[发明专利]一种PowerPoint演示文稿向Word文档转换的方法及系统

权利要求书

1.一种PowerPoint演示文稿向Word文档转换的方法，其特征在于，包括以下步骤

S1、引入Apache POI实现Microsoft Office PowerPoint源文件的数据提取：对源文件进行预处理，获取源文件段落信息，接着进行包含文本、图片、表格、公式的数据提取并保存；

S2、进行源文件数据分析：根据对Microsoft Office PowerPoint源文件提取的内容，将每个段落的文本对应的字号、行数、水平布局位置汇总作为源数据集T_a，预设的Microsoft Office PowerPoint转换Microsoft Office Word文档历史信息作为迁移数据集T_b，将二者合并为训练数据集T；定义用于K-means聚类算法的欧氏距离函数dist_ed和最小化平方误差函数E；执行迁移学习算法，初始化段落的权重向量w，并计算用于数据集T上的权重分布p^t；执行聚类算法对数据集T进行聚类，通过调用欧氏距离函数dist_ed和最小化平方误差函数E，将不同的段落划归到k类，再计算迁移错误率∈_t更新权值向量迭代运行设定多次以获得最终分类器h_t，并将文本、图片、表格、公式的分类结果保存；对公式做放缩、去噪、二值化处理，再通过OCR和语义转换技术转化目标公式，生成格式化的MicrosoftOffice Word文档公式；

S3、引入JACOB实现Microsoft Office Word文档目标文件生成：对保存的文本、图片、表格、公式，将其依次写入目标的Microsoft Office Word文档文件中，完成文档的转换；

步骤S2的源文件数据分析的具体方法包括：

S21、统计文本数据在PowerPoint存储的方式，将每个段落文本对应的字号、行数、水平布局位置汇总作为源数据集T_a，其长度为m，按照相同格式加载预设的PowerPoint转换Word历史信息作为迁移数据集T_b，其长度为n；将二者合并为训练数据集T，其长度为m+n；

S22、定义数据集文本数据段落样本表示为质心表示为其中i＝1,2,…,s表示段落索引号，j＝1,2,…,t表示特征数，再根据上述符号定义用于K-means算法计算每簇质心和该段落距离的欧氏距离函数：

定义K-means算法拟合簇质心的最小化平方误差函数：

其中是簇C_i的均值向量；

S23、执行迁移算法，初始化段落的权重向量，w表示每个段落文本的初始权重，该权重用于调整迁移数据对源数据的影响作用：

S24、计算用于数据集T上的权重分布p^t，用于K-means算法训练数据的权值项，其权重分布p^t根据权重向量w^t计算得到：

S25、执行聚类算法对数据集T进行聚类，通过调用欧氏距离函数dist_ed和最小化平方误差函数E，将不同的段落划归到k类；

S26、根据K-means算法的聚类结果，计算迁移错误率∈_t：

h_t(x_i)表示分类器在T_a上分类结果，c(x_i)表示聚类算法分类在T_a上分类结果，设置和β_t＝_t/(1-∈_t)并根据该错误率计算并更新权值向量：

S27、返回步骤S24进行迭代，直到达到设置的迭代次数N为止，以获得分类器最终在T_a上分类结果h_t，并将分类结果保存；

S28、对于不同的公式类型，当公式为图片格式时，对PowerPoint演示文稿的公式图片做放缩、去噪、二值化处理，再通过OCR和语义转换技术转化目标公式，生成格式化的Word文档公式。