[发明专利]用于根据词之间的不确定性而对词间隔进行不对称格式化的系统和方法

说明书

根据词之间的不确定性而对词间隔进行不对称格式化包括初始过滤过程和后续文本格式化过程。含糊度过滤器从语料库或词序列频率数据(输入)生成键和值的映射(输出)。文本格式化过程使用所述值来不对称地调整与键相邻的间隔的宽度。为了分析语料库可以将生成键和值的映射的过滤过程执行一次，并且一旦生成，所述键‑值映射可以被后续文本处理过程使用多次。

相关申请的交叉参考

本申请要求2015年3月10日提交的美国临时专利申请No.62/131,187“SystemsAnd Methods For Asymmetrical Formatting Of Word Spaces According To TheUncertainty Between Words”的优先权，所述临时专利申请以引用的方式整体并入。

技术领域

本发明涉及根据词之间的不确定性来对文本呈现中的词间间隔的宽度进行不对称格式化以提高阅读体验。

背景

短语格式化是用以提高阅读体验的排印技术，其中经常通过使短语之间的词间隔较大并使短语内的词间隔较小来强调句子中的短语。这种不对称词间隔大小设置在文本中提供视觉线索以辅助读者对含义单位进行分块。已示范了这种技术的手动、半自动和自动使用以提高阅读理解力、速度和乐趣。

短语格式化的一种系统和方法(Bever和Robbart，2006)使用具有三层连接模型的人工神经网络：输入层、“隐藏”层和输出层。这个人工神经网络对文本输入数据进行训练，提取模式，诸如短语停顿的可能性，并且为库中所存储的模型的单位建立权重和连接的文件。人工神经网络使用标点和功能词的库作为开始数据并通过跨越文本输入检查三个词序列的滑动窗口来分析来自剖析器的文本。

在这个训练分析期间，其学习对三个词序列中的第二个词处于句子末尾处的可能性进行分类。如果发现了标点或冠词或功能词，则注意第一个和第三个词并将信息添加至库中的数据模型中。否则，检查所存储的数据模型。接下来，基于对三个词序列检查的结果，神经网络将词是短语的开头或末尾的可能性值指派给词之间的间隔。

一旦对文本的语料库进行了训练，神经网络可以用来格式化文本。在输入将要格式化的文本之后，运行神经网络以确定范围从0-3的“C”值，其中“3”指示短语末尾标点，“2”指示较大短语停顿，“1”指示较小短语停顿，并且“0”被指派给所有其它停顿。一旦已建立这些短语边界，就按反向行序逐行地格式化文本边距。接下来，确定每一行中的可用间隔，接着使用短语边界值和可用间隔指派相对间隔值。

另一系统和方法(Bever等人，2012)计算与词项(词)相邻的额外的词汇信息(诸如标点和间隔)的信息量来调整字符突出。在这个方法中，词开头或末尾处的间隔的信息量与间隔字符的频率相对于非间隔标点字符的频率成正比。Bever等人(2012)还描述了第二种方法，其中使用标点在词汇单元之后的可预测性以及标点在下一词汇单元之前的可预测性来计算标点的信息量。

将需要具有用于对词间间隔的宽度进行不对称格式化而无需以下操作的系统和方法：(1)确定词在短语开头或末尾的可能性，(2)使用人工神经网络，或(3)使用标点来确定短语末尾或计算信息量。

参考文献

Aslin,R.N.,Saffran,J.R.,Newport,E.L.(1998).Computation ofconditional probability statistics by 8-month-old infants.Psychologicalscience 9(4),321–324Granaas,Michael.Simple,applied text parsing,209-216.Vol.17.Behavior Research Methods,Instruments,and Computers,1985.