[发明专利]一种从分词净文本到富格式文本的着色方法在审
申请号: | 202011469359.5 | 申请日: | 2020-12-14 |
公开(公告)号: | CN112560405A | 公开(公告)日: | 2021-03-26 |
发明(设计)人: | 张勇;朱立松 | 申请(专利权)人: | 央视国际网络无锡有限公司 |
主分类号: | G06F40/166 | 分类号: | G06F40/166;G06F16/84;G06F16/958 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 214000 江苏省无锡市新区震泽路1*** | 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 分词 文本 格式 着色 方法 | ||
本发明涉及计算机信息处理领域,具体涉及一种从分净文本到富格式文本的着色方法,旨在解决现有技术中转换过程中容易丢失了原富格式文本中的格式信息形成的问题,其技术要点在于:包含以下步骤:S1:将分词净文本权重序列转为字权重序列;S2:指定权重值对应的颜色,并形成颜色序列;S3:使用Needleman_Wunsch计算字权重序列和颜色序列之间的最佳对齐结果;S4:令分词净文本权重序列为str1,令富文本序列为str2,利用S3中的方法确定str1中的第i个字符可以对齐到str2中的第j个字符,将str1中的第i个字符的前后插入颜色标签。可以在不丢失富文本格式信息的情况下利用净分词权重序列对富文本进行着色。
技术领域
本发明涉及计算机信息处理领域,具体涉及一种从分词净文本到富格式文本的着色方法。
背景技术
众所周知,互联网文本基本上都是富格式文本,但是AI模型在对这些文本进行处理时,需要首先去掉所有的超文本标签,只对文本的实际内容进行处理。这就导致了富格式信息的丢失,在重新显示出来时,也就显示不出来原文中的各种格式信息了。
发明内容
因此,本发明要解决的技术问题在于克服现有技术中转换过程中容易丢失了原富格式文本中的格式信息形成的缺陷,从而提供一种从分词净文本到富格式文本的着色方法。
本发明的上述技术目的是通过以下技术方案得以实现的:
一种从分词净文本到富格式文本的着色方法,包含以下步骤:
S1:将分词净文本权重序列转为字权重序列;
S2:指定权重值对应的颜色,并形成颜色序列;
S3:使用Needleman_Wunsch计算字权重序列和颜色序列之间的最佳对齐结果;
S4:令分词净文本权重序列为str1,令富文本序列为str2,利用S3中的方法确定str1中的第i个字符可以对齐到str2中的第j个字符,将str1中的第i个字符的前后插入颜色标签。
优选的,所述分词净文本中的每一个字都有自己的权重值。
优选的,所述权重值为可以为任意实数。
优选的,所述S3包含以下步骤:
A1:计算两个字符串的长度;
A2:建立一个len(str1)+1行len(str2)+1列的矩阵表格,全部初始化为0,然后在第1行和第1列每隔一位减3并填入数字;
A3:开始填入表格中的其余数字;
A4:根据表格F(i,j)来确定最佳对齐序列。
优选的,所述A3中填入方法为:比较表格位置对应的两个字符串的字符;使用F(i,j)表示表格中第i行第j列的值。显然F(0,0)=0,且表格的第1行和第1列都已经初始化;则有
其中xi表示字符串str1中的第i个字符,xj表示字符串str2中的第j个字符。s(xi,xj)判断这两个字符串是否相同,若相同值为8,若不同值为-5。d为加入空位进行匹配的情况,d=-3。
优选的,所述A4中确定最佳对其序列的方法为:从表格的最右下端开始,考察相邻的4个元素,分别是F(i,j),F(i-1,j-1),F(i-1,j),F(i,j-1)。在F(i-1,j-1),F(i-1,j),F(i,j-1)中寻找最大的一个;以下为三种情况:
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央视国际网络无锡有限公司,未经央视国际网络无锡有限公司许可,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/202011469359.5/2.html,转载请声明来源钻瓜专利网。
- 上一篇:一种机器人用外置屏幕防护装置
- 下一篇:一种起重机减速机减振结构及起重机