[发明专利]预览文件生成方法、文件预览方法、装置及计算设备

说明书

本发明公开了一种预览文件生成方法、文件预览方法、装置及计算设备。预览文件生成方法包括：获取源文件；确定源文件对应的各个文件单元，并提取各个文件单元的内容语义；基于各个文件单元的内容语义，对文件单元进行聚类，以生成源文件对应的多个类簇；根据源文件对应的多个类簇对源文件进行分割，以生成源文件对应的多个预览文件。本方案将源文件进行分割来生成对应的多个预览文件，每个预览文件的数据量较小，从而预览文件的生成及传输效率高，便于及时展示预览文件，提升用户体验；而且本方案在分割过程中是基于源文件中各个文件单元的内容语义的关联性进行分割，从而使得每个预览文件中的内容关联性强，进一步提升用户的预览体验。

技术领域

本发明涉及文件处理技术领域，具体涉及一种预览文件生成方法、文件预览方法、装置及计算设备。

背景技术

随着互联网技术的不断发展，互联网中各类电子文件不断涌现。伴随电子文件数量的不断增多，文件预览技术应运而生。文件预览技术能够使用户无需下载源文件，便可以在用户终端中直接查看文件。

然而，发明人在实施过程中发现，现有技术中用户预览的文件较大时，会存在预览请求响应时间较长，用户终端无法及时显示预览文件的弊端，从而降低用户体验。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的预览文件生成方法、文件预览方法、装置及计算设备。

根据本发明的第一方面，提供了一种预览文件生成方法，包括：

获取源文件；

确定所述源文件对应的各个文件单元，并提取各个文件单元的内容语义；

基于各个文件单元的内容语义，对所述文件单元进行聚类，以生成所述源文件对应的多个类簇；

根据所述源文件对应的多个类簇对所述源文件进行分割，以生成所述源文件对应的多个预览文件。

在一种可选的实施方式中，所述提取各个文件单元的内容语义进一步包括：

针对于任一文件单元，提取该文件单元的至少一个内容特征；

确定每个所述内容特征对应的权重；

根据所述至少一个内容特征以及所述每个所述内容特征对应的权重，计算该文件单元的内容语义。

在一种可选的实施方式中，所述基于各个文件单元的内容语义，对所述文件单元进行聚类，以生成所述源文件对应的多个类簇进一步包括：

根据所述源文件的文件大小以及分割阈值，确定所述源文件对应的预览文件数量，并将所述源文件对应的预览文件数量作为类簇数量参数；

基于各个文件单元的内容语义以及所述类簇数量参数对所述文件单元进行聚类，以生成所述源文件对应的多个类簇；其中，所述多个类簇的数量与所述类簇数量参数一致。

在一种可选的实施方式中，所述基于各个文件单元的内容语义，对所述文件单元进行聚类，以生成所述源文件对应的多个类簇进一步包括：

根据各个文件单元的内容语义，计算所述源文件对应的语义方差；

根据所述源文件对应的语义方差，确定初始聚类中心；

根据所述初始聚类中心，采用迭代聚类算法基于各个文件单元的内容语义，对文件单元进行聚类，以生成所述源文件对应的多个类簇。

在一种可选的实施方式中，所述根据所述源文件对应的多个类簇对所述源文件进行分割，以生成所述源文件对应的多个预览文件进一步包括：

确定各个类簇的簇心对应的目标文件单元；

按照所述目标文件单元的编码的大小顺序，对所述目标文件单元进行排序；