[發(fā)明專(zhuān)利]一種從分詞凈文本到富格式文本的著色方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202011469359.5
• 申請(qǐng)日: 2020-12-14
• 公開(kāi)（公告）號(hào): CN112560405A
• 公開(kāi)（公告）日: 2021-03-26
• 發(fā)明（設(shè)計(jì)）人: 張勇;朱立松
• 申請(qǐng)（專(zhuān)利權(quán)）人: 央視國(guó)際網(wǎng)絡(luò)無(wú)錫有限公司
• 主分類(lèi)號(hào): G06F40/166
• 分類(lèi)號(hào): G06F40/166;G06F16/84;G06F16/958
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種從分詞凈文本到富格式文本的著色方法，其特征在于：包含以下步驟：

S1：將分詞凈文本權(quán)重序列轉(zhuǎn)為字權(quán)重序列；

S2：指定權(quán)重值對(duì)應(yīng)的顏色，并形成顏色序列；

S3：使用Needleman_Wunsch計(jì)算字權(quán)重序列和顏色序列之間的最佳對(duì)齊結(jié)果；

S4：令分詞凈文本權(quán)重序列為str1，令富文本序列為str2，利用S3中的方法確定str1中的第i個(gè)字符可以對(duì)齊到str2中的第j個(gè)字符，將str1中的第i個(gè)字符的前后插入顏色標(biāo)簽。

2.根據(jù)權(quán)利要求1所述的從分詞凈文本到富格式文本的著色方法，其特征在于：所述分詞凈文本中的每一個(gè)字都有自己的權(quán)重值。

3.根據(jù)權(quán)利要求2所述的從分詞凈文本到富格式文本的著色方法，其特征在于：所述權(quán)重值可以為任意實(shí)數(shù)。

4.根據(jù)權(quán)利要求3所述的從分詞凈文本到富格式文本的著色方法，其特征在于：所述S3包含以下步驟：

A1：計(jì)算兩個(gè)字符串的長(zhǎng)度；

A2：建立一個(gè)len(str1)+1行l(wèi)en(str2)+1列的矩陣表格，全部初始化為0，然后在第1行和第1列每隔一位減3并填入數(shù)字；

A3：開(kāi)始填入表格中的其余數(shù)字；

A4：根據(jù)表格F(i,j)來(lái)確定最佳對(duì)齊序列。

5.根據(jù)權(quán)利要求4所述的從分詞凈文本到富格式文本的著色方法，其特征在于：所述A3中填入方法為：比較表格位置對(duì)應(yīng)的兩個(gè)字符串的字符；使用F(i,j)表示表格中第i行第j列的值，顯然F(0,0)＝0，且表格的第1行和第1列都已經(jīng)初始化；則有

其中x_i表示字符串str1中的第i個(gè)字符，x_j表示字符串str2中的第j個(gè)字符，s(x_i,x_j)判斷這兩個(gè)字符串是否相同，若相同值為8，若不同值為-5，d為加入空位進(jìn)行匹配的情況，d＝-3。

6.根據(jù)權(quán)利要求5所述的從分詞凈文本到富格式文本的著色方法，其特征在于：所述A4中確定最佳對(duì)其序列的方法為：從表格的最右下端開(kāi)始，考察相鄰的4個(gè)元素，分別是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)中尋找最大的一個(gè)，以下為三種情況：

*若F(i-1,j-1)最大，則進(jìn)一步判斷是否F(i,j)F(i-1,j-1)，若成立，說(shuō)明str1的第i個(gè)字符對(duì)齊到str2的第j個(gè)字符；若不成立，說(shuō)明str1的第i個(gè)字符在str2中沒(méi)有對(duì)齊字符；

*若F(i-1,j)最大，說(shuō)明str1的第i個(gè)字符在str2中沒(méi)有對(duì)齊字符；

*若F(i,j-1)最大，說(shuō)明str1的第i個(gè)字符和str2的第j個(gè)字符不匹配，需要向前繼續(xù)尋找str2中的第j-1個(gè)字符看是否可以匹配；

通過(guò)以上步驟可以得到str1中的第i個(gè)字符對(duì)齊到str2中的第j個(gè)字符的映射表：(i→j),注意當(dāng)str1中的第i個(gè)字符在str2中沒(méi)有對(duì)齊字符時(shí)，j的值取無(wú)效值-1。