[发明专利]基于语义分析和深度学习的智能写作辅助系统在审

专利信息
申请号: 202011085142.4 申请日: 2020-10-12
公开(公告)号: CN112149428A 公开(公告)日: 2020-12-29
发明(设计)人: 陈海林;张蓬;赵绪龙 申请(专利权)人: 珍岛信息技术(上海)股份有限公司
主分类号: G06F40/30 分类号: G06F40/30;G06F40/284;G06F40/247;G06F40/216;G06F16/36;G06F16/338;G06F16/335;G06F3/0481
代理公司: 合肥正则元起专利代理事务所(普通合伙) 34160 代理人: 韩立峰;刘培越
地址: 200040 上海市静安*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 语义 分析 深度 学习 智能 写作 辅助 系统
【说明书】:

发明公开了基于语义分析和深度学习的智能写作辅助系统,用于解决现有技术对于内容级别的研究甚少,没有对写作的内容进行主题方面的提示和推荐,不能有效地解决用户缺乏写作素材或灵感的问题;包括信息获取模块、词搭配模块、例句实时提示模块、相关内容推荐模块、相似度计算模块以及主题词抽取模块;所述信息获取模块用于获取供词搭配模块、例句实时提示模块、相关内容推荐模块、相似度计算模块以及主题词抽取模块使用的网络信息,并将获取的网络信息发送至词搭配模块、例句实时提示模块、相关内容推荐模块、相似度计算模块以及主题词抽取模块。

技术领域

本发明涉及一种智能写作辅助系统,具体为基于语义分析和深度学习的智能写作辅助系统,属于智能写作辅助系统技术领域。

背景技术

在语言的学习过程中,写作常常扮演着重要的角色。写作者的写作水平可以凸显其掌握语言的熟练程度,要想写出高质量的文章,必须拥有大量的阅读经历及知识储备。然而,对大多数以非英语为母语的学生来说,由于英语阅读经历和知识储备的缺乏,写出高质量的英语文章绝非是一件容易的事。

然而,大多数系统都将重点放在词汇、短语、语句级别,对于内容级别的研究甚少,没有对写作的内容进行主题方面的提示和推荐,不能有效地解决用户缺乏写作素材或灵感的问题。

为了解决上述技术问题,本发明提供如下技术方案。

发明内容

本发明的目的在于提供基于语义分析和深度学习的智能写作辅助系统,用于解决现有技术对于内容级别的研究甚少,没有对写作的内容进行主题方面的提示和推荐,不能有效地解决用户缺乏写作素材或灵感的问题;本发明包括信息获取模块、词搭配模块、例句实时提示模块、相关内容推荐模块、相似度计算模块以及主题词抽取模块;所述信息获取模块用于获取供词搭配模块、例句实时提示模块、相关内容推荐模块、相似度计算模块以及主题词抽取模块使用的网络信息,并将获取的网络信息发送至词搭配模块、例句实时提示模块、相关内容推荐模块、相似度计算模块以及主题词抽取模块。

本发明的目的可以通过以下技术方案实现:

基于语义分析和深度学习的智能写作辅助系统,包括信息获取模块、词搭配模块、例句实时提示模块、相关内容推荐模块、相似度计算模块以及主题词抽取模块;

所述信息获取模块用于获取供词搭配模块、例句实时提示模块、相关内容推荐模块、相似度计算模块以及主题词抽取模块使用的网络信息,并将获取的网络信息发送至词搭配模块、例句实时提示模块、相关内容推荐模块、相似度计算模块以及主题词抽取模块;

所述词搭配模块用于计算两个词语的关联程度,具体计算过程包括以下步骤:

步骤一:获取词语i,j在语料库中出现的频率,获取词语i,j在语料库中共同出现的频率,并将词语i,j在语料库中出现的频率以及词语i,j在语料库中共同出现的频率发送至词搭配模块;

步骤二:所述词搭配模块获取得到词语i,j在语料库中出现的频率以及词语i,j在语料库中共同出现的频率后,将其标记为Pi、Pj以及Pij;

步骤三:利用计算公式得到词语i,j的关联度Gij,

其中计算公式为其中α为修正系数固定值;

所述例句实时提示模块用于根据用户的当前输入,为用户提供包含词或者短语的例句;所述相关内容推荐模块用于根据用户的输入进行主题内容分析,为客户提供主题相关,内容相近的句子;

所述主题词抽取模块具体为一种统计方法,用来评估一个词对于一个文档的重要程度,具体评估方式如下:

步骤S1:通过信息获取模块获取词p在文档q中出现的次数,获取文档q中包含p的词数,并将词p在文档q中出现的次数以及文档q中包含p的词数发送至主题词抽取模块;

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珍岛信息技术(上海)股份有限公司,未经珍岛信息技术(上海)股份有限公司许可,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/202011085142.4/2.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