(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211208107.6 (22)申请日 2022.09.30 (71)申请人 杭州电子科技大 学 地址 310018 浙江省杭州市钱塘新区白杨 街道2号大街1 158号 申请人 杭州瑞成信息技 术有限公司 (72)发明人 吴向阳　金鑫　金征雷　 (51)Int.Cl. G06T 11/60(2006.01) G06F 40/216(2020.01) G06F 40/30(2020.01) (54)发明名称 形状约束的语义词云自动生成方法 (57)摘要 本发明公开了一种形状约束的语义词云自 动生成方法。 本发明技术方案 涉及对文本和形状 的处理。 文本处理流程： 从文本中提取单词； 使用 word2vec模型将单词转换为词向量， 计算单词之 间的相似性； 根据相似性构建无向图并使用网络 社区划分算法为单词分组。 形状处理流程： 提取 形状边界点， 构成简单多边形； 计算简单多边形 的中轴线； 在中轴线的基础上， 得到简单多边形 的维诺图， 从而生成形状内部的螺旋线； 根据方 向约束计算向量场。 完成对文本和形状的处理 后， 进行词云布局， 得到形状约束的语义词云。 采 用本技术生成的词云既能满足语义词云中语义 相近的单词在词云布局 中的位置相互靠近的特 点， 满足形状词云中将单词布局在任意形状内部 的特点。 权利要求书2页 说明书6页 附图5页 CN 115546353 A 2022.12.30 CN 115546353 A 1.形状约束的语义词云自动生成方法， 其特 征在于， 包括以下步骤： 步骤一： 解析用户上传的文本， 提取 出文本中的单词并计算单词的频率； 步骤二： 对每个单词进行嵌入， 得到一组词向量， 利用词向量计算每对单词的余弦相似 性； 步骤三： 构造带权无向图， 利用网络社区划分算法得到多个单词分组； 步骤四： 提取用户上传的形状的轮廓 点， 得到一个简单多边形， 计算该简单多边形的中 轴线； 步骤五： 通过简单多边形的中轴线 进一步得到简单多边形的维诺图； 步骤六： 对维诺图中的区域进行分组， 以确定每组单词的摆放 位置； 步骤七： 生成螺 旋线， 根据螺 旋线当前 所在的维诺图区域确定 螺旋线的移动方向； 步骤八： 根据中轴线约束、 中心约束和用户自定义方向约束计算形状内部的向量场； 步骤九： 根据螺旋线、 向量场以及单词区域分组确定每个单词的位置和方向， 在此位置 以此方向进行摆词。 2.根据权利要求1所述的形状约束的语义词云自动生成方法， 其特征在于， 所述步骤二 中， 使用Yelp数据集训练一个word2vec模 型， 使用训练好的模 型进行单词嵌入， 再计算每对 单词之间的余弦相似性。 3.根据权利要求1所述的形状约束的语义词云自动生成方法， 其特征在于， 所述步骤三 中， 构造一个带权无向图， 每个单词对应着图中的一个节点， 图中边的权重为两个单词之间 的余弦相似性； 利用L ouvain社区发现算法为图节点分组， 得到多个单词分组。 4.根据权利要求1所述的形状约束的语义词云自动生成方法， 其特征在于， 所述步骤四 中， 使用R ‑L序列算法快速计算简单多边形的中轴线， 最终得到以一棵二叉树表示的中轴 线； 所述步骤五中， 在中轴线的基础上添加若干边得到简单多边形的维诺图， 进而得到多 个形状区域。 5.根据权利要求1所述的形状约束的语义词云自动生成方法， 其特征在于， 所述步骤六 中， 为每个单词分组分配一 块形状区域； 通过： 得到一个最优的区域分配方案； 其中Ai表示当前分配给第i个单词分组的区域面积大小， 为根据第i个单词分组的面 积比例得到的对应区域面积 大小， ω为可调整的权重， σk为每个单词分组所占的第k个狭窄 区域部分的数量的方差 。 6.根据权利要求1所述的形状约束的语义词云自动生成方法， 其特征在于， 所述步骤七 中， 通过公式 逐步生成形状内部的螺 旋线； 其中dx和dy分别为螺旋线当前移动的x和y轴的步长； r为螺旋线当前位置距离螺旋线 起始点的距离； a和dθ为用户指定的参数， 可以控制螺旋线移动步长和两条相邻曲线的距 离； N和T分别为螺 旋线当前位置的法向和 切向向量； T可以通过螺 旋线当前位置所在的区域获得； 如果当前 所在的区域关联着简单多边形的边， 则T为平行于该边的方向； 如果当前所在的区域关联着简单多边形的凹点， 则T为垂直于当前位置与凹点连线的权　利　要　求　书 1/2 页 2 CN 115546353 A 2方向。 7.根据权利要求1所述的形状约束的语义词云自动生成方法， 其特征在于， 所述步骤七 中， 生成多中心的螺 旋线： 生成形状内部的距离场， 如果一个点的距离场值大于该点周围的距离场值， 那么该点 可以作为 一个候选中心点； 将所有的候选中心点按照距离场值从大到小排序， 从距离场值 最大的点 开始选择； 如果该点与 所有已选中心点的距离都大于给定 阈值， 将该点加入到已选 中心点的集合 中， 从距离场值最大的已选中心 点开始逐步生 成螺旋线， 跟踪螺旋线每个位置的距离场值， 当距离场值下降了val(可调整参数)时停止， 得到了一个中心的螺旋线 段， 然后继续从下一 个已选中心 点开始， 重复上述过程， 在最后一段螺旋线越过形状边界时停止， 最终得到多中 心的螺旋线。 8.根据权利要求1所述的形状约束的语义词云自动生成方法， 其特征在于， 所述步骤八 中， 通过： 计算形状内部的向量场； 其中T表示 三角剖分后得到每 个三角形； i和j为 三角形中的一对顶点； Ri＝(cos2 θi,sin2 θi)； θi为三角形顶点 i的向量场方向； k表示向量场的方向约束 项数； ωk为第k个约束项的权重； lk为第k个约束项中受方向约束的三角形顶点 数； 为第k个 约束项中受方向约束的三角形顶点的约束方向； 向量场的约束方向包括中轴线约束、 中心约束和用户自定义约束。 9.根据根据权利要求1所述的形状约束的语义词云 自动生成方法， 其特征在于， 所述步 骤九中,根据螺旋线、 向量场和单词区域分配信息确定每个单词的位置和方向； 确定螺旋线 上每个点所在的区域， 得到每组单组所属区域包 含的螺旋线上的点； 分组单词独立布局， 遍历该单词所属区域包含的螺旋线上的点， 对于每个点， 使用方向 包围盒算法判断单词在当前点是否与其他单词发生碰撞， 再判断单词是否超出其所属 区 域； 若没有检测出碰撞且单词没有超出所属区域， 则单词能放置于 当前点， 摆放方向为当前 点的向量场方向。权　利　要　求　书 2/2 页 3 CN 115546353 A 3