CN107526718A - 用于生成文本的方法和装置 - Google Patents

Abstract

本申请实施例公开了用于生成文本的方法和装置。该方法的一具体实施方式包括：获取至少两个目标文本集合；确定目标文本集合两两之间的排列次序和关联程度值；构建包括有向边和结点的加权有向图；在加权有向图中提取由至少一条有向边和由至少一条有向边连接的结点组成的连续路径作为目标路径；分别提取目标路径中各个结点所对应的目标文本集合的摘要，并将提取的各个摘要合并为目标生成文本。该实施方式实现了在不使用模板的情况下利用利用非结构化的原始文本生成最终文本，扩大了自动生成文本方法的适用范围。

Description

用于生成文本的方法和装置

技术领域

本申请涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及用于生成文本的方法和装置。

背景技术

随着互联网技术的发展，在互联网中每天都会产生大量的新闻、文章、评论等文本，这些文本需要被整理、精简和汇总，以供用户阅读，进而节约用户查找文本的时间。

现有的文本自动生成的方法通过模板对文本内容进行组织并展现。然而，利用的模板的文本自动生成方法需要人工调整，而且生成文本需要使用结构化(例如文章的内容需要包含标题、作者、简介、评论、章节等版块)的文本内容，适用范围窄。

发明内容

本申请的目的在于提出一种改进的用于生成文本的方法和装置，来解决以上背景技术部分提到的技术问题。

第一方面，本申请实施例提供了一种用于生成文本的方法，该方法包括：获取至少两个目标文本集合；确定目标文本集合两两之间的排列次序和关联程度值；构建包括有向边和结点的加权有向图，其中，加权有向图中的结点分别对应目标文本集合，对于加权有向图中的每条有向边，该有向边的指向由与该有向边连接的两个结点对应的两个目标文本集合之间的排列次序确定，该有向边的权值为两个目标文本集合之间的关联程度值；在加权有向图中提取由至少一条有向边和由至少一条有向边连接的结点组成的连续路径作为目标路径；分别提取目标路径中各个结点所对应的目标文本集合的摘要，并将提取的各个摘要合并为目标生成文本。

在一些实施例中，构建包括有向边和结点的加权有向图之前，该方法还包括：对于至少两个目标文本集合中的每个目标文本集合，提取该目标文本集合的聚类特征信息，对所提取的聚类特征信息进行数值化处理，生成该目标文本集合的聚类特征值，其中，聚类特征信息用于表征目标文本集合的内容完整程度和内容重要程度。

在一些实施例中，对所提取的聚类特征信息进行数值化处理，生成该目标文本集合的聚类特征值包括：对所提取的聚类特征信息所包含的各个子特征信息分别进行统计计算，以生成每个子特征信息的子特征信息值；将各个子特征信息值进行合并计算，以生成该目标文本集合的聚类特征值。

在一些实施例中，目标路径为包含的结点数量最多、且包含的各条有向边的权值之和最大的连续路径；以及在加权有向图中提取由至少一条有向边和由至少一条有向边连接的结点组成的连续路径作为目标路径包括：响应于提取出至少两条包含的结点数量最多、且包含的各条有向边的权值之和最大的连续路径，对于提取的至少两条连续路径中的每条连续路径执行以下操作：对该连续路径所包含的各个结点所对应的目标文本集合的聚类特征值进行求和计算，得到该连续路径的特征权值；将各个特征权值中的最大值对应的连续路径确定为目标路径。

在一些实施例中，确定目标文本集合两两之间的排列次序和关联程度值包括：响应于接收到目标生成文本的类别信息，根据类别信息确定目标文本集合两两之间的排列次序和关联程度值。

在一些实施例中，分别提取目标路径中各个结点所对应的目标文本集合的摘要，并将提取的各个摘要合并为目标生成文本包括：对于目标路径中的各个结点所对应的目标文本集合中的每个目标文本集合，提取该目标文本集合包含的每个目标文本的质量特征，将各个质量特征分别进行量化计算，得到质量特征值，将各个质量特征值中的最大值对应的目标文本确定为该目标文本集合的代表目标文本，利用摘要提取算法提取代表目标文本的摘要，将提取的代表目标文本的摘要确定为该目标文本集合的摘要；按照与目标路径中各条有向边的指向对应的目标文本集合之间的排列次序，将提取的各个摘要合并，生成目标生成文本。

在一些实施例中，获取至少两个目标文本集合包括：获取至少两个目标文本，对至少两个目标文本进行相似文本聚类，生成至少两个目标文本集合。

在一些实施例中，获取至少两个目标文本包括：响应于接收到文本生成请求，根据文本生成请求包含的关键词，获取至少两个目标文本。

第二方面，本申请实施例提供了一种用于生成文本的装置，该装置包括：获取单元，配置用于获取至少两个目标文本集合；确定单元，配置用于确定目标文本集合两两之间的排列次序和关联程度值；构建单元，配置用于构建包括有向边和结点的加权有向图，其中，加权有向图中的结点分别对应目标文本集合，对于加权有向图中的每条有向边，该有向边的指向由与该有向边连接的两个结点对应的两个目标文本集合之间的排列次序确定，该有向边的权值为两个目标文本集合之间的关联程度值；第一提取单元，配置用于在加权有向图中提取由至少一条有向边和由至少一条有向边连接的结点组成的连续路径作为目标路径；生成单元，配置用于分别提取目标路径中各个结点所对应的目标文本集合的摘要，并将提取的各个摘要合并为目标生成文本。

在一些实施例中，该装置还包括：第二提取单元，配置用于对于至少两个目标文本集合中的每个目标文本集合，提取该目标文本集合的聚类特征信息，对所提取的聚类特征信息进行数值化处理，生成该目标文本集合的聚类特征值，其中，聚类特征信息用于表征目标文本集合的内容完整程度和内容重要程度。

在一些实施例中，第二提取单元进一步配置用于：对所提取的聚类特征信息所包含的各个子特征信息分别进行统计计算，以生成每个子特征信息的子特征信息值；将各个子特征信息值进行合并计算，以生成该目标文本集合的聚类特征值。

在一些实施例中，目标路径为包含的结点数量最多、且包含的各条有向边的权值之和最大的连续路径；以及第一提取单元包括：计算模块，配置用于响应于提取出至少两条包含的结点数量最多、且包含的各条有向边的权值之和最大的连续路径，对于提取的至少两条连续路径中的每条连续路径执行以下操作：对该连续路径所包含的各个结点所对应的目标文本集合的聚类特征值进行求和计算，得到该连续路径的特征权值；确定模块，配置用于将各个特征权值中的最大值对应的连续路径确定为目标路径。

在一些实施例中，确定单元进一步配置用于：响应于接收到目标生成文本的类别信息，根据类别信息确定目标文本集合两两之间的排列次序和关联程度值。

在一些实施例中，生成单元包括：提取模块，配置用于对于目标路径中的各个结点所对应的目标文本集合中的每个目标文本集合，提取该目标文本集合包含的每个目标文本的质量特征，将各个质量特征分别进行量化计算，得到质量特征值，将各个质量特征值中的最大值对应的目标文本确定为该目标文本集合的代表目标文本，利用摘要提取算法提取代表目标文本的摘要，将提取的代表目标文本的摘要确定为该目标文本集合的摘要；生成模块，配置用于按照与目标路径中各条有向边的指向对应的目标文本集合之间的排列次序，将提取的各个摘要合并，生成目标生成文本。

第三方面，本申请实施例提供了一种服务器，该服务器包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。

本申请实施例提供的用于生成文本的方法和装置，通过对获取的目标文本集合进行两两排序后，构建加权有向图，并从加权有向图中提取目标路径，再根据目标路径中的各个结点的排序，将提取的目标路径中的结点的摘要进行合并以获得目标生成文本，实现了在不使用模板的情况下利用非结构化的原始文本生成最终文本，扩大了自动生成文本的适用范围。

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是根据本申请的用于生成文本的方法的一个实施例的流程图；

图3A是根据本申请的用于生成文本的方法的构建的加权有向图的示意图；

图3B是根据本申请的用于生成文本的方法的提取到的连续路径的示意图；

图4是根据本申请的用于生成文本的方法的一个应用场景的示意图；

图5是根据本申请的用于生成文本的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用于生成文本的方法或用于生成文本的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，例如网页浏览器应用、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可以是具有显示屏并且支持网页浏览的各种电子设备，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 ExpertsGroup Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer 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上显示的文本提供支持的文本生成服务器。文本生成服务器可以接收终端设备发送的文本生成请求，针对文本生成请求获取目标文本，进而对获取到的目标文本进行处理，并将处理结果(例如生成的目标生成文本)反馈给终端设备。

需要说明的是，本申请实施例所提供的用于生成文本的方法一般由服务器105执行，相应地，用于生成文本的装置一般设置于服务器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。在有些情况下，服务器可以不需与终端设备通信即可执行生成目标生成文本的步骤，因此，这种情况下系统架构100可以不包括终端设备。例如，将服务器设置为周期性地获取目标文本集合并根据获取的目标文本集合生成目标生成文本。

继续参考图2，示出了根据本申请的用于生成文本的方法的一个实施例的流程200。该用于生成文本的方法，包括以下步骤：

步骤201，获取至少两个目标文本集合。

在本实施例中，用于生成文本的方法运行于其上的电子设备(例如图1所示的服务器)可以从远程(例如从用于存储目标文本的其他服务器)或本地(例如在上述电子设备本身)获取至少两个目标文本集合。其中，目标文本集合是生成目标生成文本所需要的文本集合。

在本实施例的一些可选的实现方式中，上述电子设备可以接收文本生成请求，上述文本生成请求可以是终端设备通过有线连接方式或者无线连接方式向上述电子设备发送的，上述电子设备接收到文本生成请求后，可以根据文本生成请求包含的关键词，获取与关键词相关的目标文本。

上述电子设备可以利用搜索引擎，在网络资源中搜索包含上述关键词的文本作为目标文本，还可以搜索存储于本地的包含上述关键词的文本作为目标文本。示例性的，当上述电子设备接收到文本生成请求后，解析上述文本生成请求包含的关键词信息。例如，上述电子设备接收的文本生成请求中包含关键词“新闻”、“财经”、“股市”。上述电子设备通过搜索引擎在网络资源中搜索包含关键词“新闻”、“财经”、“股市”的至少两个目标文本。

在本实施例的一些可选的实现方式中，上述电子设备可以对获取的至少两个目标文本进行相似文本聚类，获得至少两个目标文本集合。其中，上述至少两个目标文本集合中的每个目标文本集合为相似文本集合。上述目标文本可以是非结构化(即可以不包括标题、作者、简介、评论等版块)的文本，并且可以是各种格式的文本，例如html(hyper textmarkup language，超文本标记语言)、txt(text，文本文件)、doc(document，文档文件)、pdf(portable document format，便携式文档格式)等。上述电子设备可以利用聚类算法计算获取到的上述至少两个目标文本之间的相似度，根据计算出的相似度，将相似度大于相似度阈值的文本作为相似文本，从而获得至少两个相似文本集合，将获得的至少两个相似文本集合作为上述至少两个目标文本集合。上述聚类算法可以包括层次聚类算法、神经网络聚类算法等。

在本实施例的一些可选的实现方式中，上述电子设备可以采用层次聚类算法计算上述至少两个目标文本两两之间的相似度，上述电子设备通过计算两个目标文本之间的标题相似度、摘要相似度、图片相似度和内容语义相似度等信息来判断两个目标文本是否是相似文本，进而将所有的相似文本聚类成一个目标文本集合。

需要说明的是，上述各种聚类算法及计算两个文本之间的相似度的方法是目前广泛研究和应用的公知技术，在此不再赘述。

步骤202，确定目标文本集合两两之间的排列次序和关联程度值。

在本实施例中，基于步骤201获取的至少两个目标文本集合，上述电子设备可以确定目标文本集合两两之间的排列次序和关联程度值。上述排列次序可以是两个目标文本集合中的目标文本的内容的逻辑先后次序(例如时间次序、事件发展次序等)。上述关联程度值可以用于表征两个目标文本集合之间的内容关联的密切程度(例如用提取出的两个关键词之间的转移概率表征两个目标文本集合之间的内容关联的密切程度，转移概率越大，则关联的密切程度越大)。

其中，上述排列次序可以包括以下至少一种：两个目标文本集合分别包含的时间信息的排列次序(例如可以根据两个目标文本集合分别包含的文本的发布时间及文本内容所包含的时间等信息确定)、两个目标文本集合分别包含的事件的发展顺序(例如可以采用机器学习的方法，确定提取的两个目标文本集合分别包含的关键词之间的转移概率由大到小的顺序作为事件的发展顺序)、两个目标文本集合分别包含的关键词的受关注度次序(例如可以根据人的日常经验设置或通过在预设范围内统计关键词出现的次数确定)。上述关联程度值可以包括以下至少一种：两个目标文本集合分别包含的关键词之间的转移概率(转移概率是一个关键词与另一关键词存在依存关系的概率，例如可以采用马尔可夫分析法计算两个关键词之间的转移概率)、两个目标文本集合分别包含的关键词的受关注度的接近度(例如两个受关注度数值之差的倒数)等。

在本实施例的一些可选的实现方式中，上述电子设备可以响应于接收到目标生成文本的类别信息，根据类别信息确定目标文本集合两两之间的排列次序和关联程度值。其中，上述类别信息可以是需要生成的目标生成文本的类别的关键词，例如财经新闻、时事新闻、电影评论等。

需要说明的是，上述电子设备确定两个目标文本集合之间的排列次序和关联程度值所需要的关键词，以及根据关键词确定的两个目标文本集合之间的关联程度值可以根据人的日常经验设置，也可以采用机器学习的方法，得到目标文本中的关键词(例如利用基于主题模型的关键词提取方法、基于词图模型的关键词提取方法等得到目标文本中的关键词)，并且得到各个关键词之间的关联程度值(例如利用本领域常用的概率统计方法计算的两个关键词之间的转移概率)。上述机器学习的方法是目前广泛研究和应用的公知技术，在此不再赘述。

示例性的，上述电子设备接收到的文本生成请求包括某部电影的名称“XXX”，并且接收到目标生成文本的类别信息“电影评论”。通常，电影从开机到获奖的过程为“开机、预告、上映、票房、获奖”，则“开机”、“预告”、“上映”、“票房”、“获奖”分别为关于该电影的文本的关键词，如果上述电子设备获取到关于该电影的多个目标文本集合后，从获取到的多个目标文本集合中分别提取到具有关键词“开机”、“预告”、“上映”、“票房”、“获奖”的多个目标文本集合，进一步将获取到的具有上述关键词的多个目标文本集合按照该电影的事件发展规律确定每两个目标文本集合之间的次序信息。例如，第一目标文本集合的关键词为“开机”，第二目标文本集合的关键词为“预告”，第三目标文本集合的关键词是“获奖”，则第一目标文本集合与第二目标文本集合之间的排列次序为第一目标文本集合排列在第二目标文本集合之前，第一目标文本集合与第三目标文本集合之间的排列次序为第一目标文本集合排列在第三目标文本集合之前，第二目标文本集合与第三目标文本集合之间的排列次序为第二目标文本集合排列在第三目标文本集合之前。

再例如，第四目标文本集合包含关键词“股市”，第五目标文本集合包含关键词“期货”，第六目标文本集合包含关键词“原油”，由于通常“股市”的受关注度要大于“期货”的受关注度，“期货”的受关注度大于“原油”，因此，第四目标文本集合与第五目标文本集合之间的排列次序为第四目标文本集合排列在第五目标文本集合之前，第四目标文本集合与第六目标文本集合之间的排列次序为第四目标文本集合排列在第六目标文本集合之前，第五目标文本集合与第六目标文本集合之间的排列次序为第五目标文本集合排列在第六目标文本集合之前。

上述电子设备可以根据提取的关键词之间的转移概率或提取的关键词的受关注度的接近度来确定关联程度值。例如，上述关键词“开机”到关键词“预告”的转移概率大于关键词“开机”到关键词“上映”的转移概率，因此，确定上述第一目标文本集合与第二目标文本集合之间的关联程度值大于第一目标文本集合与第三目标文本集合之间的关联程度值。再例如，由于关键词“股市”的受关注度要大于关键词“期货”的受关注度，关键词“期货”的受关注度大于关键词“原油”的受关注度，因此，确定上述第四目标文本集合与上述第五目标文本集合之间的受关注度的接近度大于上述第四目标文本集合与上述第六目标文本集合之间的受关注度的接近度，即上述第四目标文本集合与上述第五目标文本集合之间的关联程度值大于上述第四目标文本集合与上述第六目标文本集合之间的关联程度值。

步骤203，构建包括有向边和结点的加权有向图。

在本实施例中，基于步骤202确定的目标文本集合两两之间的排列次序和关联程度值，上述电子设备可以构建加权有向图，其中，上述加权有向图包括至少两个结点、结点之间的有向边、与各条有向边对应的权值。上述加权有向图中的结点分别对应目标文本集合。对于加权有向图中的每条有向边，该有向边的指向由与该有向边连接的两个结点对应的两个目标文本集合之间的排列次序确定，该有向边的权值为两个目标文本集合之间的关联程度值。

继续参考图3A，图3为上述电子设备构建的加权有向图的示意图，图3A中标号为1～5的圆形结点分别对应一个目标文本集合，各条带箭头的直线分别表示一条有向边，并且箭头的方向用来表征与两个结点分别对应的目标文本集合的排列次序。例如，图3A中的结点1与结点3之间的箭头表示结点1对应的目标文本集合排在结点3对应的目标文本集合之前，各条有向边均包括权值x_i,j，其中，i、j分别表示结点的标号，x_i,j表示结点i和结点j之间的有向边的权值。如果上述电子设备确定结点1和结点2分别对应的目标文本集合之间没有先后排列次序，那么在上述加权有向图中可以省略结点1和结点2之间的有向边，各条有向边的权值x_i,j为两个结点分别对应的目标文本集合之间的关联程度值。

需要说明的是，上述电子设备构建有向图的方法是目前广泛研究和应用的公知技术，在此不再赘述。

步骤204，在加权有向图中提取由至少一条有向边和由该至少一条有向边连接的结点组成的连续路径作为目标路径。

在本实施例中，基于步骤203得到的加权有向图，上述电子设备可以从加权有向图中提取目标路径，其中，目标路径为各个结点通过有向边依次连接的连续路径。上述连续路径是指中间没有断点的路径，例如，图3A中的路径“结点1→结点3→结点4→结点5”为连续路径。

在本实施例的一些可选的实现方式中，对于上述电子设备获取的至少两个目标文本集合中的每个目标文本集合，上述电子设备可以提取该目标文本集合的聚类特征信息；然后对所提取的聚类特征信息进行数值化处理，生成该目标文本集合的聚类特征值。其中，聚类特征信息用于表征目标文本集合的内容完整程度和内容重要程度。

在本实施例的一些可选的实现方式中，上述电子设备生成目标文本集合的聚类特征值可以包括以下步骤：对所提取的聚类特征信息所包含的各个子特征信息分别进行统计计算，以生成每个子特征信息的子特征信息值；再将各个子特征信息值进行合并计算，以生成该目标文本集合的聚类特征值。其中，合并计算可以包括求和、求积、加权求和等计算方法。

在本实施例的一些可选的实现方式中，上述子特征信息可以包括以下至少一种：子特征信息所对应的目标文本集合的内容完整度特征(例如目标文本集合内包含的图片数量、字数、段落数量等)、子特征信息所对应的目标文本集合的内容来源重要度特征。其中，目标文本集合的内容来源重要度特征可以是上述电子设备获取的预设时间段内目标文本的来源网站的主域名点击量。目标文本集合的内容来源重要度特征还可以是目标文本集合的内容来源标识数值，其中，目标文本集合的内容来源标识数值是目标文本集合内的各个目标文本的来源网站的主域名分别对应的域名标识数值的平均值，且域名标识数值可以是预先设置的。

示例性的，上述电子设备可以将目标文本集合包含的图片数量确定为一个子特征信息值，将目标文本集合的内容来源标识数值确定为另一子特征信息值，然后将两个子特征信息值相乘，得到目标文本集合的聚类特征值。例如，如果第一目标文本集合中包含5张图片，第一目标文本集合的内容来源标识数值为0.8，第二目标文本集合中包含3张图片，第二目标文本集合的内容来源标识数值为0.5，则将图片数量和内容来源标识数值相乘后，得到第一目标文本集合的聚类特征值为4，第二目标文本集合的聚类特征值为1.5。

上述电子设备还可以采用加权相加的方式将目标文本集合内的子特征信息进行合并计算以得到目标文本集合的聚类特征值C，如下式所示：

C＝(N×P₁+M×P₂)×W，

其中，N为目标文本集合中的总字数，M为目标文本集合中的总图片数，P₁为字数的权重值，P₂为图片数量的权重值，W为目标文本集合中各个目标文本的域名标识数值的平均值。例如，第三目标文本集合中包含两个目标文本，第一目标文本包含2张图片、100个字，第一目标文本的域名标识数值为0.8，第二目标文本包含5张图片、300个字，第二目标文本的域名标识数值为0.4，预先设置的目标文本集合包含的总字数的权重值为0.1，包含的图片总数的权重值为0.9，则根据上式计算得到的第三目标文本的聚类特征值为27.78。

需要说明的是，上述电子设备是将聚类特征信息所包含的各个子特征信息经过数值化处理后，再经过合并计算，得到目标文本集合的聚类特征值，在该思想下，使用其他方法得到用于表征目标文本集合的内容完整程度和内容重要程度的数值的技术方案，同样在本申请的保护范围内。

在本实施例的一些可选的实现方式中，目标路径可以为包含的结点数量最多、且包含的各条有向边的权值之和最大的连续路径。当上述电子设备提取出至少两条包含的节点数量相同且包含的权值之和相同的连续路径时，对于提取的至少两条连续路径中的每条连续路径，上述电子设备可以执行以下操作：将该连续路径所包含的各个结点所对应的目标文本集合的聚类特征值进行求和计算，得到该连续路径的特征权值；然后将各个特征权值中的最大值对应的连续路径确定为目标路径。

需要说明的是，上述电子设备是将连续路径所包含的各个结点对应的目标文本的聚类特征值进行求和计算，得到连续路径的特征权值，在该思想下，以其他方法(例如加权求和、求积等)将连续路径所包含的各个结点对应的目标文本的聚类特征值进行合并处理后得到连续路径的特征权值的技术方案，同样在本申请的保护范围内。

继续参考图3B，图3B为上述电子设备从有向图中提取到的连续路径的示意图，如图3所示，从有向图中可以提取的路径中，包含结点数最多(本实施例为4个)、且包含的各条有向边的权值之和最大的路径有两条，分别为第一连续路径“结点1→结点3→结点4→结点5”和第二连续路径“结点2→结点3→结点4→结点5”。上述电子设备计算两条连续路径中的结点所对应的各个目标文本集合的聚类特征值，如果第一连续路径中的结点对应的目标文本集合的聚类特征值之和大于第二连续路径中的结点对应的目标文本集合的聚类特征值之和，则上述电子设备将第一连续路径确定为目标路径；如果第一连续路径中的结点对应的目标文本集合的聚类特征值之和等于第二连续路径中的结点对应的目标文本集合的聚类特征值之和，则确定其中一条(例如随机选择其中一条或按照提取出连续路径的时间顺序确定其中一条)连续路径作为目标路径。需要说明的是，上述电子设备在有向图中提取连续路径的方法是目前广泛研究和应用的公知技术，在此不再赘述。

步骤205，分别提取目标路径中各个结点所对应的目标文本集合的摘要，并将提取的各个摘要合并为目标生成文本。

在本实施例中，基于步骤204提取的目标路径，上述电子设备可以利用摘要提取算法分别提取上述目标路径中各个结点所对应的目标文本集合的摘要，进一步将提取的各个摘要合并为目标生成文本。

上述摘要提取算法可以是本领域技术人员使用的各种摘要算法，例如摘录式多文档摘要算法、基于主题模型的文档摘要算法及融合句义特征的文档自动摘要算法等。

上述电子设备可以针对目标路径中各个结点所对应的目标文本集合中的每个目标文本集合，提取该目标文本集合中的每个目标文本的摘要，利用文本相似度算法(例如基于空间向量的余弦算法、基于语义相似度的文本相似度算法等)确定相似的摘要，如果提取出的各篇摘要包括至少一组相似摘要，则从每组相似摘要中确定一个摘要，再将所确定的各个摘要与从该目标文本集合中提取的其他摘要合并为该目标文本集合的摘要。上述电子设备还可以针对目标路径中各个结点所对应的目标文本集合中的每个目标文本集合，确定该目标文本集合的代表目标文本，再提取该目标文本集合的代表目标文本的摘要，将提取的代表目标文本的摘要确定为该目标文本集合的摘要。

在本实施例的一些可选的实现方式中，对于目标路径中的各个结点所对应的目标文本集合中的每个目标文本集合，上述电子设备可以首先提取该目标文本集合包含的每个目标文本的质量特征，其次将各个质量特征分别进行量化计算，得到质量特征值，再将各个质量特征值中的最大值对应的目标文本确定为该目标文本集合的代表目标文本，再利用摘要提取算法提取代表目标文本的摘要，最后将提取的代表目标文本的摘要确定为该目标文本集合的摘要。上述电子设备进一步按照与目标路径中各条有向边的指向对应的目标文本集合之间的排列次序，将提取的各个摘要合并，生成目标生成文本。其中，上述质量特征可以包括以下至少一种：目标文本的内容完整度特征、目标文本的内容来源重要度特征等，其中，目标文本的内容完整度特征可以包括以下至少一种：目标文本的图片数量、字数、段落数量等，目标文本的内容来源重要度特征可以包括以下至少一种：预先设置的目标文本的域名标识数值、目标文本的来源网站的主域名的点击量等。

在本实施例的一些可选的实现方式中，上述电子设备将各个目标文本的质量特征分别进行量化计算，得到各个目标文本的质量特征值，其中，上述量化计算可以是对目标文本的内容完整度特征和目标文本的内容来源重要度特征所包含的各种数量信息进行求和、加权求和、求积等计算。例如，上述电子设备可以将目标文本包含的图片数量与预先设置的目标文本的域名标识数值相乘，得到目标文本的质量特征值。在上述第三目标文本集合中，第一目标文本包含2张图片，预先设置的第一目标文本的域名标识数值为0.8，第二目标文本包含5张图片，预先设置的第二目标文本的域名标识数值为0.4，则计算得到第一目标文本的质量特征值为1.6，第二目标文本的质量特征值为2。上述电子设备将第二目标文本确定为上述第三目标文本集合的代表目标文本。

继续参考图4，图4是根据本实施例的用于生成文本的方法的应用场景的一个示意图。

在图4的应用场景中，文本生成任务发起者首先在终端设备401(如台式计算机)输入目标生成文本包含的关键词(例如电影的名称“XXX”)和目标生成文本的类别“电影评论”之后，文本生成服务器402接收到关键词“XXX”和目标生成文本的类别“电影评论”可以后台获取关于电影“XXX”的评论文章；然后，上述文本生成服务器402以电影“XXX”从开机到获奖的事件发展顺序生成包括标题、图片及文字的目标生成文本；最后，上述文本生成服务器402将目标生成文本发送至用户使用的设备。如图4所示，用户通过终端设备403(如手机)浏览的目标生成文本即是按电影从开机到获奖的顺序组织排列的文章。

本申请的上述实施例提供的方法，通过确定获取的至少一个目标文本集合两两之间的排列次序和关联程度值，基于目标文本集合两两之间的排列次序和关联程度值构建加权有向图，并从加权有向图中提取目标路径，再根据目标路径中的各个结点的排序，将提取的目标路径中的结点的摘要进行合并以获得目标生成文本，实现了在不使用模板的情况下利用非结构化的原始文本生成最终文本，扩大了自动生成文本的适用范围。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种用于生成文本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，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的用于生成文本的装置500包括：获取单元501，配置用于获取至少两个目标文本集合；确定单元502，配置用于确定目标文本集合两两之间的排列次序和关联程度值；构建单元503，配置用于构建包括有向边和结点的加权有向图，其中，加权有向图中的结点分别对应目标文本集合，对于加权有向图中的每条有向边，该有向边的指向由与该有向边连接的两个结点对应的两个目标文本集合之间的排列次序确定，该有向边的权值为两个目标文本集合之间的关联程度值；第一提取单元504，配置用于在加权有向图中提取由至少一条有向边和由至少一条有向边连接的结点组成的连续路径作为目标路径；生成单元505，配置用于分别提取目标路径中各个结点所对应的目标文本集合的摘要，并将提取的各个摘要合并为目标生成文本。

在本实施例中，上述获取单元501可以从远程或本地获取至少两个目标文本集合。其中，目标文本集合是生成目标生成文本所需要的文本集合。

在本实施例中，上述确定单元502可以确定目标文本集合两两之间的排列次序和关联程度值。上述排列次序可以是两个目标文本集合中的目标文本的内容的逻辑先后次序(例如时间次序、事件发展次序等)。上述关联程度值可以用于表征两个目标文本集合之间的内容关联的密切程度(例如用提取出的两个关键词之间的转移概率表征两个目标文本集合之间的内容关联的密切程度，转移概率越大，则关联的密切程度越大)。

其中，上述排列次序可以包括以下至少一种：两个目标文本集合分别包含的时间信息的排列次序(例如可以根据两个目标文本集合分别包含的文本的发布时间及文本内容所包含的时间等信息确定)、两个目标文本集合分别包含的事件的发展顺序(例如可以采用机器学习的方法，确定提取的两个目标文本集合分别包含的关键词之间的转移次序作为事件的发展顺序)、两个目标文本集合分别包含的关键词的受关注度次序(例如可以根据人的日常经验设置或通过在预设范围内统计关键词出现的次数确定)。上述关联程度值可以包括以下至少一种：两个目标文本集合分别包含的关键词之间的转移概率(转移概率是一个关键词与另一关键词存在依存关系的概率)、两个目标文本集合分别包含的关键词的受关注度的接近度(例如两个受关注度数值之差的倒数)。

在本实施例中，上述构建单元503可以基于上述确定单元502确定的目标文本集合两两之间的排列次序和关联程度值，构建加权有向图。其中，上述加权有向图包括至少两个结点、结点之间的有向边、与各条有向边对应的权值。上述加权有向图中的结点分别对应目标文本集合。对于加权有向图中的每条有向边，该有向边的指向由与该有向边连接的两个结点对应的两个目标文本集合之间的排列次序确定，该有向边的权值为两个目标文本集合之间的关联程度值。

在本实施例中，上述第一提取单元504可以从加权有向图中提取目标路径，其中，目标路径为各个结点通过有向边依次连接的连续路径。

在本实施例中，上述生成单元505可以利用摘要提取算法分别提取上述目标路径中各个结点所对应的目标文本集合的摘要，进一步将提取的各个摘要合并为目标生成文本。上述电子设备可以针对目标路径中各个结点所对应的目标文本集合中的每个目标文本集合，提取该目标文本集合中的每个目标文本的摘要，利用文本相似度算法(例如基于空间向量的余弦算法、基于语义相似度的文本相似度算法等)确定相似的摘要，如果提取出的各篇摘要包括至少一组相似摘要，则从每组相似摘要中提取一篇摘要，再与其他不相似的摘要合并为该目标文本集合的摘要。上述电子设备还可以针对目标路径中各个结点所对应的目标文本集合中的每个目标文本集合，确定该目标文本集合的代表目标文本，再提取该目标文本集合的代表目标文本的摘要，将提取的代表目标文本的摘要确定为该该目标文本集合的摘要。

在本实施例的一些可选的实现方式中，上述用于生成文本的装置500还可以包括第二提取单元(图中未示出)。上述第二提取单元可以配置用于对于至少两个目标文本集合中的每个目标文本集合，提取该目标文本集合的聚类特征信息，对所提取的聚类特征信息进行数值化处理，生成该目标文本集合的聚类特征值，其中，聚类特征信息用于表征目标文本集合的内容完整程度和内容重要程度。

在本实施例的一些可选的实现方式中，上述第二提取单元可以进一步配置用于：对所提取的聚类特征信息所包含的各个子特征信息分别进行统计计算，以生成每个子特征信息的子特征信息值；将各个子特征信息值进行合并计算，以生成该目标文本集合的聚类特征值。

在本实施例的一些可选的实现方式中，上述第一提取单元504可以包括：计算模块和确定模块(图中未示出)。其中，上述计算模块配置用于响应于提取出至少两条包含的结点数量最多、且包含的各条有向边的权值之和最大的连续路径，对于提取的至少两条连续路径中的每条连续路径执行以下操作：对该连续路径所包含的各个结点所对应的目标文本集合的聚类特征值进行求和计算，得到该连续路径的特征权值。上述确定模块配置用于将各个特征权值中的最大值对应的连续路径确定为目标路径。

在本实施例的一些可选的实现方式中，上述确定单元502可以进一步配置用于：响应于接收到目标生成文本的类别信息，根据类别信息确定目标文本集合两两之间的排列次序和关联程度值。

在本实施例的一些可选的实现方式中，上述生成单元505可以包括提取模块和生成模块(图中未示出)。其中，上述提取模块可以配置用于对于目标路径中的各个结点所对应的目标文本集合中的每个目标文本集合，提取该目标文本集合包含的每个目标文本的质量特征，将各个质量特征分别进行量化计算，得到质量特征值，将各个质量特征值中的最大值对应的目标文本确定为该目标文本集合的代表目标文本，利用摘要提取算法提取代表目标文本的摘要，将提取的代表目标文本的摘要确定为该目标文本集合的摘要。上述生成模块可以配置用于按照与目标路径中各条有向边的指向对应的目标文本集合之间的排列次序，将提取的各个摘要合并，生成目标生成文本。

在本实施例的一些可选的实现方式中，上述获取单元501可以进一步配置用于获取至少两个目标文本，对至少两个目标文本进行相似文本聚类，生成至少两个目标文本集合。

在本实施例的一些可选的实现方式中，上述获取单元501还可以进一步配置用于响应于接收到文本生成请求，根据文本生成请求包含的关键词，获取至少两个目标文本。

本申请的上述实施例提供的装置，通过获取单元501获取目标文本集合，然后确定单元502确定获取的目标文本集合两两之间的排列次序和关联程度值，之后构建单元503构建加权有向图，第一提取单元504再从加权有向图中提取目标路径，最后生成单元505根据目标路径中的各个结点的排序，将提取的目标路径中的结点的摘要进行合并以获得目标生成文本，实现了在不使用模板的情况下利用非结构化的原始文本生成最终文本，扩大了自动生成文本的适用范围。

下面参考图6，其示出了适于用来实现本申请实施例的服务器的计算机系统600的结构示意图。图6示出的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；包括诸如阴极射线管(CRT)、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存储介质或者是上述两者的任意组合。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。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，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单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元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单元、确定单元、构建单元、第一提取单元和生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取至少两个目标文本集合的单元”。

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服务器中所包含的；也可以是单独存在，而未装配入该服务器中。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服务器执行时，使得该服务器：获取至少两个目标文本集合；确定目标文本集合两两之间的排列次序和关联程度值；构建包括有向边和结点的加权有向图，其中，加权有向图中的结点分别对应目标文本集合，对于加权有向图中的每条有向边，该有向边的指向由与该有向边连接的两个结点对应的两个目标文本集合之间的排列次序确定，该有向边的权值为两个目标文本集合之间的关联程度值；在加权有向图中提取由至少一条有向边和由至少一条有向边连接的结点组成的连续路径作为目标路径；分别提取目标路径中各个结点所对应的目标文本集合的摘要，并将提取的各个摘要合并为目标生成文本。

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 (16)

1.一种用于生成文本的方法，其特征在于，所述方法包括：

获取至少两个目标文本集合；

确定目标文本集合两两之间的排列次序和关联程度值；

构建包括有向边和结点的加权有向图，其中，所述加权有向图中的结点分别对应目标文本集合，对于所述加权有向图中的每条有向边，该有向边的指向由与该有向边连接的两个结点对应的两个目标文本集合之间的排列次序确定，该有向边的权值为两个目标文本集合之间的关联程度值；

在所述加权有向图中提取由至少一条有向边和由所述至少一条有向边连接的结点组成的连续路径作为目标路径；

分别提取所述目标路径中各个结点所对应的目标文本集合的摘要，并将提取的各个摘要合并为目标生成文本。

2.根据权利要求1所述的方法，其特征在于，所述构建包括有向边和结点的加权有向图之前，所述方法还包括：

对于所述至少两个目标文本集合中的每个目标文本集合，提取该目标文本集合的聚类特征信息，对所提取的聚类特征信息进行数值化处理，生成该目标文本集合的聚类特征值，其中，聚类特征信息用于表征目标文本集合的内容完整程度和内容重要程度。

3.根据权利要求2所述的方法，其特征在于，所述对所提取的聚类特征信息进行数值化处理，生成该目标文本集合的聚类特征值包括：

对所提取的聚类特征信息所包含的各个子特征信息分别进行统计计算，以生成每个子特征信息的子特征信息值；将各个子特征信息值进行合并计算，以生成该目标文本集合的聚类特征值。

4.根据权利要求2或3所述的方法，其特征在于，所述目标路径为包含的结点数量最多、且包含的各条有向边的权值之和最大的连续路径；以及

所述在所述加权有向图中提取由至少一条有向边和由所述至少一条有向边连接的结点组成的连续路径作为目标路径包括：

响应于提取出至少两条包含的结点数量最多、且包含的各条有向边的权值之和最大的连续路径，对于提取的至少两条连续路径中的每条连续路径执行以下操作：对该连续路径所包含的各个结点所对应的目标文本集合的聚类特征值进行求和计算，得到该连续路径的特征权值；

将各个特征权值中的最大值对应的连续路径确定为所述目标路径。

5.根据权利要求1所述的方法，其特征在于，所述确定目标文本集合两两之间的排列次序和关联程度值包括：

响应于接收到目标生成文本的类别信息，根据所述类别信息确定目标文本集合两两之间的排列次序和关联程度值。

6.根据权利要求1所述的方法，其特征在于，所述分别提取所述目标路径中各个结点所对应的目标文本集合的摘要，并将提取的各个摘要合并为目标生成文本包括：

对于所述目标路径中的各个结点所对应的目标文本集合中的每个目标文本集合，提取该目标文本集合包含的每个目标文本的质量特征，将各个质量特征分别进行量化计算，得到质量特征值，将各个质量特征值中的最大值对应的目标文本确定为该目标文本集合的代表目标文本，利用摘要提取算法提取代表目标文本的摘要，将提取的代表目标文本的摘要确定为该目标文本集合的摘要；

按照与所述目标路径中各条有向边的指向对应的目标文本集合之间的排列次序，将提取的各个摘要合并，生成目标生成文本。

7.根据权利要求1所述的方法，其特征在于，所述获取至少两个目标文本集合包括：

获取至少两个目标文本，对所述至少两个目标文本进行相似文本聚类，生成至少两个目标文本集合。

8.根据权利要求7所述的方法，其特征在于，所述获取至少两个目标文本包括：

响应于接收到文本生成请求，根据所述文本生成请求包含的关键词，获取至少两个目标文本。

9.一种用于生成文本的装置，其特征在于，所述装置包括：

获取单元，配置用于获取至少两个目标文本集合；

确定单元，配置用于确定目标文本集合两两之间的排列次序和关联程度值；

构建单元，配置用于构建包括有向边和结点的加权有向图，其中，所述加权有向图中的结点分别对应目标文本集合，对于所述加权有向图中的每条有向边，该有向边的指向由与该有向边连接的两个结点对应的两个目标文本集合之间的排列次序确定，该有向边的权值为两个目标文本集合之间的关联程度值；

第一提取单元，配置用于在所述加权有向图中提取由至少一条有向边和由所述至少一条有向边连接的结点组成的连续路径作为目标路径；

生成单元，配置用于分别提取所述目标路径中各个结点所对应的目标文本集合的摘要，并将提取的各个摘要合并为目标生成文本。

10.根据权利要求9所述的装置，其特征在于，所述装置还包括：

第二提取单元，配置用于对于所述至少两个目标文本集合中的每个目标文本集合，提取该目标文本集合的聚类特征信息，对所提取的聚类特征信息进行数值化处理，生成该目标文本集合的聚类特征值，其中，聚类特征信息用于表征目标文本集合的内容完整程度和内容重要程度。

11.根据权利要求10所述的装置，其特征在于，所述第二提取单元进一步配置用于：

对所提取的聚类特征信息所包含的各个子特征信息分别进行统计计算，以生成每个子特征信息的子特征信息值；将各个子特征信息值进行合并计算，以生成该目标文本集合的聚类特征值。

12.根据权利要求10或11所述的装置，其特征在于，所述目标路径为包含的结点数量最多、且包含的各条有向边的权值之和最大的连续路径；以及

所述第一提取单元包括：

计算模块，配置用于响应于提取出至少两条包含的结点数量最多、且包含的各条有向边的权值之和最大的连续路径，对于提取的至少两条连续路径中的每条连续路径执行以下操作：对该连续路径所包含的各个结点所对应的目标文本集合的聚类特征值进行求和计算，得到该连续路径的特征权值；

确定模块，配置用于将各个特征权值中的最大值对应的连续路径确定为所述目标路径。

13.根据权利要求9所述的装置，其特征在于，所述确定单元进一步配置用于：

响应于接收到目标生成文本的类别信息，根据所述类别信息确定目标文本集合两两之间的排列次序和关联程度值。

14.根据权利要求9所述的装置，其特征在于，所述生成单元包括：

提取模块，配置用于对于所述目标路径中的各个结点所对应的目标文本集合中的每个目标文本集合，提取该目标文本集合包含的每个目标文本的质量特征，将各个质量特征分别进行量化计算，得到质量特征值，将各个质量特征值中的最大值对应的目标文本确定为该目标文本集合的代表目标文本，利用摘要提取算法提取代表目标文本的摘要，将提取的代表目标文本的摘要确定为该目标文本集合的摘要；

生成模块，配置用于按照与所述目标路径中各条有向边的指向对应的目标文本集合之间的排列次序，将提取的各个摘要合并，生成目标生成文本。

15.一种服务器，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1-8中任一所述的方法。

16.一种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1-8中任一所述的方法。