具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请实施例的用于生成文件的方法或用于生成文件的装置的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种应用，例如数据处理类应用、文件处理类应用等。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上传的文件或数据进行处理的后台数据处理服务器。后台数据处理服务器可以对获取的文件或数据进行处理，生成处理结果(例如对个体数据集合和群体数据集合进行处理，获得词汇推理知识网络；以及基于词汇推理知识网络对用户进行个性化内容推送和精准教学指导)。

需要说明的是，本申请实施例所提供的用于生成文件的方法可以由服务器105执行，也可以由终端设备101、102、103执行，相应地，用于生成文件的装置可以设置于服务器105中，也可以设置于终端设备101、102、103中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。在所处理的数据不需要从远程获取的情况下，上述系统架构可以不包括网络，而只需服务器或终端设备。

图2示出了本发明一种针对认知关联能力训练的数据处理方法中的示例性基础流程图。如图2所示，该基础流程包括：步骤210，预先建立数据库，数据库包括不同类型的原始关键词，并对原始关键词的属性进行标识，将属性相同的原始关键词放入同一词汇集合以形成多个词汇集合，例如词汇集合A、词汇集合B、词汇集合C等。

《The Brain Dictionary》描绘的“大脑词汇地图”，将词汇分为12个不同类型：(触觉(「手指」)、视觉(「黄色」)、数字(「四」)、地点(「体育馆」)、抽象(「自然的」)、时间(「分钟))、工作(「会议」)、暴力(「致死的」)、公共设施(「学校」)、精神(「睡觉」)、情感(「悲伤的」)和社会关系(「孩子」)。

基于上述该大脑词汇地图和教学情境需求，在具体的实施例中，将不同类型的原始关键词手动输入词汇表中，该词汇表存储于数据库中且该词汇表还包括唯一标识(ID)和名称。优选的，具体的原始关键词包括：有具体情境的词语、符合学生实际生活的词语、跟学科学习相关的词语。例如将符合学生实际生活的词语设为词汇集合A，跟学科学习相关的词语设为词汇集合B，则铅笔盒A1和书包A2则应被划分到词汇集合A中，电场B1和生物B2则被分类到词汇集合B中。

图3示出了本发明一种针对认知关联能力训练的数据处理方法中采集用户交互数据的流程图，结合参考图2和图3，该方法还包括：步骤220，随机抽取同一词汇集合中的原始关键词A1和原始关键词A2，采集用户用于针对原始关键词A1和原始关键词A2输入的多个关联词。具体包括步骤221，通过计算机随机算法从同一词汇集合中抽取2个原始关键词，例如从词汇集合A中随机抽取原始关键词A1和原始关键词A2；步骤222，基于html技术在该原始关键词A1和原始关键词A2之间预留有供填写文字信息的输入框；步骤223，由用户在输入框中填写与原始关键词A1和原始关键词A2和形成合理关联链条的关联词，并且采集用户输入的关联词信息。具体地，在实际操作过程中，用户运行软件，获取原始关键词A1和原始关键词A2后，移动鼠标点击输入框使得该输入框处于触发状态，在2个原始关键词之间填入至少一个关联词，并采集用户输入的文字信息。优选的，该关联词具体包括原始关键词的近义词、同义词、上义词、下义词和拓展词，填入的关联词与原始关键词A1、原始关键词A2之间为两两相互关联的关系，形成合理关联链条。

在具体的实施例中，原始关键词A1作为第一个词语，原始关键词A2作为最后一个词语，用户在原始关键词A1和原始关键词A2之间按顺序输入3个词语，分别为X、Y、Z，所输入的词语需满足以下关系：第一个词语A1与第二个词语X之间存在合理联系，第二个词语X与第三个词语Y之间存在合理联系，第三个词语Y与第四个词语Z之间存在合理联系，第四个词语Z与最后一个词语A2之间存在合理联系。

图4示出了发明一种针对认知关联能力训练的数据处理方法中采集交互数据的示意图，如图4所示，计算机根据随机算法抽取词汇“衣服”和“地球”，用户可构建合理的情境链接：衣服是棉的材质，由此联想到棉布，再由棉布联想到棉花，而棉花是种在土地里的，土地在地球上则属于地球的。则用户可在输入框中填入“棉布”、“棉花”和“土地”三个词语，这三个词语之间采用用字符串分隔符“-”进行分隔，也可以采用其它字符串分隔符隔开，例如“，”、“；”。用户在填写这三个关联词时，不同脑区将被激活，不同脑区之间的连通性得以增强，在思维角度实现不同脑区的互联，进而激发用户的想象力，帮助用户高效地深度理解文字、提升阅读能力。

继续参考图2，该方法还包括步骤230，将采集到的同一用户输入的多个关联词，汇总成个体数据集合，将采集到的不同用户输入的多个关联词，汇总成群体数据集合，基于大数据处理技术对个体数据集合和群体数据集合进行分析，获得词汇推理知识网络。利用大数据处理技术对个体数据集合和群体数据集合进行归纳、分析、解读及重构。具体地，基于卷积神经网络进行关联词汇特征分析，获得词汇推理层和认知神经层之间的深层科学关系，即在个体/群体数据集合和认知神经网络之间找到规律。其中，卷积神经网络是一种前馈神经网络，由卷积层和下采样层叠加组合而成，每一层的输出是下一层的输入。卷积层作为特征提取层，通过滤波器提取局部特征，在本实施例中，卷积层所提取的局部特征为原始关键词，经过卷积核函数运算产生特征图，输出到下采样层。下采样层属于特征映射层，对卷积层产生的特征图进行采样，输出局部最优关联词汇特征。将原始关键词的情感极性和属性标识应用到关联词汇特征的表示，例如，预先知道“花”这个原始关键词和部分词汇的关联度较高，根据关联词汇特征将该关联词汇类型进行分类，利用Softmax算法输出分类结果，比如情感型、科学型和创意型。同样也可以将该关联词汇和学生显示心理特征融合，发现优秀、有特殊才能、特殊兴趣，甚至孤独症、抑郁者等关联词汇特征；还可以将该关联词汇与脑认知成像技术融合，验证与该关联词汇相关的脑认知神经功能关系。

在上述关联词汇特征的基础上获得从具体到抽象的词汇层级关系，例如：蝴蝶-昆虫-动物-生物，由此得到树状结构图，生成词汇推理知识网络。根据“大脑词汇地图”分类，或对应年级教学大纲，或其它分类需求，对个体数据集合和群体数据集合进行分析处理，这样的操作使获得的词汇推理知识网络更加合理、科学。而且这些关联词汇可以成为教育教学中训练学生认知、改善学生认知的技术，成为预测认知学习趋势的重要技术。在具体的实施例中，基于应用统计算法、比对算法和搜寻算法，将词汇推理知识网络的关联词与数据库的原始关键词进行比对，获取数据库中不存在的词语并存储入数据库中，不断对数据库进行更新扩充。通过对原始关键词进行不断地词汇扩展，逐步完善数据库，使得原词关键词所覆盖的领域较为全面。

该方法还包括步骤240，基于词汇推理知识网络对用户进行个性化内容推送和精准教学指导。

具体地，基于该词汇推理知识网络分析同一用户或众多用户填于该输入框中的关联词的词频和偏好。在教学过程中可以依据该分析结果做精确分析、精准指导。例如：用户1的词频较少出现色彩类词汇，则教学过程中可引导用户1往色彩类的相关词汇思考，帮助其能够更多激发色彩类脑区的活跃性；用户2的词频出现较多暴力的、悲观的、黑色的、忧郁类等词汇，可依据该数据推断用户2可能有相关心理问题，则可及时、有效的对用户2进行心理关注。

图5示出了根据本发明的实施例的一种针对认知关联能力训练的数据处理装置的结构示意图，作为对上述各图所示方法的实现，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。如图5所示，该装置500包括创建模块510、获取模块520、分析模块530和推送模块540。其中，创建模块510被配置用以预先建立数据库，数据库包括不同类型的原始关键词，并对原始关键词的属性进行标识，将属性相同的原始关键词放入同一词汇集合以形成多个词汇集合；获取模块520被配置用以随机抽取同一词汇集合中的原始关键词A1和原始关键词A2，采集用户用于针对原始关键词A1和原始关键词A2输入的多个关联词；分析模块530被配置用以将采集到的同一用户输入的多个关联词，汇总成个体数据集合，将采集到的不同用户输入的多个关联词，汇总成群体数据集合，基于大数据处理技术对个体数据集合和群体数据进行分析，获得词汇推理知识网络；推送模块540被配置用以基于所述词汇推理知识网络对用户进行个性化内容推送和精准教学指导。

图6示出了根据本发明的实施例的一种针对认知关联能力训练的数据处理装置的获取模块的结构示意图，作为对上述各图所示方法的实现，该装置实施例与图3所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。如图6所示，该获取模块520包括抽取模块521、输入模块522和采集模块523。其中，抽取模块521被配置用以通过计算机随机算法从词汇集合中抽取原始关键词A1和原始关键词A2；输入模块522被配置用以基于html技术在原始关键词A1和原始关键词A2之间预留有供填写关联词的输入框；采集模块523被配置用以用户在输入框中填写与原始关键词A1和原始关键词A2和形成合理关联链条的关联词，响应于采集用户输入的关联词信息。获取模块520中多个模块的组合可以提高运算速度，更为高效地采集用户交互数据，使得最终基于词汇推理知识网络向用户推送的个性化内容和指导分析更为精确。

下面参考图7，其示出了适于用来实现本发明的实施例的电子设备(例如图1所示的服务器或终端设备)的计算机系统600的结构示意图。图7示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图7所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也可以根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的方法中限定的上述功能。

需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读介质或者是上述两者的任意组合。计算机可读介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括获取模块、确定模块和确定模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，获取模块还可以被描述为“获取包括多个行和多个列的目标文件的模块”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取包括多个行和多个列的目标文件；基于多个行，确定至少一个标题行，其中，标题行对应于目标文件包括的分段，标题行包括至少一个标题项目；对于至少一个标题行中的每个标题行，基于该标题行包括的标题项目，确定该标题行对应的分段的数据类型；获取预设的、与所确定的数据类型对应的标题库；将该标题行与所获取的标题库匹配；基于匹配结果，生成该标题行对应的、包含标准标题行和对应的分段包含的数据的标准文件。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。