CN106959945B - 基于人工智能的为新闻生成短标题的方法和装置 - Google Patents

Abstract

本申请公开了基于人工智能的为新闻生成短标题的方法和装置。该方法的一具体实施方式包括：获取候选新闻的标题；根据对标题中预定字符的检测提取子标题；通过预设筛选模型对所提取的子标题进行筛选，以确定出一个候选子标题；从候选子标题中提取词汇生成候选新闻的短标题。该实施方式可以提高新闻标题展示的有效性。

Description

基于人工智能的为新闻生成短标题的方法和装置

技术领域

本申请涉及计算机技术领域，具体涉及语言处理技术领域，尤其涉及基于人工智能的为新闻生成短标题的方法和装置。

背景技术

现有新闻展示过程中，往往直接用新闻标题作为相关新闻的展示标题。对于较长的新闻标题(例如大于15个字等)，在移动终端上展示时，可能造成展示行数较多、展示字体缩小、展示宽度超过移动终端的屏幕宽度、降低推送或展示新闻条数等问题中的一个或多个问题。因此，现有新闻展示过程中存在新闻标题展示的有效性不高的问题。

人工智能(Artificial Intelligence，英文缩写为AI)，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。因此，可以基于人工智能为新闻生成短标题，提高新闻标题展示的有效性。

发明内容

本申请的目的在于提出一种基于人工智能的为新闻生成短标题的方法和装置，来解决以上背景技术部分提到的技术问题。

第一方面，本申请提供了一种基于人工智能的为新闻生成短标题的方法，该方法包括：获取候选新闻的标题；根据对标题中预定字符的检测提取子标题；通过预设筛选模型对所提取的子标题进行筛选，以确定出一个候选子标题；从候选子标题中提取词汇生成候选新闻的短标题。

在一些实施例中，通过预设筛选模型对所提取的子标题进行筛选，以确定出一个候选子标题包括：通过预设筛选模型计算各个子标题的分值；响应于分值最高的子标题有一个，将分值最高的子标题确定为候选子标题；响应于分值最高的子标题有多个，从分值最高的子标题中随机确定一个子标题作为候选子标题。

在一些实施例中，各个子标题的分值由预设筛选模型通过以下方法确定：获取子标题的初始分值；判断子标题是否满足各个预设条件，其中，上述预设条件包括正向预设条件和/或负向预设条件；根据针对各个预设条件的判断结果确定子标题的分值，其中，以初始分值作为分值的初始值，当预设条件包括正向预设条件时，每满足一个正向预设条件，分值增加预设数值，当预设条件包括负向预设条件时，每满足一个负向预设条件，分值减少预设数值。

在一些实施例中，从所述候选子标题中提取词汇生成候选新闻的短标题包括：通过语义分析确定候选子标题中的各个词汇的角色信息；根据预设筛除规则筛除具有相应角色信息的词汇；将剩下的词汇生成候选新闻的短标题。

在一些实施例中，上述角色信息包括：词性信息和/或成分信息。

在一些实施例中，预设筛除规则包括以下至少一项：如果定语在名词之前，删除掉定语对应的词汇；如果副词在动词之前，删除掉副词对应的词汇。

第二方面，本申请还提供了一种基于人工智能的为新闻生成短标题的装置，该装置包括：获取模块，配置用于获取候选新闻的标题；提取模块，配置用于根据对标题中预定字符的检测提取子标题；确定模块，配置用于通过预设筛选模型对所提取的子标题进行筛选，以确定出一个候选子标题；生成模块，配置用于从候选子标题中提取词汇生成候选新闻的短标题。

在一些实施例中，确定模块包括：计算单元，配置用于通过预设筛选模型计算各个子标题的分值；确定单元，配置用于：响应于分值最高的子标题有一个，将分值最高的子标题确定为候选子标题；响应于分值最高的子标题有多个，从分值最高的子标题中随机确定一个子标题作为候选子标题。

在一些实施例中，预设筛选模型配置用于通过以下方法确定各个子标题的分值：获取子标题的初始分值；判断子标题是否满足各个预设条件，其中，上述预设条件包括正向预设条件和/或负向预设条件；根据针对各个预设条件的判断结果确定子标题的分值，其中，以初始分值作为分值的初始值，当预设条件包括正向预设条件时，每满足一个正向预设条件，分值增加预设数值，当预设条件包括负向预设条件时，每满足一个负向预设条件，分值减少预设数值。

在一些实施例中，生成模块包括：语义分析单元，配置用于通过语义分析确定候选子标题中的各个词汇的角色信息；词汇筛除单元，配置用于根据预设筛除规则筛除具有相应角色信息的词汇；生成单元，配置用于将剩下的词汇生成候选新闻的短标题。

在一些实施例中，上述角色信息包括：词性信息和/或成分信息。

在一些实施例中，预设筛除规则包括以下至少一项：如果定语在名词之前，删除掉定语对应的词汇；如果副词在动词之前，删除掉副词对应的词汇。

第三方面，本申请还提供了一种计算设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当该一个或多个程序被所述一个或多个处理器执行，使得该一个或多个处理器实现上述的方法。

本申请提供的基于人工智能的为新闻生成短标题的方法和装置，通过获取候选新闻的标题，然后根据对标题中预定字符的检测提取子标题，接着通过预设筛选模型对所提取的子标题进行筛选，以确定出一个候选子标题，然后从候选子标题中提取词汇生成候选新闻的短标题。由于从候选新闻的标题中确定候选子标题提取词汇生成短标题，从而可以提高新闻标题展示的有效性。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请可以应用于其中的示例性系统架构图；

图2是根据本申请的基于人工智能的为新闻生成短标题的方法的一个实施例的流程图；

图3a、图3b是根据本申请的基于人工智能的为新闻生成短标题的方法的实施例的应用场景示意图；

图4是根据本申请的基于人工智能的为新闻生成短标题的方法的另一个实施例的流程图；

图5是根据本申请的基于人工智能的为新闻生成短标题装置的一个实施例的结构示意图；

图6是适于用来实现本申请实施例的终端设备或服务器的计算机系统的结构示意图。

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的基于人工智能的为新闻生成短标题的方法或基于人工智能的为新闻生成短标题装置的实施例的示例性系统架构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上可以安装有各种通讯客户端应用，例如浏览器应用、新闻推送类应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

终端设备101、102、103可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group Audio LayerIII，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group AudioLayer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。

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上浏览器应用、新闻推送类应用提供支持的后台服务器等。服务器105可以对接收到的网页请求等数据进行分析等处理，并将处理结果(例如推送的新闻)反馈给终端设备。

需要说明的是，本申请所提供的基于人工智能的为新闻生成短标题的方法一般由服务器105执行。相应地，基于人工智能的为新闻生成短标题的装置一般设置在服务器105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。

继续参考图2，示出了根据本申请的基于人工智能的为新闻生成短标题的方法的一个实施例的流程200。该为新闻生成短标题的方法，包括以下步骤：

步骤201，获取候选新闻的标题。

在本实施例中，基于人工智能的为新闻生成短标题的方法运行于其上的电子设备(例如图1所示的服务器105)首先可以从候选新闻的文本中获取新闻标题。其中，候选新闻可以是待推送的新闻，也可以是用户请求的新闻。候选新闻可以预先存储在电子设备上，也可以是从其他电子设备(例如为其他新闻推送类应用提供支持的后台服务器)获取，还可以是通过扫描等方式输入电子设备，本申请对此不做限定。

上述电子设备可以通过字体、文字位置、文字格式等等信息判断出新闻文本中的新闻标题并获取该新闻标题。例如，有些新闻文本的新闻标题字体往往大于正文字体，则上述电子设备可以通过字体判断出新闻标题；有些新闻文本的新闻标题的文字位置在正文顶端，则上述电子设备可以通过文字位置判断出新闻标题；有些新闻文本的新闻标题的文字格式为居中显示，则上述电子设备可以通过文字格式判断出新闻标题；等等。

步骤202，根据对标题中预定字符的检测提取子标题。

在本实施例中，基于人工智能的为新闻生成短标题的方法运行于其上的电子设备(例如图1所示的服务器105)可以接着检测所获取的新闻标题中的预定字符，并根据检测结果提取子标题。

这里，预定字符可以是用于划分语义单元的任意字符，例如可以包括但不限于以下至少一项：空格、逗号(如，)、顿号(如、)、分割线(如/)等等。上述电子设备可以根据预定字符将新闻标题分割成多个语义单元，并提取每个语义单元分别作为一个子标题。作为示例，对于新闻标题“环北京地区楼市持续升温，河北涿州房价一年翻番后开始限购”，上述电子设备可以根据预定字符“，”，提取语义单元“环北京地区楼市持续升温”和“河北涿州房价一年翻番后开始限购”分别相应新闻的作为子标题。

在本实施例的一些可选实现方式中，上述电子设备上还可以预先设置有提取子标题的条件，例如，子标题字符数不大于15，则上述电子设备可以提取字符数不超过15的语义单元作为子标题。作为示例，对于新闻标题“独家！从吉隆坡到北京央视记者贴身记录朝鲜大使××被逐全程”，按照预定字符“！”和“空格”划分语义单元“独家”、“从吉隆坡到北京”、“央视记者贴身记录朝鲜大使××被逐全程”，由于语义单元“央视记者贴身记录朝鲜大使××被逐全程”超过15个字符，则提取子标题“独家”和“从吉隆坡到北京”。由此，上述电子设备可以过滤掉字符数过多的语义单元，减少数据处理量。在一些实现中，上述电子设备还可以设置提取子标题的条件大于5个字符等等，这样，可以过滤掉“独家”这样的没有实质意义的语义单元。在另一些实现中，如果新闻标题中的语义单元没有一个满足预设的子标题条件，电子设备还可以将字符数最多、或字符数最少、或排在第一个的语义单元提取为子标题，例如上述例子中将字符数最多的“央视记者贴身记录朝鲜大使××被逐全程”作为提取到的子标题。

步骤203，通过预设筛选模型对所提取的子标题进行筛选，以确定出一个候选子标题。

在本实施例中，基于人工智能的为新闻生成短标题的方法运行于其上的电子设备(例如图1所示的服务器105)进一步可以通过预设的筛选模型对所提取的子标题进行筛选，从而选择出一个子标题作为候选子标题。其中，候选子标题可以用于生成短标题。

这里的筛选模型可以是预先存储在上述电子设备中的，可以用于对所提取的子标题进行筛选，以从所提取的子标题中确定出适合生成新闻的短标题的候选子标题。在本实施例中，候选子标题的数量为一个。在一些实现中，候选子标题的数量也可以为多个，本申请对此不做限定。

筛选模型可以包括判断计算模型，也可以包括判断模型，等等。例如，当筛选模型包括判断模型时，该判断模型可以包括多个用于判断的预设条件，当子标题满足预设个数个预设条件，或者满足预设条件条数最多时，将其确定为候选子标题。

在本实施例的一些可选实现方式中，上述电子设备可以首先通过预设筛选模型中预先训练或设定的算法为各个子标题计算分值。预先训练或设定的算法例如可以计算但不限于以下至少一项：各个子标题与新闻内容的关联度、各个子标题在新闻标题中的重要度(如包含主语、谓语、宾语成分的子标题重要度较高)等等。然后，上述电子设备可以根据分值最高的子标题确定候选子标题。具体地，上述电子设备可以检测分值最高的子标题的个数，当分值最高的子标题有一个时，将分值最高的子标题确定为候选子标题；当分值最高的子标题有多个时，从分值最高的子标题中随机确定一个子标题作为候选子标题。在一些实现中，上述电子设备可以预先为每个子标题设定一个初始分值(如5)和至少一个预设条件，然后，对每个子标题，依次判断是否满足预设条件，根据针对各个预设条件的判断结果确定子标题的分值。实践中，预设条件可以包括正向预设条件和/或负向预设条件。其中，正向预设条件可以是提高子标题的重要度的预设条件，例如，预设条件“是第一个子标题”为正向预设条件；负向预设条件可以是降低子标题的重要度的预设条件，例如，预设条件“小于5个字符”为负向预设条件。以初始分值(如5)作为分值的初始值，当预设条件包括正向预设条件时，每满足一个正向预设条件，分值增加预设数值(如1)，当预设条件包括负向预设条件时，每满足一个负向预设条件，分值减少预设数值(如1)。

步骤204，从候选子标题中提取词汇生成候选新闻的短标题。

在本实施例中，上述电子设备可以进一步从步骤203中确定的候选子标题中提取词汇生成候选新闻的短标题。上述电子设备可以从上述候选子标题中提取名词生成短标题，例如对候选子标题“河南一市民17年搜集万双虎头鞋”，提取名词“虎头鞋”生成短标题；上述电子设备也可以从上述候选子标题中提取主语、谓语、宾语生成短标题，例如对候选子标题“河南一市民17年搜集万双虎头鞋”，提取主语、谓语、宾语“市民搜集虎头鞋”生成短标题；等等，本申请对此不做限定。

作为一个应用场景，本申请提供的基于人工智能的为新闻生成短标题的方法可以应用于为新闻推送类应用提供支持的后台服务器。如图3a和3b所示，该新闻推送类应用“××新闻”301可以安装并运行于终端300上。

为了更清楚地说明本申请的基于人工智能的为新闻生成短标题的方法的实施例所达到的效果，请对比参考图3a和图3b。首先参考图3a，用户通过终端300上运行的新闻推送类应用“××新闻”301，当用户通过终端300打开该应用时，新闻推送类应用“××新闻”301展示页面302以向用户推送新闻。从图3a看出，当后台服务器不执行本申请的为新闻生成短标题的方法时，页面302上展示的新闻标题可以是新闻本身的标题，此时页面302上只能展示3个新闻标题“从吉隆坡到北京央视记者贴身记录朝鲜大使××被逐全程”、“河南一市民17年搜集万双虎头鞋”、“男子花17万买下轿车才知是13手连里程表都造假”。作为对比，请接着参考图3b，执行本申请的基于人工智能的为新闻生成短标题的方法的后台服务器对各条新闻分别执行以下操作：获取新闻的标题，接着根据对标题中空格的检测提取出子标题，然后通过预设筛选模型对所提取的子标题进行筛选，从而确定出一个候选子标题，接着从候选子标题中提取主语、谓语、宾语词汇生成候选新闻的短标题。这样，对图3a中页面302上展示的3个新闻标题分别生成相应的短标题为“记者被逐”、“市民搜集虎头鞋”、“男子买下轿车”。从而，当用户打开新闻推送类应用“××新闻”301时，推送页面302′上可以展示至少6个新闻标题“记者被逐”、“市民搜集虎头鞋”、“男子买下轿车”、“首富排名”、“×股捡钱”、“盘点富豪”等。从图3a、图3b可以看出，由于展示的是短标题，不仅展示标题数量较多，而且每个标题受屏幕宽度影响较小，同时，短标题不是简单的关键词提取，简洁连贯。

在本实施例中，由于从候选新闻的标题中确定候选子标题提取词汇生成短标题，可以提高新闻标题展示的有效性。

继续参考图4，示出了根据本申请的基于人工智能的为新闻生成短标题的方法的另一个实施例的流程400。该基于人工智能的为新闻生成短标题的方法，包括以下步骤：

步骤401，获取候选新闻的标题。

在本实施例中，基于人工智能的为新闻生成短标题的方法运行于其上的电子设备(例如图1所示的服务器105)首先可以从候选新闻的文本中获取新闻标题。其中，候选新闻可以是待推送的新闻，也可以是用户请求的新闻。上述电子设备可以通过字体、文字位置、文字格式等等信息判断出新闻文本中的新闻标题并获取该新闻标题。

步骤402，根据对标题中预定字符的检测提取子标题。

在本实施例中，基于人工智能的为新闻生成短标题的方法运行于其上的电子设备接着可以检测所获取的新闻标题中的预定字符，并根据检测结果提取子标题。其中，预定字符可以是用于划分语义单元的任意字符。上述电子设备可以根据预定字符将新闻标题分割成多个语义单元，并提取每个语义单元分别作为一个子标题。

步骤403，通过预设筛选模型对所提取的子标题进行筛选，以确定出一个候选子标题。

在本实施例中，基于人工智能的为新闻生成短标题的方法运行于其上的电子设备(例如图1所示的服务器105)进一步可以通过预设的筛选模型对所提取的子标题进行筛选，从而选择出一个子标题作为候选子标题。这里的筛选模型可以是预先存储在上述电子设备中的，可以用于对所提取的子标题进行筛选，以从所提取的子标题中确定出适合生成新闻的短标题的候选子标题。

步骤404，通过语义分析确定候选子标题中的各个词汇的角色信息。

在本实施例中，上述电子设备可以对候选子标题切词得到至少一个词汇，然后通过语义分析方法对候选子标题进行语义分析，从而确定候选子标题中的各个词汇的角色信息。其中，角色信息可以用于表示词汇的性质或者在句子中的成分等，例如可以包括但不限于以下至少一项：词性信息、成分信息、词汇之间的逻辑关系等等。这里，词性信息可以用于表示词汇的性质，如动词、名词、形容词、副词等；成分信息可以用于表示词汇在句子中的成分，如主语、谓语、宾语、定语、状语等；词汇之间的逻辑关系例如可以是形容词在名词之前修饰名词等。

其中，上述电子设备可以通过诸如全切分之类的切词方法对候选子标题切词进行切词。在一些实现中，上述电子设备在对候选子标题切词之后，还可以去除“了、么”等没有实际意义的词。

实践中，上述电子设备还可以对从候选子标题得到的各个词汇进行角色标注。其中，上述电子设备可以预先通过机器学习方法，或者对人工标注结果统计方法，从一定数量的自然语言样本集中获取各个词汇的标注规则。以对人工标注结果统计方法为例，上述电子设备可以对样本集中的各个句子中各个词汇及其人工标注的角色信息进行统计，例如可以根据词性和词汇之间的逻辑关系确定词汇的成分信息，如，两个名词(如“工人”和“师傅”)紧邻出现时，第一个名词(如“工人”)作为定语修饰第二个名词(如“师傅”)，第二个名词(如“师傅”)是这两个名词组成的语义单元的中心词等等。

步骤405，根据预设筛除规则筛除具有相应角色信息的词汇。

在本实施例中，上述电子设备还可以存储有预设筛除规则，以根据候选子标题的各个词汇的角色信息删除具有相应角色信息的词汇。其中，预设筛除规则可以用于根据词汇在子标题句子中的重要程度，筛除一些重要度低的词汇，从而在保证语法通顺的前提下缩短新闻标题的长度。例如，定语在中心词之前修饰中心词(如主语或宾语等)时，中心词是个重要词汇，起修饰作用的定语重要度比中心词汇低等。

在本实施例的一些可选实现方式中，预设筛除规则可以包括但不限于以下至少一项：如果定语在名词之前，删除掉定语对应的词汇；如果副词在动词之前，删除掉副词对应的词汇。作为示例，假设候选子标题为“小孩在八达岭动物园开车窗”，该候选子标题包括的词汇及相应角色信息例如可以包括：“小孩”(名词、主语)、“在八达岭动物园”(副词、状语)、“在”(虚词)、“八达岭”(名词、定语)、“动物园”(名词、中心词)、“开”(动词、)、“车窗”(名词、宾语)，则根据“如果定语在名词之前，删除掉定语对应的词汇”的筛除规则，删除掉名词“动物园”之前的定语“八达岭”。如果筛除规则还包括“如果副词在动词之前，删除掉副词对应的词汇”，则删除掉动词“开”之前的副词“在八达岭动物园”。

步骤406，将剩下的词汇生成上述候选新闻的短标题。

在本实施例中，上述电子设备可以进一步按照原候选子标题的语法顺序将剩下的词汇生成上述候选新闻的短标题。例如，步骤405给出的示例中，候选子标题为“小孩在八达岭动物园开车窗”，经过“如果定语在名词之前，删除掉定语对应的词汇”的筛除规则，将“八达岭”删除后，将剩下的词汇按顺序生成短标题“小孩在动物园开车窗”；如果经过“如果副词在动词之前，删除掉副词对应的词汇”的筛除规则，删除掉动词“开”之前的副词“在八达岭动物园”，则将剩下的词汇按顺序生成短标题“小孩开车窗”。

在本实施例的一些实现方式中，上述电子设备还可以根据生成短标题的字数要求来确定筛除规则。例如，短标题的字数要求为5及以下，则上述示例中，筛除规则可以为“如果副词在动词之前，删除掉副词对应的词汇”，得到5个字的短标题“小孩开车窗”。

从图4中可以看出，与图2对应的实施例相比，本实施例中的基于人工智能的为新闻生成短标题的方法的流程400突出了从所述候选子标题中提取词汇生成候选新闻的短标题的步骤。由此，本实施例描述的方案可以在保证语法通顺的前提下缩短新闻标题的长度，从而可以提高为新闻生成的短标题的连贯性。

进一步参考图5，作为对上述基于人工智能的为新闻生成短标题的方法的实现，本申请提供了一种基于人工智能的为新闻生成短标题的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应。

如图5所示，本实施例的基于人工智能的为新闻生成短标题装置500包括：获取模块501、提取模块502、确定模块503和生成模块504。其中，获取模块501可以配置用于获取候选新闻的标题；提取模块502可以配置用于根据对标题中预定字符的检测提取子标题；确定模块503可以配置用于通过预设筛选模型对所提取的子标题进行筛选，以确定出一个候选子标题；生成模块504可以配置用于从候选子标题中提取词汇生成候选新闻的短标题。

在本实施例的一些可选实现方式中，确定模块503可以包括：计算单元(未示出)，可以配置用于通过预设筛选模型计算各个子标题的分值；确定单元(未示出)，可以配置用于：响应于分值最高的子标题有一个，将分值最高的子标题确定为候选子标题；响应于分值最高的子标题有多个，从分值最高的子标题中随机确定一个子标题作为候选子标题。这里的筛选模型可以是预先存储在上述电子设备中的，可以用于对所提取的子标题进行筛选，以从所提取的子标题中确定出适合生成新闻的短标题的候选子标题。

在本实施例的一些可选实现方式中，预设筛选模型可以包括预先训练或设定的算法，配置用于通过以下方法确定各个子标题的分值：获取子标题的初始分值；判断子标题是否满足各个预设条件，其中，上述预设条件包括正向预设条件和/或负向预设条件；根据针对各个预设条件的判断结果确定子标题的分值，其中，以初始分值作为分值的初始值，当预设条件包括正向预设条件时，每满足一个正向预设条件，分值增加预设数值，当预设条件包括负向预设条件时，每满足一个负向预设条件，分值减少预设数值。

在本实施例的一些可选实现方式中，生成模块504可以包括：语义分析单元(未示出)，可以配置用于通过语义分析确定候选子标题中的各个词汇的角色信息；词汇筛除单元(未示出)，可以配置用于根据预设筛除规则筛除具有相应角色信息的词汇；生成单元(未示出)，可以配置用于将剩下的词汇生成候选新闻的短标题。在一些实现中，上述角色信息可以包括：词性信息和/或成分信息。可选地，预设筛除规则可以包括但不限于以下至少一项：如果定语在名词之前，删除掉定语对应的词汇；如果副词在动词之前，删除掉副词对应的词汇。

值得说明的是，基于人工智能的为新闻生成短标题的装置500中记载的诸模块与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作和特征同样适用于装置500及其中包含的模块或单元，在此不再赘述。

本领域技术人员可以理解，上述基于人工智能的为新闻生成短标题的装置500还包括一些其他公知结构，例如处理器、存储器等，为了不必要地模糊本公开的实施例，这些公知的结构在图5中未示出。

下面参考图6，其示出了适于用来实现本申请实施例的终端设备/服务器的计算机系统600的结构示意图。图6示出的终端设备/服务器仅仅是一个示例，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6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RAM603中，还存储有系统600操作所需的各种程序和数据。CPU601、ROM 602以及RAM603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：包括键盘或触摸屏等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)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，本申请所述的非易失性计算机可读介质可以是非易失性计算机可读信号介质或者非易失性计算机可读存储介质或者是上述两者的任意组合。非易失性计算机可读存储介质例如可以是——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。非易失性计算机可读存储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，非易失性计算机可读存储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存储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。

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、提取模块、确定模块和生成模块。其中，这些模块的名称在某种情况下并不构成对该单元本身的限定，例如，接收模块还可以被描述为“配置用于获取候选新闻的标题的模块”。

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装置中所包含的；也可以是单独存在，而未装配入该装置中。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装置执行时，使得该装置：获取候选新闻的标题；根据对标题中预定字符的检测提取子标题；通过预设筛选模型对所提取的子标题进行筛选，以确定出一个候选子标题；从候选子标题中提取词汇生成候选新闻的短标题。

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。

Claims (14)

1.一种基于人工智能的为新闻生成短标题的方法，其特征在于，所述方法包括：

获取候选新闻的标题；

根据对所述标题中预定字符的检测提取子标题；

通过预设筛选模型对所提取的子标题进行筛选，以确定出一个候选子标题，具体包括：通过所述预设筛选模型中预先训练或设定的算法为各个子标题计算的分值，对所提取的子标题进行筛选，以确定出一个候选子标题，所述各个子标题的分值基于预先训练或设定的算法对各个子标题与新闻内容的关联度进行计算确定；

从所述候选子标题中提取词汇生成所述候选新闻的短标题。

2.根据权利要求1所述的方法，其特征在于，所述通过预设筛选模型对所提取的子标题进行筛选，以确定出一个候选子标题包括：

通过所述预设筛选模型计算各个子标题的分值；

响应于分值最高的子标题有一个，将分值最高的子标题确定为候选子标题；

响应于分值最高的子标题有多个，从分值最高的子标题中随机确定一个子标题作为候选子标题。

3.根据权利要求2所述的方法，其特征在于，各个子标题的分值由所述预设筛选模型通过以下方法确定：

获取子标题的初始分值；

判断子标题是否满足各个预设条件，其中，所述预设条件包括正向预设条件和/或负向预设条件；

根据针对各个预设条件的判断结果确定子标题的分值，其中，以初始分值作为分值的初始值，当所述预设条件包括正向预设条件时，每满足一个正向预设条件，分值增加预设数值，当所述预设条件包括负向预设条件时，每满足一个负向预设条件，分值减少预设数值。

4.根据权利要求1所述的方法，其特征在于，所述从所述候选子标题中提取词汇生成所述候选新闻的短标题包括：

通过语义分析确定所述候选子标题中的各个词汇的角色信息；

根据预设筛除规则筛除具有相应角色信息的词汇；

将剩下的词汇生成所述候选新闻的短标题。

5.根据权利要求4所述的方法，其特征在于，所述角色信息包括：词性信息和/或成分信息。

6.根据权利要求4所述的方法，其特征在于，所述预设筛除规则包括以下至少一项：

如果定语在名词之前，删除掉定语对应的词汇；

如果副词在动词之前，删除掉副词对应的词汇。

7.一种基于人工智能的为新闻生成短标题的装置，其特征在于，所述装置包括：

获取模块，配置用于获取候选新闻的标题；

提取模块，配置用于根据对所述标题中预定字符的检测提取子标题；

确定模块，配置用于通过预设筛选模型对所提取的子标题进行筛选，以确定出一个候选子标题，具体包括：通过所述预设筛选模型中预先训练或设定的算法为各个子标题计算的分值，对所提取的子标题进行筛选，以确定出一个候选子标题，所述各个子标题的分值基于预先训练或设定的算法对各个子标题与新闻内容的关联度进行计算确定；

生成模块，配置用于从所述候选子标题中提取词汇生成所述候选新闻的短标题。

8.根据权利要求7所述的装置，其特征在于，所述确定模块包括：

计算单元，配置用于通过所述预设筛选模型计算各个子标题的分值；

确定单元，配置用于：响应于分值最高的子标题有一个，将分值最高的子标题确定为候选子标题；响应于分值最高的子标题有多个，从分值最高的子标题中随机确定一个子标题作为候选子标题。

9.根据权利要求8所述的装置，其特征在于，所述预设筛选模型配置用于通过以下方法确定各个子标题的分值：

获取子标题的初始分值；

判断子标题是否满足各个预设条件，其中，所述预设条件包括正向预设条件和/或负向预设条件；

根据针对各个预设条件的判断结果确定子标题的分值，其中，以初始分值作为分值的初始值，当所述预设条件包括正向预设条件时，每满足一个正向预设条件，分值增加预设数值，当所述预设条件包括负向预设条件时，每满足一个负向预设条件，分值减少预设数值。

10.根据权利要求7所述的装置，其特征在于，所述生成模块包括：

语义分析单元，配置用于通过语义分析确定所述候选子标题中的各个词汇的角色信息；

词汇筛除单元，配置用于根据预设筛除规则筛除具有相应角色信息的词汇；

生成单元，配置用于将剩下的词汇生成所述候选新闻的短标题。

11.根据权利要求10所述的装置，其特征在于，所述角色信息包括：词性信息和/或成分信息。

12.根据权利要求10所述的装置，其特征在于，所述预设筛除规则包括以下至少一项：

如果定语在名词之前，删除掉定语对应的词汇；

如果副词在动词之前，删除掉副词对应的词汇。

13.一种计算设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。

14.一种非易失性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一所述的方法。

Images