CN119397039A 幻灯片处理方法及装置 （珠海金山办公软件有限公司）

本发明实施例提供了一种幻灯片处理方法定所述待处理幻灯片中至少一个目标文本对应述N为正整数；确定每个所述第一聚类类别的第根据所述第一聚类中心的排序结果，为N个所述第一聚类类别中的所述第一分值对应的所述目大纲层级从1开始并且连续，可以使得预测的大2根据所述第一聚类中心的排序结果，为N个所述第一聚类类别中的所述第一分值对应获取至少一个所述目标文本对应的所述第一分值在所述分值数量未大于所述预设数量阈值的情况下确定至少一个所述目标文本对应的所述第一在所述方差大于所述预设方差阈值的情况下，确定将在所述方差未大于所述预设方差阈值的情况下，为至少一个确定所述待处理幻灯片中至少一个目标文本将至少一个所述目标文本的所述文本特征输入至预所述第一分值的大小表征至少一个所述目标文确定每个所述幻灯片样本集中幻灯片样本的将至少一个所述文本样本的所述文本特征样本输入至3根据所述第二聚类中心的排序结果，为M个所述第二聚类类别中的所述第二分值对应确定每个所述幻灯片样本集中幻灯片样本的至少一个所述文本样本的标注大纲层级基于每个所述幻灯片样本集中幻灯片样本的至少一个所述文本样本的所述第二大纲根据所述大纲层级误差与所述对比误差对所述预设的对所述大纲层级误差与所述对比误差进行加权运算，得对任一所述目标文本的多个所述文本特征分对任一所述目标文本的多个文本向量进行横向对至少一个所述目标文本的文本向量组进行纵向拼接对任一所述文本样本的多个所述文本特征样本分别进行向量对任一所述文本样本的多个文本向量样本进行横向拼接处对至少一个所述文本样本的文本向量组样本进行纵向拼接处从所有文本中查找样式类型为正文的至少一个文本第一分值确定模块，用于确定所述待处理幻灯片中至少一个目标文本对应的第一分4第一聚类中心排序模块，用于确定每个所述第一类别中的所述第一分值对应的所述目标文本赋予5灯片中文本对应着多少不同的大纲层级，以及文本从属于哪个大纲层级，以方便后续进一Listwise三种。对于Pointwise，将幻灯片中每一段文本视作单独的训练样本，对于Pairwise，将幻灯片中两段文本之间的重要程度的大小关系视作单独的训练样本，对于[0010]根据所述第一聚类中心的排序结果，为N个所述第一聚类类别中的所述第一分值6应的所述第一分值的大小表征至少一个所述目标[0030]根据所述第二聚类中心的排序结果，为M个所述第二聚类类别中的所述第二分值[0031]确定每个所述幻灯片样本集中幻灯片样本的至少一个所述文本样本的标注大纲[0032]基于每个所述幻灯片样本集中幻灯片样本的至少一个所述文本样本的所述第二7[0035]基于每个所述幻灯片样本集中幻灯片样本的至少一个所述文本样本的所述第二[0036]将每个所述幻灯片样本集中幻灯片样本里不同的所述第二大纲层级以及每个所述幻灯片样本集中幻灯片样本的至少一个所述文本样本，输入至有监督对比学习损失函设的神经网络进行训练，并在所述大纲层级误差与所述对比误差满足预设条件的情况下，[0046]对至少一个所述目标文本的文本向量组进行纵向拼接处理，得[0048]所述将至少一个所述文本样本的所述文本特征样本输入至预设的神经网络，包8[0058]第一分值聚类模块，用于对至少一个所述目标文本对应的所述第一分值进行聚[0065]相同大纲层级赋予模块，用于在所述分值数量未大于所述预设数量阈值的情况的神经网络，获取所述预训练的神经网络输出的至少一个所述目标文本对应的第一分值，至少一个所述目标文本对应的所述第一分值的大小表征至少一个所述目标文本所属的大9[0078]第二分值聚类模块，用于对至少一个所述文本样本对应的所述第二分值进行聚述文本样本的标注大纲层级与所述第二大纲层级[0085]基于每个所述幻灯片样本集中幻灯片样本的至少一个所述文本样本的所述第二[0086]将每个所述幻灯片样本集中幻灯片样本里不同的所述第二大纲层级以及每个所述幻灯片样本集中幻灯片样本的至少一个所述文本样本，输入至有监督对比学习损失函[0096]对至少一个所述目标文本的文本向量组进行纵向拼接处理，得第一分值进行聚类，得到N个第一聚类类别，对每个第一聚类类别的第一聚类中心进行排序，根据排序结果为N个第一聚类类别中的第一分值对应的目标文本赋予相应的第一大纲方便后续进一步对不同的大纲层级的至少一个目标文本进行智能修改字体和位置重新摆[0125]其中，为了预测待处理幻灯片中至少一个目标文本对应着多少个第一聚类类别，由此可以知道待处理幻灯片中至少一个目标文本对应着3个不同的大纲类类别B中的第一分值对应的目标文本赋予为N个第一聚类类别中的第一分值对应的目标文本赋予相应的第一大纲层级，如此可以保[0149]在本发明实施例中，将至少一个目标文本的文本特征输入至预理幻灯片中至少一个目标文本属于同一大纲层级，且待处理幻灯片也只有唯一大纲层级，[0157]在本发明实施例中，在分值数量大于预设数量阈值的情况下，就可以使用例如[0173]在本发明实施例中，在方差大于预设方差阈值的情况下，就可以使用例如一分值的方差未大于预设方差阈值的情况下，为至少一个目标文本全部赋予第四大纲层中的第一分值对应的目标文本赋予相应的第一大纲层级，如此可以保证大纲层级从1开始片样本集中(每张)幻灯片样本的至少一个灯片样本集中(每张)幻灯片样本的至少一个文样本对应的第二分值进行聚类得到的M个第二聚类类别，可以确定每个第二聚类类别的第本集中(每张)幻灯片样本的至少一个文本样本的标注大纲层级与第二大纲层级之间的大[0200]S508，基于每个幻灯片样本集中幻灯片样本的至少一个文本样本的第二大纲层[0203]将每个幻灯片样本集中幻灯片样本里不同的第二大纲层级以及每个幻灯片样本此基础之上加上了分子，一是为了避免分母除0的情况的发生，二是可以使得此部分处于[0216]第一分值确定模块620，用于确定所述待处理幻灯片中至少一个目标文本对应的[0217]第一分值聚类模块630，用于对至少一个所述目标文本对应的所述第一分值进行第一聚类类别中的所述第一分值对应的所述目标文[0224]相同大纲层级赋予模块，用于在所述分值数量未大于所述预设数量阈值的情况的神经网络，获取所述预训练的神经网络输出的至少一个所述目标文本对应的第一分值，至少一个所述目标文本对应的所述第一分值的大小表征至少一个所述目标文本所属的大[0237]第二分值聚类模块，用于对至少一个所述文本样本对应的所述第二分值进行聚述文本样本的标注大纲层级与所述第二大纲层级[0244]基于每个所述幻灯片样本集中幻灯片样本的至少一个所述文本样本的所述第二[0245]将每个所述幻灯片样本集中幻灯片样本里不同的所述第二大纲层级以及每个所述幻灯片样本集中幻灯片样本的至少一个所述文本样本，输入至有监督对比学习损失函[0255]对至少一个所述目标文本的文本向量组进行纵向拼接处理，得根据所述第一聚类中心的排序结果，为N个所述第一聚类类别中的所述第一分值对应的所[0268]上述电子设备提到的通信总线可以是外设部件互连标准(PeripheralComponentInterconnect，简称PCI)总线或扩展工业标准结构(ExtendedIndustryStandard[0271]上述的处理器可以是通用处理器，包括中央处理器(CentralProcessi简称CPU)、网络处理器(NetworkProcessor，简称NP)等；还可以是数字信号处理器(DigitalSignalProcessing，简称DSP)、专用集成电路(ApplicationSpecific