[发明专利]一种文档辅助编辑的方法和系统有效

专利信息
申请号: 202010963770.1 申请日: 2020-09-14
公开(公告)号: CN112084753B 公开(公告)日: 2021-06-29
发明(设计)人: 李延 申请(专利权)人: 苏州七星天专利运营管理有限责任公司
主分类号: G06F40/166 分类号: G06F40/166;G06F40/14;G06F40/197;G06N20/00
代理公司: 成都七星天知识产权代理有限公司 51253 代理人: 杨永梅
地址: 215011 江苏*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 文档 辅助 编辑 方法 系统
【权利要求书】:

1.一种文档辅助编辑的方法,应用于客户端,包括:

接收并显示服务器基于第一文本获取的第二文本的文本结构;

所述第一文本包括至少一条论述,每条所述论述包括至少一个关键点;

所述第二文本的文本结构为树形结构,包括与所述至少一条论述或/和所述至少一个关键点对应的至少一个结构节点,所述结构节点通过人工输入生成,或者通过结构节点生成模型生成;所述结构节点生成模型为机器学习模型,输入特征包括所述结构节点的上级结构节点的内容特征和平级结构节点的内容特征;其中,所述上级结构节点的内容特征或所述平级结构节点的内容特征包括所述上级结构节点或所述平级结构节点的以下一种或多种特征:对应的论述、对应的关键点、对应的文本单元的类型和对所述对应的文本单元的相关要求;

所述第二文本还包括与所述至少一个结构节点对应的至少一个文本单元,所述至少一个文本单元用于说明所述第一文本;

检测到所述结构节点被触发时,生成所述结构节点对应的目标文本单元的获取请求,并将所述获取请求发送给所述服务器;

接收并显示所述服务器获取的所述目标文本单元。

2.由权利要求1所述的方法,所述内容特征还包括:所述对应的关键点的关键点类型特征;

所述结构节点生成模型为神经网络模型,通过训练生成。

3.由权利要求2所述的方法,还包括:

所述关键点类型特征通过关键点类型判别模型获得;

所述关键点类型判别模型为机器学习模型,包括嵌入子模型和分类子模型;

所述嵌入子模型基于关键点文本生成关键点文本表示向量;

所述分类子模型基于所述关键点文本表示向量生成所述关键点类型特征。

4.由权利要求1所述的方法,所述方法还包括:

显示所述目标文本单元的多个相邻文本单元;

获取对所述目标文本单元的修改指令;

执行所述修改指令后,显示更新后的所述目标文本单元。

5.由权利要求4所述的方法,还包括:

基于保存的触发条件,向所述服务器发送当前所述第二文本的版本;

显示所述服务器提供的多个所述第二文本的所述文本结构的版本差异;

显示所述服务器提供的多个所述第二文本的所述文本单元的版本差异。

6.一种文档辅助编辑的系统,包括:

文本结构接收模块,用于接收并显示服务器基于第一文本获取的第二文本的文本结构;

所述第一文本包括至少一条论述,每条所述论述包括至少一个关键点;

所述第二文本的文本结构为树形结构,包括与所述至少一条论述或/和所述至少一个关键点对应的至少一个结构节点,所述结构节点通过人工输入生成,或者通过结构节点生成模型生成;所述结构节点生成模型为机器学习模型,输入特征包括所述结构节点的上级结构节点和平级结构节点的内容特征;其中,所述上级结构节点的内容特征或所述平级结构节点的内容特征包括所述上级结构节点或所述平级结构节点的以下一种或多种特征:对应的论述、对应的关键点、对应的文本单元的类型和对所述对应的文本单元的相关要求;

所述第二文本还包括与所述至少一个结构节点对应的至少一个文本单元,所述至少一个文本单元用于说明所述第一文本;

文本单元请求模块,用于检测到所述结构节点被触发时,生成所述结构节点对应的目标文本单元的获取请求,并将所述获取请求发送给所述服务器;

文本单元显示模块,用于接收并显示所述服务器获取的所述目标文本单元。

7.由权利要求6所述的系统,还包括:

所述内容特征还包括所述关键点的关键点类型特征;所述结构节点生成模型为神经网络模型,通过训练生成。

8.由权利要求7所述的系统,还包括:

所述关键点类型特征通过关键点类型判别模型获得;

所述关键点类型判别模型为机器学习模型,包括嵌入子模型和分类子模型;

所述嵌入子模型基于关键点文本生成关键点文本表示向量;

所述分类子模型基于所述关键点文本表示向量生成所述关键点类型特征。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于苏州七星天专利运营管理有限责任公司,未经苏州七星天专利运营管理有限责任公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010963770.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top