[发明专利]演示文稿生成方法、装置、计算机可读存储介质及服务器

权利要求书

1.一种演示文稿生成方法，其特征在于，包括：

获取终端设备发送的演示文稿生成模式选择指令；其中，所述演示文稿生成模式选择指令用于对演示文稿的生成模式进行指示；

提取所述演示文稿生成模式选择指令中的身份标识信息，并在预设的演示文稿素材库中查找目标演示文稿素材分库；其中，所述目标演示文稿素材分库为与所述身份标识信息对应的演示文稿素材分库；

提取所述演示文稿生成模式选择指令中的模式选择字段；其中，所述模式选择字段的取值为预设的第一数值或预设的第二数值，所述第一数值对应自定义生成模式，所述第二数值对应人工智能生成模式；

若所述模式选择字段为所述第二数值，则获取所述终端设备发送的第二演示文稿生成指令，并从所述第二演示文稿生成指令中提取第一关键词集合；

基于预设的词语向量数据库将扩充关键词添加入所述第一关键词集合，得到第二关键词集合；其中，所述扩充关键词为根据预设的孪生神经网络计算得到的与所述第一关键词集合中的任意一个关键词之间的匹配度大于预设的匹配度阈值的词语；所述孪生神经网络是以最小化如下式所示的损失函数为目标训练得到的：

其中，s为预设的训练样本集中的训练样本对的序号，1≤s≤SN，SN为所述训练样本集中的训练样本对的总数，SN为正整数，每个训练样本对均包括两个同义词的词语向量，Vec_s,1为与所述训练样本集中的第s个训练样本对对应的第一输出结果，Vec_s,2为与所述训练样本集中的第s个训练样本对对应的第二输出结果，|| ||₂为向量的模，Loss为所述损失函数；

根据所述第二关键词集合在所述目标演示文稿素材分库中查找第三演示文稿素材集合；

将所述第三演示文稿素材集合中的各个演示文稿素材组合为第二演示文稿，并将所述第二演示文稿发送至所述终端设备。

2.根据权利要求1所述的演示文稿生成方法，其特征在于，在提取所述演示文稿生成模式选择指令中的模式选择字段之后，还包括：

若所述模式选择字段为所述第一数值，则从所述目标演示文稿素材分库中提取第一演示文稿素材集合，并将所述第一演示文稿素材集合发送至所述终端设备；

获取所述终端设备发送的第一演示文稿生成指令，并从所述第一演示文稿生成指令中提取第二演示文稿素材集合；

将所述第二演示文稿素材集合中的各个演示文稿素材组合为第一演示文稿，并将所述第一演示文稿发送至所述终端设备。

3.根据权利要求1所述的演示文稿生成方法，其特征在于，所述基于预设的词语向量数据库将扩充关键词添加入所述第一关键词集合，得到第二关键词集合，包括：

分别计算所述词语向量数据库中的各个词语与所述第一关键词集合中的各个关键词之间的匹配度；

从所述词语向量数据库中选取所述扩充关键词；

将所述扩充关键词添加入所述第一关键词集合，得到所述第二关键词集合。

4.根据权利要求3所述的演示文稿生成方法，其特征在于，所述分别计算所述词语向量数据库中的各个词语与所述第一关键词集合中的各个关键词之间的匹配度，包括：

使用所述孪生神经网络中的第一分支对第一词语的词语向量进行编码，得到第一特征向量；其中，所述第一词语为所述词语向量数据库中的任意一个词语；

使用所述孪生神经网络中的第二分支对第二词语的词语向量进行编码和非线性变换，得到第二特征向量；其中，所述第二词语为所述第一关键词集合中的任意一个关键词；

计算所述第一特征向量和所述第二特征向量之间的余弦相似度，并将所述余弦相似度作为所述第一词语与所述第二词语之间的匹配度。

5.根据权利要求4所述的演示文稿生成方法，其特征在于，在分别计算所述词语向量数据库中的各个词语与所述第一关键词集合中的各个关键词之间的匹配度之前，还包括：

获取所述训练样本集；

将所述训练样本集的各个训练样本对分别输入至所述孪生神经网络中，并分别获取所述第一分支的第一输出结果和所述第二分支的第二输出结果；

根据所述第一输出结果和所述第二输出结果计算所述孪生神经网络的损失函数；

以最小化所述损失函数为目标对所述孪生神经网络进行训练，得到训练后的孪生神经网络。