适用于ppt的页面推荐方法及电子设备技术

本公开提供了一种适用于ppt的页面推荐方法及电子设备，其中方法包括：提取ppt文件中页面的图像整体特征，通过第一图像无监督编码模型对图像整体特征进行编码，得到第一图像向量编码，ppt文件包括含有待选择页面的第一ppt文件和预设素材池中的第二ppt文件；提取第二ppt文件的页面和待选择页面中的图像结构特征，通过第二图像无监督编码模型对图像结构特征进行编码，得到第二图像向量编码；根据第一图像向量编码和第二图像向量编码，分别确定第二ppt文件中页面与待选择页面的第一相似度和第二相似度；确定第一相似度和第二相似度的平均值，得到第三相似度，将第二ppt文件中第三相似度大于预设等于阈值的页面作为相似页面推荐给待选择页面。给待选择页面。给待选择页面。

【技术实现步骤摘要】
适用于ppt的页面推荐方法及电子设备


[0001]本公开涉及页面推荐
，具体涉及一种适用于ppt的页面推荐方法及电子设备。

技术介绍

[0002]目前，许多用户的ppt素材库中存在大量行业ppt文案素材，不同的ppt文案素材按照需求会被切分为不同功能线的ppt素材，各功能线的ppt素材之间都会有一定的关联，为了方便用户在日常会议沟通或者再次对外展示ppt文案时对文案进行二次修改，可以基于用户当前的需求对以往的ppt进行检索推荐，以实现二次创作。
[0003]然而，相关技术中从ppt素材库中推荐ppt页面时，只能通过检索ppt素材库中相似的文本信息进行推荐，无法满足用户对ppt页面的相似排版或相似布局的需求。
[0004]针对相关技术中无法满足用户对ppt页面的相似排版或相似布局需求的问题，目前尚未提出有效的技术解决方案。

技术实现思路

[0005]本公开的主要目的在于提供一种适用于ppt的页面推荐方法及电子设备，以解决现有技术中无法满足用户对ppt页面的相似排版或相似布局需求的问题。
[0006]为了实现上述目的，本公开的第一方面提供了一种适用于ppt的页面推荐方法，包括：
[0007]提取ppt文件中页面的图像整体特征，通过第一图像无监督编码模型对图像整体特征进行编码，得到第一图像向量编码，其中，ppt文件包括含有待选择页面的第一ppt文件和预设素材池中的第二ppt文件；
[0008]提取第二ppt文件的页面和待选择页面中的图像结构特征，通过第二图像无监督编码模型对图像结构特征进行编码，得到第二图像向量编码；
[0009]根据第一图像向量编码和第二图像向量编码，分别确定第二ppt文件中页面与待选择页面的第一相似度和第二相似度；以及
[0010]确定第一相似度和第二相似度的平均值，得到第三相似度，并将第二ppt文件中第三相似度大于预设阈值的页面作为相似页面推荐给第一ppt文件中的待选择页面。
[0011]可选地，提取ppt文件中页面的图像整体特征，通过第一图像无监督编码模型对图像整体特征进行编码，得到第一图像向量编码，包括：
[0012]提取第二ppt文件中页面和待选择页面的图像整体特征，得到原始图像；
[0013]采用barlow twins的无监督方式对预设素材池中第二ppt文件包含的页面进行训练，得到第一图像无监督编码模型；
[0014]利用第一图像无监督编码模型，对待选择页面中的原始图像进行编码，得到第一图像向量编码。
[0015]进一步地，利用第一图像无监督编码模型，对待选择页面中的原始图像进行编码，
得到第一图像向量编码，包括：
[0016]采用多种不同的变换方式对待选择页面的原始图像进行变换，得到第一变换图像和第二变换图像，其中，原始图像、第一变换图像和第二变换图像均指代同一页面；
[0017]按照下述公式确定页面损失Loss：
[0018][0019]其中，m和n分别表示ppt文件第m张页面和第n张页面中的图像整体特征，c
mm
表示指代同一页面的视觉相似度，c
mn
表示指代不同页面的视觉相似度；
[0020]判断页面损失是否位于第一范围内，根据判断结果确定第一图像向量编码
[0021]进一步地，判断页面损失是否位于第一范围内，根据判断结果确定第一图像向量编码，包括：
[0022]如果页面损失位于第一范围内，则直接确定第一图像向量编码；
[0023]如果页面损失位于第一范围外，则：
[0024]将页面损失传入神经网络，并根据页面损失训练神经网络；
[0025]通过反向梯度更新神经网络的参数，优化页面损失直至页面损失位于第一范围内，完成神经网络训练，得到第一图像向量编码。
[0026]可选地，提取第二ppt文件的页面和待选择页面中的图像结构特征，通过第二图像无监督编码模型对图像结构特征进行编码，得到第二图像向量编码，包括：
[0027]提取第二ppt文件的页面和待选择页面中的图像结构特征，将图像结构特征转化为第一布局图像；
[0028]基于第一布局图像进行无监督训练，得到第二图像无监督编码模型；
[0029]通过第二图像无监督编码模型对图像结构特征进行编码，得到第二图像向量编码。
[0030]进一步地，基于第一布局图像进行无监督训练，得到第二图像无监督编码模型，包括：
[0031]采用VAE神经网络，通过CNN编码器网络对第一布局图像按照重采样进行编码，学习得到平均值向量和偏差向量；
[0032]通过正态分布从平均值向量和偏差向量中采样得到隐层向量；
[0033]将隐层向量通过CNN解码器网络进行还原，得到第二布局图像；
[0034]比较第二布局图像和第一布局图像，得到布局图像损失；
[0035]判断布局图像损失是否位于第二范围内，根据判断结果确定第二图像无监督编码模型。
[0036]进一步地，判断布局图像损失是否位于第二范围内，根据判断结果确定第二图像无监督编码模型，包括：
[0037]如果布局图像损失位于第二范围内，则直接得到训练完成的第二图像无监督编码模型；
[0038]如果布局图像损失位于第二范围外，则：
[0039]将布局图像损失传入VAE神经网络，并根据布局图像损失训练VAE神经网络；
[0040]通过反向梯度更新VAE神经网络的参数，优化布局图像损失直至布局图像损失位
于第二范围内，完成VAE神经网络训练，得到训练完成的第二图像无监督编码模型。
[0041]可选地，根据第一图像向量编码和第二图像向量编码，分别确定第二ppt文件中页面与待选择页面的第一相似度和第二相似度，包括：
[0042]将第二ppt文件中页面对应的第一图像向量编码与待选择页面对应的第一图像向量编码点乘，确定第二ppt文件中页面与待选择页面的第一相似度；
[0043]将第二ppt文件中页面对应的第二图像向量编码与待选择页面对应的第二图像向量编码点乘，确定第二ppt文件中页面与待选择页面的第二相似度。
[0044]本公开的第二方面提供了一种适用于ppt的页面推荐装置，包括：
[0045]图像整体特征提取单元，用于提取ppt文件中页面的图像整体特征，通过第一图像无监督编码模型对图像整体特征进行编码，得到第一图像向量编码，其中，ppt文件包括含有待选择页面的第一ppt文件和预设素材池中的第二ppt文件；
[0046]图像结构特征提取单元，用于提取第二ppt文件的页面和待选择页面中的图像结构特征，通过第二图像无监督编码模型对图像结构特征进行编码，得到第二图像向量编码；
[0047]确定单元，用于根据第一图像向量编码和第二图像向量编码，分别确定第二ppt文件中页面与待选择页面的第一相似度和第二相似度；以及
[0048]推荐单元，用于确定第一相似度和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种适用于ppt的页面推荐方法，其特征在于，包括：提取ppt文件中页面的图像整体特征，通过第一图像无监督编码模型对所述图像整体特征进行编码，得到第一图像向量编码，其中，所述ppt文件包括含有待选择页面的第一ppt文件和预设素材池中的第二ppt文件；提取所述第二ppt文件的页面和所述待选择页面中的图像结构特征，通过第二图像无监督编码模型对所述图像结构特征进行编码，得到第二图像向量编码；根据所述第一图像向量编码和所述第二图像向量编码，分别确定所述第二ppt文件中页面与所述待选择页面的第一相似度和第二相似度；以及确定所述第一相似度和第二相似度的平均值，得到第三相似度，并将所述第二ppt文件中第三相似度大于预设阈值的页面作为相似页面推荐给所述第一ppt文件中的待选择页面。2.根据权利要求1所述的方法，其特征在于，所述提取ppt文件中页面的图像整体特征，通过第一图像无监督编码模型对所述图像整体特征进行编码，得到第一图像向量编码，包括：提取所述第二ppt文件中页面和所述待选择页面的图像整体特征，得到原始图像；采用barlow twins的无监督方式对预设素材池中第二ppt文件包含的页面进行训练，得到第一图像无监督编码模型；利用所述第一图像无监督编码模型，对所述待选择页面中的原始图像进行编码，得到所述第一图像向量编码。3.根据权利要求2所述的方法，其特征在于，所述利用所述第一图像无监督编码模型，对所述待选择页面中的原始图像进行编码，得到所述第一图像向量编码，包括：采用多种不同的变换方式对所述待选择页面的原始图像进行变换，得到第一变换图像和第二变换图像，其中，所述原始图像、所述第一变换图像和所述第二变换图像均指代同一页面；按照下述公式确定页面损失Loss：其中，m和n分别表示ppt文件第m张页面和第n张页面中的图像整体特征，c
mm
表示指代同一页面的视觉相似度，c
mn
表示指代不同页面的视觉相似度；判断页面损失是否位于第一范围内，根据判断结果确定所述第一图像向量编码。4.根据权利要求3所述的方法，其特征在于，所述判断页面损失是否位于第一范围内，根据判断结果确定所述第一图像向量编码，包括：如果所述页面损失位于所述第一范围内，则直接确定所述第一图像向量编码；如果所述页面损失位于所述第一范围外，则：将所述页面损失传入神经网络，并根据所述页面损失训练所述神经网络；通过反向梯度更新所述神经网络的参数，优化页面损失直至所述页面损失位于所述第一范围内，完成神经网络训练，得到所述第一图像向量编码。5.根据权利要求1所述的方法，其特征在于，所述提取所述第二ppt文件的页面和所述待选择页面中的图像结构特征，通过第二图像无监督编码模型对所述图像结...

【专利技术属性】
技术研发人员：范凌，王喆，梁天明，
申请(专利权)人：特赞上海信息科技有限公司，
类型：发明
国别省市：