[發明專利]一種面向標準文檔編寫的模板推薦方法

有效

• 申請號: 202110730159.9
• 申請日: 2021-06-29
• 公開（公告）號: CN113378539B
• 公開（公告）日: 2023-02-14
• 發明（設計）人: 蔡毅;彭淇;鄭昌萌
• 申請（專利權）人: 華南理工大學
• 主分類號: G06F40/186
• 分類號: G06F40/186;G06F40/289;G06F40/30
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 何淑珍;江裕強

1.一種面向標準文檔編寫的模板推薦方法，其特征在于，包括以下步驟：

步驟S1、構建標準文檔庫；

步驟S2、用戶通過交互界面輸入需要尋找的標題；

步驟S3、對用戶輸入的字符進行匹配，在標準文檔庫中進行遍歷查找，若存在與用戶輸入字符完全匹配的標題，則返回給用戶標題、標題對應的標準文檔編號以及對應標題下的內容文本；若不存在完全匹配的標題，則轉步驟S4；

步驟S4、對用戶輸入的字符進行分詞，分詞后再進行遍歷匹配，若某標準文檔中的標題包含分詞后的單詞，則返回給用戶標題、標題對應的標準文檔編號以及對應標題下的內容文本，若不存在包含分詞后的單詞，則轉步驟S5；

步驟S5、將分詞后的單詞映射到對應的embedding向量，再對所有分詞單詞的embedding向量進行求平均，同樣對所有標準文檔中的所有標題進行分詞后映射到單詞對應的embedding向量后求平均，若用戶輸入字符的embedding和標題對應的embedding的cosine距離大于的設定值，則返回給用戶標題、標題對應的標準文檔編號以及對應標題下的內容文本；

將分詞后的單詞映射到對應的embedding向量，再對所有分詞單詞的embedding向量進行求平均，計算過程如下：

w_i＝emb(x_i)

其中，emb(·)是embedding映射矩陣；x_i是用戶輸入的文本分詞后對應的第i個單詞；w_i是第i個單詞映射得到的embedding向量；n是用戶輸入文本分詞后的總單詞數；s_user是用戶輸入分詞后所有單詞embedding的平均值；

對標準文檔中的標題進行分詞、分詞后映射到embedding向量、求平均操作，得到標題embedding，對應表示為s_title：

其中，w_h是標準文檔中的標題第h個單詞映射得到的embedding向量；m是標準文檔中的標題分詞后的總單詞數；s_title是標準文檔中的標題分詞后所有單詞embedding的平均值；

若s_user和s_title的cosine距離大于設定值，則返回對應標題、該標題對應的標準文檔編號以及標題下的文本。

2.根據權利要求1所述的面向標準文檔編寫的模板推薦方法，其特征在于，每一個標準文檔包括標準編號、標題以及對應標題下的文本內容。

3.根據權利要求2所述的面向標準文檔編寫的模板推薦方法，其特征在于，步驟S2中，在python的交互介面用戶需要輸入需要尋找的模板標題。

4.根據權利要求3所述的面向標準文檔編寫的模板推薦方法，其特征在于，步驟S4的分詞利用python的jieba分詞庫、pkuseg分詞庫、SnowNLP分詞庫或THULAC分詞庫對輸入進行分詞。

5.根據權利要求4所述的面向標準文檔編寫的模板推薦方法，其特征在于，步驟S5的分詞利用python的jieba分詞庫、pkuseg分詞庫、SnowNLP分詞庫或THULAC分詞庫對輸入進行分詞。

6.根據權利要求5所述的面向標準文檔編寫的模板推薦方法，其特征在于，所述embedding映射矩陣為預訓練的wiki-100中文embedding。

7.根據權利要求6所述的面向標準文檔編寫的模板推薦方法，其特征在于，所述embedding映射矩陣為百度百科語料庫預訓練的中文embedding。

8.根據權利要求7所述的面向標準文檔編寫的模板推薦方法，其特征在于，中文維基百科語料庫預訓練的中文embedding。