实施例提供的一种显示目标图像的示意图,如图2所示,页面200至少包含目标文件201与目标图像202,其中,目标图像202显示在预设区域内,预设区域为目标文件的右侧区域。
在一些实施方式中,可以基于目标操作,确定预设区域。
步骤S42,将所述目标图像对应的缩略图作为所述目标文件的图标。
这里,目标图像对应的缩略图是指将目标图像进行等比例变化得到的图像。在实施时,在生成目标图像后,自动生成该目标图像对应的缩略图,并将目标文件的图标替换为该缩略图,也可以用户由用户确定后进行替换。
在一些实施方式中,在将目标图像对应的缩略图作为目标文件的图标之前,需要先对目标图像对应的缩略图进行预处理,例如,缩放、滤波、色彩调整等,以适应显示目标图像的设备的配置参数。
在本申请实施例中,通过在预设区域直接显示目标图像和/或替换目标文件的图标的方式显示目标图像,实现了不同的显示方式,拓宽了显示场景,优化了目标图像的显示效果。
在一些实施方式中,所述步骤S41包括步骤S411至步骤S412,其中:
步骤S411,响应于目标操作,确定所述预设区域。
这里,预设区域可以是任意合适的区域,例如,目标文件的右侧区域,目标文件的下侧区域等。目标操作可以是任意合适的操作,例如,点击、框选等。确定预设区域的方法可以包括但不限于:默认区域、用户自定义等。在实施时,可以通过目标操作,采用用户自定义的方式确定预设区域。该目标操作可以是任意合适的操作,例如,框选、拖动等。
步骤S412,在所述预设区域内显示所述目标图像。
这里,步骤S412对应前述步骤S41,在实施时,可以参照前述步骤S41的具体实施方式。
在本申请实施例中,通过目标操作确定预设区域,提高了确定目标区域的准确度和灵活度。
图3为本申请实施例提供的一种文件预览方法的实现流程示意图二,如图3所示,所述方法包括步骤S301至步骤S305,其中:
步骤S301,获取目标文件。
步骤S302,确定所述目标文件的关联信息与内容信息。
这里,步骤S301至步骤S302分别对应前述步骤S101至步骤S102,在实施时,可以参照前述步骤S101至步骤S102的具体实施方式。
步骤S303,基于所述关联信息与所述内容信息,确定目标信息。
这里,目标文件的关联信息可以是任意合适的信息,例如,位置信息,天气信息等。目标文件的内容信息可以是任意合适的信息,例如,目标文件的部分内容,目标文件的全部内容等。
目标信息可以表征目标文件的特征信息,该目标信息可以是任意合适的信息,例如,名称信息、环境信息等。目标信息的确定方式可以包括但不限于:信息转换模型、语义分析等。例如,信息转换模型是具有把输入的信息进行转换的功能的模型,该信息转换模型可以将目标文件的关联信息与内容信息转换为在生成目标图像时所需的目标信息。信息转换模型可以是任意合适的模型,例如,卷积神经网络(Convolutional Neural Network,CNN)模型、循环神经网络(Recurrent Neural Network,RNN)等。信息转换模型可以是在电子设备本地部署的模型,也可以是部署在其它电子设备的模型。又例如,语义分析可以通过自然语言处理(Natural Language Processing,NLP),用于从目标文件的关联信息与内容信息中提取语义信息,将得到的语义信息作为目标信息。
示例性地,若此时的关联信息为:当前天气多云,温度26度。内容信息为:某办公大楼。目标信息可以为:当前天气为多云的某办公大楼。
步骤S304,基于所述目标信息,生成所述目标图像。
这里,基于目标信息生成目标图像的方式与前述步骤S103中基于关联信息和内容信息生成目标图像的方式类似,在实施时,可以参照前述步骤S103的具体实施方式。
步骤S305,显示所述目标图像。
这里,步骤S305对应前述步骤S104,在实施时,可以参照前述步骤S104的具体实施方式。
在本申请实施例中,通过目标文件的关联信息与内容信息确定目标信息,并基于目标信息生成目标图像。这样,通过该目标信息表示目标文件的关键信息,提高了生成目标图像的准确性。
图4为本申请实施例提供的一种文件预览方法的实现流程示意图三,如图4所示,所述方法包括步骤S401至步骤S406,其中:
步骤S401,获取目标文件。
步骤S402,确定所述目标文件的关联信息与内容信息。
这里,步骤S401至步骤S402分别对应前述步骤S101至步骤S102,在实施时,可以参照前述步骤S101至步骤S102的具体实施方式。
步骤S403,基于所述关联信息,生成第一图像。
这里,关联信息可以是任意合适的信息,例如,位置信息,天气信息等。基于关联信息生成第一图像的方式与前述步骤S103中基于关联信息和内容信息生成目标图像的方式类似,在实施时,可以参照前述步骤S103的具体实施方式。
步骤S404,基于所述内容信息,生成第二图像。
这里,内容信息可以是任意合适的信息,例如,目标文件的部分内容,目标文件的全部内容等。基于内容信息生成第二图像的方式与前述步骤S103中基于关联信息和内容信息生成目标图像的方式类似,在实施时,可以参照前述步骤S103的具体实施方式。
在一些实施方式中,所述步骤S404包括步骤S4041至步骤S4042,其中:
步骤S4041,基于所述目标文件的内容信息,确定至少一种特征的权重信息。
这里,至少一种特征可以是任意合适的特征,例如,位置、人名、组织、时间等。权重信息是指某一信息在目标文件中的占比信息。权重信息的确定方法可以包括但不限于:大语言模型、TextRank算法等。TextRank算法是基于自然语言处理(Natural LanguageProcessing,NLP)实现的一种用于关键词抽取和文档摘要的排序算法。例如,可以将目标文件的内容输入大语言模型中进行迭代,确定至少一种特征的权重信息。又例如,通过TextRank算法从目标文件的文本中抽取出该目标文件的关键词、关键词组,并使用抽取文摘的方法抽取出该目标文件的关键句,从而确定至少一种特征的权重信息。
在一些实施方式中,在采用大语言模型确定至少一种特征的权重信息时,目标文件的迭代次数与大语言模型的上下文窗口长度有关。上下文窗口长度表征了大语言模型可以接收和处理的文本的多少。例如,某一大语言模型的上下文窗口长度表征该大语言模型可以一次处理30000字文本,若此时的目标文件的文本为20000字,则对应的目标文件的迭代次数为1次;若此时的目标文件的文本为50000字,则对应的目标文件的迭代次数为2次。
步骤S4042,基于每一所述特征的权重信息,生成所述第二图像。
这里,可以从至少一种特征的权重信息中,选取权重信息的占比信息排名小于预设值的特征作为目标特征。该预设值可以是任意合适的值,例如,4、5等。然后基于该目标特征,生成目标图像。基于目标特征生成第二图像的方式与前述步骤S103中基于关联信息和内容信息生成目标图像的方式类似,在实施时,可以参照前述步骤S103的具体实施方式。
在本申请实施例中,通过至少一种特征的权重信息,从多种特征中选择目标特征来生成第二图像,提高了生成第二图像的准确性。
步骤S405,基于所述第一图像与所述第二图像,生成所述目标图像。
这里,目标图像的生成方法可以包括但不限于:采用图像(包括第一图像和第二图像)的特征信息生成目标图像、图像叠加、图像融合等。图像的特征信息可以是任意合适的信息,例如,亮度信息、边缘信息、色彩信息等。获得图像的特征信息的方法可以包括但不限于:方向梯度直方图(Histogram of Oriented Gradient,HOG)、局部二值模式(LocalBinary Pattern,LBP)等。例如,通过HOG,将第一图像与第二图像分成小的连通区域,然后采集连通区域中各像素点的梯度的或边缘的方向直方图,最后把这些直方图组合起来就可以得到多个特征点,进而将多个特征点构成的特征点集作为该特征信息。基于特征信息生成目标图像的方式与前述步骤S103中基于关联信息和内容信息生成目标图像的方式类似,在实施时,可以参照前述步骤S103的具体实施方式。
图像叠加是指按照叠加位置,将第一图像叠加至第二图像上。叠加位置的确定方式可以包括但不限于默认位置、基于该第二图像的显示内容确定的位置、用户自定义等。该默认区域是预先指定的位置。在一些实施方式中,在进行图像叠加前,可以改变第一图像与第二图像的透明度,以使得图像叠加的效果更好。
在一些实施方式中,在基于第一图像与第二图像生成目标图像之前,可以先对第一图像与第二图像进行预处理,例如,缩放、滤波、色彩调整等,保证第一图像与第二图像的配置参数相同,该配置参数可以是任意合适的参数,例如,分辨率、透明度、色调等。
在一些实施方式中,可以基于第二图像的内容,确定第一图像在第二图像上的位置,并按照位置将第一图像叠加在第二图像上,以得到目标图像。
步骤S406,显示所述目标图像。
这里,步骤S406对应前述步骤S104,在实施时,可以参照前述步骤S104的具体实施方式。
在本申请实施例中,通过根据关联信息的生成第一图像与内容信息生成的第二图像来生成目标图像,以同时显示不同内容生成的图像,能够更加直观的展示目标文件的内容,提高了生成目标图像的准确性,并且能够提高确认文件的准确率。
在一些实施方式中,所述步骤S405包括步骤S4051至步骤S4052,其中:
步骤S4051,基于所述第二图像的内容,确定所述第一图像在所述第二图像上的位置。
这里,该位置可以是任意合适的位置,例如,第二图像的中心区域,第二图像的左上角区域等。位置的确定方法可以包括但不限于:特征提取、图像分析等。例如,通过特征提取,得到第二图像的特征点集,将特征点集中信息较少的特征点对应的位置作为第一图像在第二图像上的位置。特征提取的过程可以参照前述步骤S405的具体实施方式。在一些实施方式中,该位置可以是第二图像中信息较少的区域。
在一些实施方式中,可以采用坐标对位置进行表达,该坐标可以是任意合适的坐标,例如,像素坐标、几何坐标等。例如,图像是由像素组成的,每个像素都有其唯一的像素坐标,可以使用图像的行和列数来表示像素坐标;又例如,通过几何坐标,以直角坐标系下坐标点集合的形式进行表达,该坐标点包含竖直方向和水平方向的坐标值。
步骤S4052,按照所述位置,将所述第一图像叠加在所述第二图像上,得到所述目标图像。
这里,将第一图像叠加至第二图像上以形成该目标图像。在一些实施方式中,在进行图像叠加前,可以改变第一图像与第二图像的透明度,以使得图像叠加的效果更好。
在一些实施方式中,在将第一图像叠加在第二图像上之前,需要对第一图像的大小进行等比例的缩放,以得到合适的目标图像。
图5为本申请实施例提供的一种目标图像的示意图,如图5所示,目标图像500包含第一图像501与第二图像502,其中,第一图像501叠加在第二图像502上。
在本申请实施例中,通过根据第二图像的内容实时确定第一图像在第二图像中的叠加位置,提高了叠加位置的合理性,降低了第二图像对第一图像的重要区域(例如,信息比较丰富的区域)进行遮挡的可能性,进而提高了目标图像的准确性。
在一些实施方式中,所述步骤S403包括步骤S41至步骤S42,其中:
步骤S41,基于所述目标文件的关联信息,确定第一外部描述信息;其中,所述第一外部描述信息包括上一第一外部描述信息或第二外部描述信息,所述第二外部描述信息是基于所述目标文件的关联信息生成的。
这里,第一外部描述信息是描述目标文件的关联信息的信息,该第一外部描述信息可以是任意合适的信息,例如,天气信息、时间信息等。第一外部描述信息的确定方法可以包括但不限于:相似度对比、特征对比等。例如,可以将上一第一外部描述信息与第二外部描述信息进行相似度对比,得到对比结果,基于对比结果,确定第一外部描述信息;又例如,对上一第一外部描述信息与第二外部描述信息分别进行特征提取,得到特征提取结果,然后对特征提取结果进行对比,基于对比结果,确定第一外部描述信息。
第二外部描述信息的生成方法可以包括但不限于:语义分析、情感分析等。语义分析是一种基于自然语言进行语义信息分析的方法,可以通过自然语言处理实现。情感分析是一种基于自然语言进行情感信息分析的方法。在实施时,例如,可以从关联信息中提取语义信息,得到语义分析结果,将语义分析结果作为第二外部描述信息。又例如,可以对关联信息进行分析、处理、归纳和推理,得到情感分析结果,将情感分析结果作为第二外部描述信息。
在一些实施方式中,第一外部描述信息可以存储在数据库中,第一外部描述信息的存储方式可以包括但不限于:字段、列、属性等。
步骤S42,基于所述第一外部描述信息,生成所述第一图像。
这里,基于第一外部描述信息生成第一图像的方式与前述步骤S103中基于关联信息和内容信息生成目标图像的方式类似,在实施时,可以参照前述步骤S103的具体实施方式。
在本申请实施例中,通过根据目标文件的关联信息确定第一外部描述信息,并根据第一外部描述信息生成第一图像,由于该第一外部描述中包括关联信息中的关键信息,在降低了数据量的同时还提高了第一图像的准确度。
在一些实施方式中,所述步骤S41包括步骤S41a至步骤S41d,其中:
步骤S41a,基于所述目标文件的关联信息,生成所述第二外部描述信息。
这里,第二外部描述信息的生成方法可以包括但不限于:自然语言处理、深度学习方法等。深度学习方法是一种基于神经网络的方法,通过对大量样本进行训练,以便电子设备能够理解目标文件的关联信息,从而确定第二外部描述信息。在实施时,通过自然语言处理,可以将目标文件的关联信息转换成便于理解的自然语言,例如,目标文件的关联信息为12:00的时间信息时,第二外部描述信息可以是中午。
步骤S41b,确定所述第二外部描述信息和所述上一第一外部描述信息之间的相似度。
这里,相似度用于表征第二外部描述信息和上一第一外部描述信息之间的相似性。确定第二外部描述信息和上一第一外部描述信息之间的相似度的方法可以包括但不限于:相似度计算算法、文本相似度对比等。相似度计算算法是基于向量的算法,通过计算两个向量的距离以得到相似度,因此,需要将第二外部描述信息和上一第一外部描述信息转化为向量的形式进行计算。可以通过自然语言处理,将第二外部描述信息和上一第一外部描述信息转化为向量。在实施时,该相似度计算算法可以包括但不限于:余弦相似度算法(Cosine Similarity,CS)、欧几里德距离算法(Euclidean Distance,ED)等。例如,通过余弦相似度算法,计算第二外部描述信息和上一第一外部描述信息这两个向量之间的夹角余弦值,将该余弦值作为相似度;又例如,通过欧几里德距离算法,计算第二外部描述信息和上一第一外部描述信息这两个向量中点之间的距离值,将该距离值作为相似度。
在实施时,可以通过文本相似度对比,结合使用词语频率或TF-IDF(TermFrequency—Inverse Document Frequency,词语频率反文档频率)的权重来得到文本之间的相似度。TF-IDF权重是一种统计量度,用于评估词语对目标文件的重要性,该重要性与词语在目标文件中出现的次数成正比地增加。
步骤S41c,在所述相似度小于预设的相似度阈值的情况下,将所述第二外部描述信息作为所述第一外部描述信息。
这里,相似度阈值可以是任意合适的值,例如,0.7、0.6等。
步骤S41d,在所述相似度不小于所述相似度阈值的情况下,将所述上一第一外部描述信息作为所述第一外部描述信息。
这里,相似度阈值可以是任意合适的值,例如,0.7、0.6等。
在本申请实施例中,通过第二外部描述信息和上一第一外部描述信息之间的相似度是否满足相似度阈值的判断,提高了第一外部描述信息的准确度。
在一些实施方式中,在所述第一外部描述信息为所述上一第一外部描述信息的情况下,所述方法还包括步骤S43至步骤S44,其中:
步骤S43,在所述目标图像中显示更新标记。
这里,更新标记用于重新确定第一图像,该更新标记可以是任意合适的标记,例如,对话框标记、图标标记等。更新标记的显示位置可以是任意合适的位置,例如,目标图像的中心位置、目标图像的左侧位置等。在一些实施方式中,可以在步骤S41d的过程结束后自动显示更新标记
在一些实施方式中,在第一外部描述信息为上一第一外部描述信息的情况下,可以自动在目标图像中显示更新标记。
步骤S44,响应于接收到针对所述更新标记的触发操作,基于所述目标图像对应的第二外部描述信息和所述目标图像对应的上一第一外部描述信息,重新确定所述第一图像。
这里,触发操作可以是任意合适的操作,例如,点击,滑动等。在实施时,可以通过大语言模型,将目标图像对应的第二外部描述信息和目标图像对应的上一第一外部描述信息进行分析对比,重新确定第一图像。
在一些实施方式中,将目标图像对应的第二外部描述信息和目标图像对应的上一第一外部描述信息进行分析对比时,可以根据预设规则得到对比结果进而重新确定第一图像。例如,在目标图像对应的第二外部描述信息和目标图像对应的上一第一外部描述信息满足预设规则时,确定对比结果为通过,此时,将目标图像对应的第二外部描述信息作为第一外部描述信息,重新生成第一图像,将重新生成的第一图像作为当前的第一图像。又例如,在目标图像对应的第二外部描述信息和目标图像对应的上一第一外部描述信息不满足预设规则时,确定对比结果为不通过,此时,将目标图像对应的上一第一外部描述信息作为第一外部描述信息,将上一第一外部描述信息对应的第一图像作为当前的第一图像。该预设规则可以是任意合适的规则,例如,时间信息的跨度大于预设时间、第二外部描述信息和上一第一外部描述信息之间的内容变化大于预设值、第二外部描述信息和上一第一外部描述信息的长度增减大于预设值等。
在本申请实施例中,通过在目标图像中显示更新标记,以使得用户可以自主的对第一图像进行更新,提高了第一图像的准确度和用户的操作体验。
下面说明本申请实施例提供的文件预览方法在实际场景中的应用。
相关技术中,在确定某一文件是否是所需的文件时,主要包括两种方式:
方式一:依据文件名来确定是否是需要的文件,存在准确率较低等问题。
方式二:打开文件浏览内容以确定是否是需要的文件,这样,对于加载时间长、内容复杂的文件,存在效率低、速度慢、步骤繁琐等问题。
本申请实施例提供一种文件预览方法,一方面,根据关联信息与内容信息生成目标图像,相较于根据单一的信息确定目标图像而言,提升了目标图像的准确性和全面性;又一方面,相较于依据文件名来确定是否是需要的文件而言,便于用户通过目标图像回忆目标文件的内容,提高了确认文件的准确率;另一方面,可以根据显示的目标图像直接回忆目标文件的内容来确定文件,相较于打开文件浏览内容以确定是否是需要的文件而言,提高了确认文件的速度,减少了操作步骤,提高了确认文件的效率。
图6为本申请实施例提供的一种文件预览方法的实现流程示意图四,如图6所示,所述方法包括步骤S601至步骤S608,其中:
步骤S601,获取目标文件;
这里,在获取目标文件时,对于该文件的所有历史版本,可以将历史版本文件的标识,以列表的形式存在数据库中。该标识可以是任意合适的标识,例如,文件名称、文件索引、文件SHA256(Secure Hash Algorithm 256-bit,256位安全散列算法)等。在实施时,可以通过标识建立该文件的初始版本与其它版本之间的映射关系。
步骤S602,确定目标文件的关联信息与内容信息;
步骤S603,基于目标文件的关联信息,确定第一外部描述信息;
步骤S604,基于第一外部描述信息,生成第一图像;
步骤S605,基于目标文件的内容信息,确定至少一种特征的权重信息;
步骤S606,基于每一特征的权重信息,生成第二图像;
步骤S607,基于第一图像与第二图像,生成目标图像;
步骤S608,在预设区域内显示目标图像。
基于上述的实施例,本申请实施例提供一种文件预览装置,图7为本申请实施例提供的一种文件预览装置的组成结构示意图,如图7所示,所述文件预览装置700包括获取模块701、确定模块702、生成模块703以及显示模块704,其中:
获取模块701,用于获取目标文件;
确定模块702,确定所述目标文件的关联信息与内容信息;
生成模块703,用于基于所述关联信息与所述内容信息,生成目标图像;
显示模块704,用于显示所述目标图像。
在一些实施方式中,所述显示模块704,还用于在预设区域内显示所述目标图像;将所述目标图像对应的缩略图作为所述目标文件的图标。
在一些实施方式中,所述显示模块704,还用于响应于目标操作,确定所述预设区域;在所述预设区域内显示所述目标图像。
在一些实施方式中,所述关联信息包括以下至少之一:位置信息、天气信息、应用信息、日历信息、目标文件的属性信息;所述内容信息包括所述目标文件的部分或全部内容。
在一些实施方式中,所述生成模块703,还用于基于所述关联信息与所述内容信息,确定目标信息;基于所述目标信息,生成所述目标图像。
在一些实施方式中,所述生成模块703,还用于基于所述关联信息,生成第一图像;基于所述内容信息,生成第二图像;基于所述第一图像与所述第二图像,生成所述目标图像。
在一些实施方式中,所述生成模块703,还用于基于所述第二图像的内容,确定所述第一图像在所述第二图像上的位置;按照所述位置,将所述第一图像叠加在所述第二图像上,得到所述目标图像。
在一些实施方式中,所述生成模块703,还用于基于所述目标文件的关联信息,确定第一外部描述信息;其中,所述第一外部描述信息包括上一第一外部描述信息或第二外部描述信息,所述第二外部描述信息是基于所述目标文件的关联信息生成的;基于所述第一外部描述信息,生成所述第一图像。
在一些实施方式中,所述生成模块703,还用于在所述目标图像中显示更新标记;响应于接收到针对所述更新标记的触发操作,基于所述目标图像对应的第二外部描述信息和所述目标图像对应的上一第一外部描述信息,重新确定所述第一图像。
以上装置实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本申请装置实施例中未披露的技术细节,请参照本申请方法实施例的描述而理解。
这里需要指出的是:上文对各个实施例的描述倾向于强调各个实施例之间的不同之处,其相同或相似之处可以互相参考。以上设备、存储介质、计算机程序及计算机程序产品实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本申请设备、存储介质、计算机程序及计算机程序产品实施例中未披露的技术细节,请参照本申请方法实施例的描述而理解。
需要说明的是,本申请实施例中,如果以软件功能模块的形式实现上述方法,并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实施例的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来,该软件产品存储在一个存储介质中,包括若干指令用以使得一台电子设备(可以是个人计算机、服务器、或者网络设备等)执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的介质。这样,本申请实施例不限制于任何特定的硬件和软件结合。
本申请实施例提供一种电子设备,包括存储器和处理器,所述存储器存储有可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述方法。
本申请实施例提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述方法。所述计算机可读存储介质可以是瞬时性的,也可以是非瞬时性的。
本申请实施例提供一种计算机程序产品,所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,所述计算机程序被计算机读取并执行时,实现上述方法中的部分或全部步骤。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 DevelopmentKit,SDK)等等。
需要说明的是,图8为本申请实施例提供的一种电子设备的硬件实体示意图,如图所示,该电子设备800的硬件实体包括:处理器801、通信接口802和存储器803,其中:
处理器801通常控制电子设备800的总体操作。
通信接口802可以使电子设备通过网络与其他终端或服务器通信。
存储器803配置为存储由处理器801可执行的指令和应用,还可以缓存待处理器801以及电子设备800中各模块待处理或已经处理的数据(例如,图像数据、音频数据、语音通信数据和视频通信数据),可以通过闪存(FLASH)或随机访问存储器(Random AccessMemory,RAM)实现。处理器801、通信接口802和存储器803之间可以通过总线804进行数据传输。
这里需要指出的是:以上存储介质和设备实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本申请存储介质和设备实施例中未披露的技术细节,请参照本申请方法实施例的描述而理解。
应理解,说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此,在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外,这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解,在本申请的各种实施例中,上述各步骤/过程的序号的大小并不意味着执行顺序的先后,各步骤/过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本申请各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本申请上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。
Claims (10)
1.一种文件预览方法,所述方法包括:
获取目标文件;
确定所述目标文件的关联信息与内容信息;
基于所述关联信息与所述内容信息,生成目标图像;
显示所述目标图像。
2.根据权利要求1所述的方法,所述显示所述目标图像,包括至少以下之一:
在预设区域内显示所述目标图像;
将所述目标图像对应的缩略图作为所述目标文件的图标。
3.根据权利要求2所述的方法,所述在预设区域内显示所述目标图像,包括:
响应于目标操作,确定所述预设区域;
在所述预设区域内显示所述目标图像。
4.根据权利要求1所述的方法,所述关联信息包括以下至少之一:位置信息、天气信息、应用信息、日历信息、目标文件的属性信息;
所述内容信息包括所述目标文件的部分或全部内容。
5.根据权利要求1所述的方法,所述基于所述关联信息与所述内容信息,生成目标图像,包括:
基于所述关联信息与所述内容信息,确定目标信息;
基于所述目标信息,生成所述目标图像。
6.根据权利要求1所述的方法,所述基于所述关联信息与所述内容信息,生成目标图像,包括:
基于所述关联信息,生成第一图像;
基于所述内容信息,生成第二图像;
基于所述第一图像与所述第二图像,生成所述目标图像。
7.根据权利要求5所述的方法,所述基于所述第一图像与所述第二图像,生成所述目标图像,包括:
基于所述第二图像的内容,确定所述第一图像在所述第二图像上的位置;
按照所述位置,将所述第一图像叠加在所述第二图像上,得到所述目标图像。
8.根据权利要求6或7所述的方法,所述基于所述关联信息,生成第一图像,包括:
基于所述目标文件的关联信息,确定第一外部描述信息;其中,所述第一外部描述信息包括上一第一外部描述信息或第二外部描述信息,所述第二外部描述信息是基于所述目标文件的关联信息生成的;
基于所述第一外部描述信息,生成所述第一图像。
9.根据权利要求8所述的方法,在所述第一外部描述信息为所述上一第一外部描述信息的情况下,所述方法还包括:
在所述目标图像中显示更新标记;
响应于接收到针对所述更新标记的触发操作,基于所述目标图像对应的第二外部描述信息和所述目标图像对应的上一第一外部描述信息,重新确定所述第一图像。
10.一种电子设备,包括存储器和处理器,所述存储器存储有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权利要求1至9任一项所述方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410108026.1A CN117931754A (zh) | 2024-01-25 | 2024-01-25 | 文件预览方法及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410108026.1A CN117931754A (zh) | 2024-01-25 | 2024-01-25 | 文件预览方法及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117931754A true CN117931754A (zh) | 2024-04-26 |
Family
ID=90760507
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410108026.1A Pending CN117931754A (zh) | 2024-01-25 | 2024-01-25 | 文件预览方法及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117931754A (zh) |
-
2024
- 2024-01-25 CN CN202410108026.1A patent/CN117931754A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112685565B (zh) | 基于多模态信息融合的文本分类方法、及其相关设备 | |
CN114155543B (zh) | 神经网络训练方法、文档图像理解方法、装置和设备 | |
CN106294798B (zh) | 一种基于缩略图的图像分享方法和终端 | |
US10621755B1 (en) | Image file compression using dummy data for non-salient portions of images | |
US7853582B2 (en) | Method and system for providing information services related to multimodal inputs | |
CN110516096A (zh) | 合成感知数字图像搜索 | |
US9639633B2 (en) | Providing information services related to multimodal inputs | |
US20170116521A1 (en) | Tag processing method and device | |
US10699171B2 (en) | Automated image scale adjustment based upon document and image context | |
CN113204659B (zh) | 多媒体资源的标签分类方法、装置、电子设备及存储介质 | |
KR20230021144A (ko) | 사용자 선호도를 반영한 기계 학습 기반 이미지 압축 세팅 | |
US11636282B2 (en) | Machine learned historically accurate temporal classification of objects | |
CN110390086A (zh) | 一种生成文本的方法、装置和存储介质 | |
CN113762050B (zh) | 图像数据处理方法、装置、设备以及介质 | |
CN113657087B (zh) | 信息的匹配方法及装置 | |
US20230244862A1 (en) | Form processing method and apparatus, device, and storage medium | |
CN115496820A (zh) | 图像文案的生成方法、设备及计算机存储介质 | |
CN114547257B (zh) | 类案匹配方法、装置、计算机设备及存储介质 | |
CN112417133A (zh) | 排序模型的训练方法和装置 | |
CN110716767B (zh) | 模型组件调用、生成方法、装置和存储介质 | |
CN115935049A (zh) | 基于人工智能的推荐处理方法、装置及电子设备 | |
CN111881900B (zh) | 语料生成、翻译模型训练、翻译方法、装置、设备及介质 | |
CN117931754A (zh) | 文件预览方法及电子设备 | |
CN114969544A (zh) | 基于热点数据的推荐内容生成方法、装置、设备及介质 | |
CN114416840A (zh) | 结合rpa及ai的数据获取方法、装置、服务器及存储介质 |
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 |