[發明專利]一種文檔輔助編輯的方法和系統

有效

• 申請號: 202010963770.1
• 申請日: 2020-09-14
• 公開（公告）號: CN112084753B
• 公開（公告）日: 2021-06-29
• 發明（設計）人: 李延
• 申請（專利權）人: 蘇州七星天專利運營管理有限責任公司
• 主分類號: G06F40/166
• 分類號: G06F40/166;G06F40/14;G06F40/197;G06N20/00
• 代理公司: 成都七星天知識產權代理有限公司 51253
• 代理人: 楊永梅

1.一種文檔輔助編輯的方法，應用于客戶端，包括：

接收并顯示服務器基于第一文本獲取的第二文本的文本結構；

所述第一文本包括至少一條論述，每條所述論述包括至少一個關鍵點；

所述第二文本的文本結構為樹形結構，包括與所述至少一條論述或/和所述至少一個關鍵點對應的至少一個結構節點，所述結構節點通過人工輸入生成，或者通過結構節點生成模型生成；所述結構節點生成模型為機器學習模型，輸入特征包括所述結構節點的上級結構節點的內容特征和平級結構節點的內容特征；其中，所述上級結構節點的內容特征或所述平級結構節點的內容特征包括所述上級結構節點或所述平級結構節點的以下一種或多種特征：對應的論述、對應的關鍵點、對應的文本單元的類型和對所述對應的文本單元的相關要求；

所述第二文本還包括與所述至少一個結構節點對應的至少一個文本單元，所述至少一個文本單元用于說明所述第一文本；

檢測到所述結構節點被觸發時，生成所述結構節點對應的目標文本單元的獲取請求，并將所述獲取請求發送給所述服務器；

接收并顯示所述服務器獲取的所述目標文本單元。

2.由權利要求1所述的方法，所述內容特征還包括：所述對應的關鍵點的關鍵點類型特征；

所述結構節點生成模型為神經網絡模型，通過訓練生成。

3.由權利要求2所述的方法，還包括：

所述關鍵點類型特征通過關鍵點類型判別模型獲得；

所述關鍵點類型判別模型為機器學習模型，包括嵌入子模型和分類子模型；

所述嵌入子模型基于關鍵點文本生成關鍵點文本表示向量；

所述分類子模型基于所述關鍵點文本表示向量生成所述關鍵點類型特征。

4.由權利要求1所述的方法，所述方法還包括：

顯示所述目標文本單元的多個相鄰文本單元；

獲取對所述目標文本單元的修改指令；

執行所述修改指令后，顯示更新后的所述目標文本單元。

5.由權利要求4所述的方法，還包括：

基于保存的觸發條件，向所述服務器發送當前所述第二文本的版本；

顯示所述服務器提供的多個所述第二文本的所述文本結構的版本差異；

顯示所述服務器提供的多個所述第二文本的所述文本單元的版本差異。

6.一種文檔輔助編輯的系統，包括：

文本結構接收模塊，用于接收并顯示服務器基于第一文本獲取的第二文本的文本結構；

所述第一文本包括至少一條論述，每條所述論述包括至少一個關鍵點；

所述第二文本的文本結構為樹形結構，包括與所述至少一條論述或/和所述至少一個關鍵點對應的至少一個結構節點，所述結構節點通過人工輸入生成，或者通過結構節點生成模型生成；所述結構節點生成模型為機器學習模型，輸入特征包括所述結構節點的上級結構節點和平級結構節點的內容特征；其中，所述上級結構節點的內容特征或所述平級結構節點的內容特征包括所述上級結構節點或所述平級結構節點的以下一種或多種特征：對應的論述、對應的關鍵點、對應的文本單元的類型和對所述對應的文本單元的相關要求；

所述第二文本還包括與所述至少一個結構節點對應的至少一個文本單元，所述至少一個文本單元用于說明所述第一文本；

文本單元請求模塊，用于檢測到所述結構節點被觸發時，生成所述結構節點對應的目標文本單元的獲取請求，并將所述獲取請求發送給所述服務器；

文本單元顯示模塊，用于接收并顯示所述服務器獲取的所述目標文本單元。

7.由權利要求6所述的系統，還包括：

所述內容特征還包括所述關鍵點的關鍵點類型特征；所述結構節點生成模型為神經網絡模型，通過訓練生成。

8.由權利要求7所述的系統，還包括：

所述關鍵點類型特征通過關鍵點類型判別模型獲得；

所述關鍵點類型判別模型為機器學習模型，包括嵌入子模型和分類子模型；

所述嵌入子模型基于關鍵點文本生成關鍵點文本表示向量；

所述分類子模型基于所述關鍵點文本表示向量生成所述關鍵點類型特征。