[发明专利]中文字型推荐设备、系统及其方法在审

专利信息
申请号: 202110193543.X 申请日: 2021-02-20
公开(公告)号: CN114662451A 公开(公告)日: 2022-06-24
发明(设计)人: 周遵儒;林佳璇 申请(专利权)人: 周遵儒
主分类号: G06F40/109 分类号: G06F40/109;G06F40/205;G06F40/284;G06F40/289;G06K9/62
代理公司: 隆天知识产权代理有限公司 72003 代理人: 黄艳
地址: 中国台*** 国省代码: 台湾;71
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 中文 字型 推荐 设备 系统 及其 方法
【权利要求书】:

1.一种中文字型推荐系统,其特征在于,包括:

一数据库,其存储有多个感知形容词及其对应的多个隐喻词汇与多个字型;以及

一字型推荐设备,其通信连接该数据库,以自该数据库取得该多个感知形容词及其对应的多个隐喻词汇与多个字型,并于接收一使用者输入的一目标文句后,利用一隐喻词汇相似度期望值演算法分别计算该目标文句对应该多个感知形容词所对应的隐喻词汇的相似度期望值,

其中,该字型推荐设备将计算出的该多个感知形容词所对应的隐喻词汇的相似度期望值的最大者作为该目标文句的感知形容词,以依据该目标文句的感知形容词取得该多个字型所对应者,以将该多个字型所对应者推荐给该使用者。

2.如权利要求1所述的中文字型推荐系统,其特征在于,该字型推荐设备包括一收集模块,用以接收该使用者输入的目标文句,并自该数据库取得该多个感知形容词及其对应的多个隐喻词汇与多个字型。

3.如权利要求1所述的中文字型推荐系统,其特征在于,该字型推荐设备包括一分词及匹配模块,其用以将该目标文句进行分词以形成多个目标分词,并将该多个目标分词及该多个隐喻词汇形成对应的多个目标分词向量及多个隐喻词汇向量,以依据该目标文句的多个目标分词向量与该多个感知形容词的多个隐喻词汇向量,利用该隐喻词汇相似度期望值演算法分别计算该目标文句对应该多个感知形容词所对应的隐喻词汇的相似度期望值。

4.如权利要求3所述的中文字型推荐系统,其特征在于,该分词及匹配模块利用结巴分词演算法将该目标文句进行分词以形成多个目标分词,并通过一神经网络的Word2vec模型将该多个目标分词及该多个隐喻词汇形成对应的该多个目标分词向量及该多个隐喻词汇向量。

5.如权利要求1所述的中文字型推荐系统,其特征在于,该字型推荐设备包括一指派模块,其用以依据该目标文句的感知形容词,从该数据库中的一感知形容词对应的隐喻词汇及字型表中,取得该目标文句的感知形容词对应的多个字型。

6.如权利要求1所述的中文字型推荐系统,其特征在于,该字型推荐设备包括一输出模块,用以推荐该目标文句的多个字型给该使用者。

7.一种中文字型推荐方法,其特征在于,包括:

取得多个感知形容词及其对应的多个隐喻词汇与多个字型,并接收一使用者输入的一目标文句;

利用一隐喻词汇相似度期望值演算法分别计算该目标文句对应该多个感知形容词所对应的隐喻词汇的相似度期望值;

将计算出的该多个感知形容词所对应的隐喻词汇的相似度期望值的最大者作为该目标文句的感知形容词;以及

依据该目标文句的感知形容词取得该多个字型所对应者,以将该多个字型所对应者推荐给该使用者。

8.如权利要求7所述的中文字型推荐方法,其特征在于,该方法还包括将该目标文句进行分词以形成多个目标分词,以将该多个目标分词及该多个隐喻词汇形成对应的多个目标分词向量及多个隐喻词汇向量,且依据该目标文句的多个目标分词向量与该多个感知形容词的多个隐喻词汇向量利用该隐喻词汇相似度期望值演算法分别计算该目标文句对应该多个感知形容词所对应的隐喻词汇的相似度期望值。

9.如权利要求8所述的中文字型推荐方法,其特征在于,该方法还包括利用结巴分词演算法将该目标文句进行分词以形成多个目标分词,以通过一神经网络的Word2vec模型将该多个目标分词及该多个隐喻词汇形成对应的该多个目标分词向量及该多个隐喻词汇向量。

10.一种中文字型推荐设备,用以取得多个感知形容词及其对应的多个隐喻词汇与多个字型以及接收一使用者输入的一目标文句,再利用一隐喻词汇相似度期望值演算法分别计算该目标文句对应该多个感知形容词所对应者的隐喻词汇的相似度期望值,其中,该多个感知形容词所对应者的隐喻词汇的相似度期望值的最大者作为该目标文句的感知形容词,以依据该目标文句的感知形容词取得该多个字型所对应者,以将该多个字型所对应者推荐给该使用者。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于周遵儒,未经周遵儒许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110193543.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top