CN107506377A - 基于推荐***的互动绘本生成*** - Google Patents

Abstract

基于推荐***的互动绘本生成***，包括用户信息采集模块、绘本资源管理模块、绘本资源推荐模块和绘本生成模块。所述绘本资源推荐模块采用基于短文本语义相似度计算的绘本资源推荐方法，针对绘本信息的短文本的特征稀疏造成的相似度计算精度不高的缺点对绘本资源相关文本特征使用显性特征和隐性特征相结合的方法进行了有效扩展，从而使绘本资源在应用过程中具有更精确的关联性，在资源推荐应用中的体验得到优化。该方法通过采集用户在平台产生的相关短文本数据，基于短文本语义相似度计算的方法将用户交互信息特征和绘本资源文本特征两部分进行相似度计算，从而推荐出最优的绘本资源，以减少操作人员负担，满足用户个性化定制化的需求。

Description

基于推荐***的互动绘本生成***

技术领域

本发明属于图书及教育领域，特别涉及一种基于短文本语义相似度计算的绘本资源推荐方法，以及基于推荐***的互动绘本生成***。

背景技术

绘本是以图文并茂的形式的少儿图书。绘本的主要特色是提供读者在视觉方面的真实的或是美感的经验，现已广泛用于教育领域。

绘本的内容常具有简单的故事大纲，有时候也会集中呈现某种简单的意义和结构。随着绘本学习及个性化需求程度的增加，绘本应用于线上线下教育的应用逐年增加。传统绘本内容生成完全基于固定的文案及图片。手工绘制生成故事较为单一，图片及故事内容固定，不能满足各个年龄段儿童的个性化需求和教育诉求，已不再满足当今个性化教育的趋势。

国内的定制化绘本概念还停留在或者只是简单地更换姓名、头像的阶段，或者只是简单地信息展现而不能与绘本内容完美结合，尚没有类型项目能够做到将读者的个人信息直接嵌入绘本内容且富于变化的水平。

在文本匹配方面，常通过设定一定的字段来进行确定性的搜索或采用长文本匹配。绘本图片资源均配有相应的短文本描述信息。这些图片资源描述及绘本文本资源均属于一种短文本类型，而短文本的信息处理方法又区别于长文本的信息处理的一般方法，其最大的不同点在于短文本具有非常稀疏的特征。在短文本上直接应用传统的文本表示模型表现效果不佳。向量空间模型是文本建模一般情况下最常用的模型之一，由于短文本特征稀疏的这一特性，使用原始待测文本的词语作为特征项使得文本内容表现力不足，衡量文本间的相似度效果不佳。

发明内容

本发明目的是解决绘本信息短文本的特征稀疏造成的相似度计算精度不高的问题，提供一种基于推荐***的互动绘本生成***。

本发明对文本特征使用显性特征和隐性特征相结合的方法进行了有效扩展，从而使绘本资源在生成绘本过程中具有更精确的关联性。通过前期绘制和编纂工作，本发明已经拥有大量手绘绘本图片资源(包含背景，图片块等)，及大量短文本信息。本***挖掘这些资源的相关性将其生成为一本完整的绘本。

基于推荐***的在绘本生成***中运用兼容内容搜索、语义分析、逻辑匹配、大数据分析的智能文档格式对绘本进行在线生成。***采用短文本语义相似度计算及推荐算法对素材库中文字及图片源进行推荐，并在线整合资源生成独一无二的个性化绘本。

本发明的技术方案：

基于推荐***的互动绘本生成***，主要包括用户信息采集模块、绘本资源管理模块、绘本资源推荐模块和绘本生成模块；

用户信息采集模块，通过收集用户在平台交互的信息，完成用户信息的存储与交互；

绘本资源管理模块，管理所有绘本资源信息的增删和更新，绘本资源包含图片及文本两个部分，每部分资源均有200字以内的短文本对资源进行相应的描述；具体包含绘本背景资源、绘本图片块资源、绘本短文本资源和绘本故事线资源；该模块极大地方便了大量绘本资源的维护和管理；

绘本资源推荐模块，通过与前两个模块的交互，完成对特定用户绘本资源的推荐工作；

绘本生成模块，将绘本资源进行整合拼接，根据其坐标的动态调整和内容的适配，完成最终的个性化绘本。

所述绘本资源推荐模块提供了一种为用户提供个性化绘本资源的基于短文本语义相似度计算的绘本资源推荐方法。该方法针对绘本信息的短文本的特征稀疏造成的相似度计算精度不高的缺点对绘本资源相关文本特征使用显性特征和隐性特征相结合的方法进行了有效扩展，从而使绘本资源在应用过程中具有更精确的关联性，在资源推荐应用中的体验得到优化。该方法通过采集用户在平台的行为产生的相关短文本数据，对该类数据进行数据清洗后，基于短文本语义相似度计算的方法将用户交互信息特征和绘本资源文本特征两部分进行相似度计算，从而推荐出最优的绘本资源即绘本文本及图片资源，然后存入数据库中组成该用户的绘本资源库用于后续定制化绘本的生成，以减少操作人员负担，满足用户个性化定制化的需求。

基于短文本语义相似度计算的绘本资源推荐方法，包括以下步骤：

第1、资源推荐开始；

第2、读取用户基本信息及相关短文本信息；

第3、用户信息与背景资源计算文本相似度进行匹配；

第4、用户信息与图片块资源计算文本相似度进行匹配；

第5、用户信息与文本资源计算文本相似度进行匹配；

第6、检查第3步至第5步三步匹配结果是否符合相关性，经过人工校验后判断是否符合逻辑关联，若为否则返回第3步进行循环，若为是将匹配资源存储至数据库，进行下一步；

第7、结束。

所述第3步至第5步中的匹配算法具体为：

步骤1.选取绘本资源库中的描述性的(图片资源)短文本数据及(纯文本故事)文本数据作为文本数据，分析绘本资源特点，对文本字符串进行分词、去停用词，过滤低频词等文本预处理，达到初步去噪和特征的有效降维。

步骤2.通过分析短文本与长文本在特征表示中的差别，提出使用显性特征与隐性特征相结合的方法。对于短文本特征稀疏的问题，使用基于LDA主题模型的方法处理。

Gibbs采样构建LDA模型的步骤如下：

①.对每个文本词项语料库中的所有词项都按一定概率分配各自对应的一个主题编号；

②.重复遍历文本词项语料库，使用Gibbs采样每个词对应的主题，同时刷新文本词项语料库；

③.对以上的文本词项语料库的采样过程进行多次，直到函数收敛；

④.统计主题-词概率模型，文本-主题概率模型，得到LDA主题模型。

基于短文本语义相似度计算的绘本资源推荐方法中，使用了独创的基于LDA主题模型的特征项扩展方法，针对不同长度的待测文本依据动态比例扩展对应数量的特征词。其核心思想是，将待测文本使用训练后的主题模型进行预测，会使待测文本对主题模型生成的所有主题都有一个语义倾向概率，而主题模型中的每个隐含主题都是由倾向于该主题的词构成的集合，通过把最大概率的主题对应的词扩展到待测文本预处理后的词序列中，使待测文本语义得到不同程度的表达。

本发明的优点和积极效果：

(1)本发明提供的绘本生成***，管理方便操作简单。智能搜集用户个人信息，对用户信息完成个性化推荐生成独一无二的绘本，节省了大量人力成本，极大的降低了绘本制作成本。

(2)本发明运用基于短文本语义相似度计算的绘本资源推荐方法，根据短文本中特征，提出使用显性特征与隐性特征相集合的方法。极大提高了绘本资源推荐的准确程度。

(3)本发明告别传统绘本内容生成完全基于固定的文案及图片，满足各个年龄段儿童的个性化需求和教育诉求。运用全新的智能绘本生成技术，对行业有重大的指导和示范意义。

附图说明

图1为基于推荐***的的互动绘本生成***的***架构图。

图2为基于推荐***的互动绘本生成***业务流程图。

图3为绘本资源推荐模块总体实验流程示意图。

图4文本特征项扩展具体方法流程图。

图5文本特征项扩展具体方法流程图。

图6基于主题的特征的扩展示意图。

图7困惑度随主题数K的变化曲线。

图8拓展不同比例特征词对F1的影响

图9特征扩展前后分类F1值分布。

具体实施方式

实施例1：

本发明提供的基于推荐***的互动绘本生成***，***采用B/S模式，以PHP作为后台语言开发。数据库采用radis、MongoDb、MySql三种数据库相结合。其***总体架构图如图1所示。主要包括用户信息采集模块、绘本资源管理模块、绘本资源推荐模块和绘本生成模块。其主要业务流程及各模块关系如图2所示。

用户信息采集模块，通过收集用户在平台交互的信息，完成用户信息的存储与交互；用户在***前端以游戏的方式进行交互。***通过用户的点击行为和输入行为对用户的信息进行存储。信息包含用户的姓名、年龄、出生日期、出生地个人信息。并通过用户交互操作行为对用户进行性格分析。游戏结束后将所有信息存储于数据库中的用户个人信息表中，在下次产生行为时再次更新。

绘本资源管理模块，可完成所有对绘本资源的管理。管理员登陆***后台***。通过交互可完成对绘本资源信息的上传、删减和更新。绘本资源包含图片及文本两个部分，每部分资源均有200字以内的短文本对资源进行相应的描述；具体包含绘本背景资源、绘本图片块资源、绘本短文本资源和绘本故事线资源；图片资源包含图片块和背景资源两种。包含图片页码、类型、坐标位置、相关描述。文本资源包含文本内容、页码、个性化替换位置字段。管理员可对图片资源和文本资源进行在线编辑。极大地方便了大量绘本资源的维护和管理。

绘本资源推荐模块，通过与前两个模块的交互，完成对特定用户绘本资源的推荐工作；

对于绘本资源推荐模块，其具体层次如图3所示，其实施步骤可如下描述：

(1)从绘本资源数据库中读取数据，将训练文本集合和测试题目文本集合分别做文本预处理，包括题目的信息的结构化，文本分词，利用停用词表去停用词，过滤低频词，生成文本对应的文本向量。

(2)利用训练文本集训练生成LDA主题模型。

(3)将测试题目文本集合中的待测文本使用步骤(2)已生成的LDA主题模型进行主题预测，得到“文档-主题”分布。

(4)找出步骤(3)中得到的“文档-主题”分布中对应待测文本的最大概率主题。

(5)将LDA主题模型的“主题-词”概率分布中的主题的对应的词扩充到待测文本的原始特征词序列中。

(6)利用knn分类实验验证有效性，并进行绘本相关资源推荐。

其具体细节如下。本发明中绘本资源推荐模块的特征扩展层中，利用训练集生成的 LDA主题模型对测试文本集做预测，其得到的“文档-主题”概率分布能够体现测试文本集的每篇文档在各个主题的语义表现概率，概率值高则认为该主题很可能就是当前这个绘本文本所要表达的含义，依据这一假设从扩大有效因子影响的角度出发，找出该文档的最大概率隐含主题，设文档为d，其对应的主题概率分布为(topic₁，topic₂，...topic_k)，最大概率隐含主题表达式为：

最佳主题数K一般通过使用反映主题模型预测数据时主题含义的困惑程度的指标——困惑度来表示，该度量指标取值越小表明主题意义越有区分度。困惑度公式为

其值越低，说明主题类别间意义区分度越大。如图7困惑度随主题数K的变化曲线所示，实验证明在主题数K的逐渐增加的情况下，数据集表现出的困惑度的变化趋势。本实验中主题数以10为步长，分别从10到200取值，当主题数为120的时候，困惑度最小，故最终采用主题数为120的主题模型。

生成的LDA模型中，得到“文档-主题”及“主题-词”两个概率分布。如下表所示

120个主题分别对应120个topic隐含主题，在每个绘本资源对应的分布中，都可以找到一个概率最大的值，比如资源0中对应的第3个主题概率0.421569为该资源对应的所有主题的最大概率，再从表主题-词矩阵中选择第3个主题，即topic2所包含的词项就是特征项待扩展元素。

扩展特征后的文本如下示例：

从上表示例中可以看出，在绘本资源的原特征词的基础上添加对应最大概率主题的词项后的情况，对于表现“原子物理”这个主体类别的题目更具有趋向性，即在题目内容语义表达的程度上，加入的不同的词项增加了题目内容语义的在本主题范围内的广度，如果添加的词项在原特征词中已存在，也会被直接加入到原词序列中，然后重新计算每个特征项的TFIDF值，这种处理方式相当于在题目内容的表达上增加了语义表达的强度。

在进行特征词扩展的时候，扩展的主题特征词的个数是一个需要进一步确定的问题，针对该问题，本文做了如下相关实验，针对扩展相对于待测文本不同数量的特征词对最终分类结果的影响。

如图8所示，横坐标x代表相对于待测字符串长度的比值，比如x＝0.5代表扩展词数为待测文本预处理后原特征词个数的1/2。这里分别取值0、0.5、1、1.5、2、2.5，每个值之间相差0.5，分类综合表现如图8所示。总体趋势是F1值随着比例的增大先逐渐变大后呈现下降趋势，在x＝2的时候F1值表现最佳。从“主题-词”分布结果来看，每个主题对应的特征词的词序都是按照概率值从大到小排列的，F1值通过扩展特征词得到了提升，说明扩展相对于待测文本原特征词数的2倍个数的主题词对分类有正向推动作用，超过2倍个数的部分的词，由于对应当前主题概率过小，使其在本实验的分类中成为了额外的噪声，故F1值出现下降趋势。

特征扩展前后kNN分类结果对比实验中，使用未进行扩展的特征进行了实验，并与本文提出的特征扩展方法做了对比实验。结果数据如图9所示。

在本实验中文本表示方法使用VSM向量空间模型，使用TFIDF方法计算向量中的每个特征项权重，相似度度量指标使用余弦夹角，通过KNN对测试集进行分类，并以分类结果来衡量文本特征扩展方法在实验中的表现效果。如图9所示，深色部分代表扩展后的 F1值，浅色部分代表未进行特征扩展的F1值，使用LDA主题模型特征进行扩展的方法分类效果在各类别的综合F1值表现中均比未进行特征扩展的传统方法要好，说明特征扩展方法在本实验中比传统方法是更有效的。

绘本生成模块，将绘本资源进行整合拼接。在绘本生成阶段，通过用户标识调取数据库中该用户全部所推荐的绘本资源。依据资源页数字段逐页生成绘本页。在生成过程中，根据资源块坐标确定资源在页面中位置。随后***将文字信息中可替换部分通过正则表达式更新为用户个性化信息。最后通过人工动态调整位置和内容的检查后，完成最终的个性化绘本。

Claims (3)

1.一种基于推荐***的互动绘本生成***，包括用户信息采集模块、绘本资源管理模块、绘本资源推荐模块和绘本生成模块；

用户信息采集模块，通过收集用户在平台交互的信息，完成用户信息的存储与交互；

绘本资源管理模块，管理所有绘本资源信息的增删和更新，所述绘本资源包含绘本背景资源、绘本图片块资源、绘本短文本资源和绘本故事线资源；该模块极大地方便了大量绘本资源的维护和管理；

绘本资源推荐模块，通过与前两个模块的交互，完成对特定用户绘本资源的推荐工作；

绘本生成模块，将绘本资源进行整合拼接，根据绘本资源坐标的动态调整和内容的适配，完成最终的个性化绘本。

2.根据权利要求1所述的基于推荐***的互动绘本生成***，其特征在于，所述绘本资源推荐模块提供了一种为用户提供个性化绘本资源的基于短文本语义相似度计算的绘本资源推荐方法；该方法针对绘本信息的短文本的特征稀疏造成的相似度计算精度不高的缺点对绘本资源相关文本特征使用隐性语义特征的方法进行扩充，从而使绘本资源在应用过程中具有更精确的关联性，在资源推荐应用中的体验得到优化；该方法通过用户在平台的行为数据自动推荐绘本文本及图片资源，减少操作人员负担，满足用户个性化定制化的需求；该方法的具体步骤如下：

第1、资源推荐开始；

第2、读取用户基本信息及相关短文本信息；

第3、用户信息与背景资源计算文本相似度进行匹配；

第4、用户信息与图片块资源计算文本相似度进行匹配；

第5、用户信息与文本资源计算文本相似度进行匹配；

第6、检查第3步至第5步三步匹配结果是否符合相关性，人工校验后判别是否符合逻辑关联，若为否则返回第3步进行循环，若为是将匹配资源存储至数据库，进行下一步；

第7、结束。

3.根据权利要求2所述的基于推荐***的互动绘本生成***，其特征在于，所述第3步至第5步中的匹配算法具体为：

步骤1、选取绘本资源库中的描述性的短文本数据及文本数据作为文本数据，分析绘本资源特点，对文本字符串进行分词、去停用词，过滤低频词的文本预处理，达到初步去噪和特征的有效降维；

步骤2、通过分析短文本与长文本在特征表示中的差别，提出使用显性特征与隐性特征相结合的方法；对于短文本特征稀疏的问题，使用基于LDA主题模型的方法处理。