CN109472028B - 用于生成信息的方法和装置 - Google Patents
用于生成信息的方法和装置 Download PDFInfo
- Publication number
- CN109472028B CN109472028B CN201811287894.1A CN201811287894A CN109472028B CN 109472028 B CN109472028 B CN 109472028B CN 201811287894 A CN201811287894 A CN 201811287894A CN 109472028 B CN109472028 B CN 109472028B
- Authority
- CN
- China
- Prior art keywords
- text
- title text
- adjusted
- title
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000012549 training Methods 0.000 claims description 33
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010801 machine learning Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 230000010365 information processing Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 102100040677 Glycine N-methyltransferase Human genes 0.000 description 1
- 101001039280 Homo sapiens Glycine N-methyltransferase Proteins 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/258—Heading extraction; Automatic titling; Numbering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Machine Translation (AREA)
Abstract
本申请实施例公开了用于生成信息的方法和装置。该方法的一具体实施方式包括:获取目标标题文本,其中,目标标题文本对应目标页面,用于用户点击,以呈现所点击的目标标题文本所对应的目标页面;将目标标题文本输入预先训练的文本调整模型,得到调整后标题文本,其中,文本调整模型用于表征标题文本与调整后标题文本的对应关系。该实施方式提高了信息生成的针对性和多样性。
Description
技术领域
本申请实施例涉及计算机技术领域,尤其涉及用于生成信息的方法和装置。
背景技术
目前,随着科技的发展,人们已经可以使用手机、计算机等电子设备浏览新闻、广告等呈现用信息。通常,呈现用信息可以对应一个标题文本。标题文本可以用于表征呈现用信息的内容。
现有技术中,对于预先确定的呈现用信息,技术人员可以预先设置呈现用信息所对应的标题文本。可以理解,好的标题文本(例如语言流畅的标题文本、语义明确的标题文本等)相较于不好的标题文本可以更好地吸引用户。
发明内容
本申请实施例提出了用于生成信息的方法和装置。
第一方面,本申请实施例提供了一种用于生成信息的方法,该方法包括:获取目标标题文本,其中,目标标题文本对应目标页面,用于用户点击,以呈现所点击的目标标题文本所对应的目标页面;将目标标题文本输入预先训练的文本调整模型,得到调整后标题文本,其中,文本调整模型用于表征标题文本与调整后标题文本的对应关系。
在一些实施例中,将目标标题文本输入预先训练的文本调整模型,得到调整后标题文本,包括:将目标标题文本输入预先训练的文本调整模型,得到至少两个调整后标题文本。
在一些实施例中,在将目标标题文本输入预先训练的文本调整模型,得到至少两个调整后标题文本之后,该方法还包括:对至少两个调整后标题文本进行排序,获得调整后标题文本序列;从所获得的调整后标题文本序列中选取调整后标题文本作为用于呈现给用户的呈现用标题文本。
在一些实施例中,对至少两个调整后标题文本进行排序,获得调整后标题文本序列,包括:对于至少两个调整后标题文本中的调整后标题文本,执行以下评分步骤:确定该调整后标题文本与目标标题文本的相关度,其中,相关度为用于表征相关程度的数值;基于所确定的相关度,确定用于表征该调整后标题文本的优劣程度的分值;基于所确定的分值,对至少两个调整后标题文本进行排序,获得调整后标题文本序列。
在一些实施例中,在基于所确定的相关度,确定用于表征该调整后标题文本的优劣程度的分值之前,评分步骤还包括:确定该调整后标题文本的语言流畅度,其中,语言流畅度为用于表征语言流畅程度的数值;以及基于所确定的相关度,确定用于表征该调整后标题文本的优劣程度的分值,包括:基于所确定的相关度和语言流畅度,确定用于表征该调整后标题文本的优劣程度的分值。
在一些实施例中,文本调整模型通过以下步骤训练得到:获取多个候选标题文本组,其中,候选标题文本组中的候选标题文本所指示的内容相关;对于多个候选标题文本组中的候选标题文本组,执行以下步骤:从该候选标题文本组中确定候选标题文本作为样本调整后标题文本,以及将该候选标题文本组中未确定的候选标题文本确定为样本标题文本;利用所确定的样本调整后标题文本和样本标题文本,组成训练样本;利用机器学习方法,将所组成的训练样本中的训练样本包括的样本标题文本作为输入,将所输入的样本标题文本所对应的样本调整后标题文本作为期望输出,训练得到文本调整模型。
第二方面,本申请实施例提供了一种用于生成信息的装置,该装置包括:文本获取单元,被配置成获取目标标题文本,其中,目标标题文本对应目标页面,用于用户点击,以呈现所点击的目标标题文本所对应的目标页面;文本输入单元,被配置成将目标标题文本输入预先训练的文本调整模型,得到调整后标题文本,其中,文本调整模型用于表征标题文本与调整后标题文本的对应关系。
在一些实施例中,文本输入单元进一步被配置成:将目标标题文本输入预先训练的文本调整模型,得到至少两个调整后标题文本。
在一些实施例中,该装置还包括:文本排序单元,被配置成对至少两个调整后标题文本进行排序,获得调整后标题文本序列;文本选取单元,被配置成从所获得的调整后标题文本序列中选取调整后标题文本作为用于呈现给用户的呈现用标题文本。
在一些实施例中,文本排序单元包括:分值确定模块,被配置成对于至少两个调整后标题文本中的调整后标题文本,执行以下评分步骤:确定该调整后标题文本与目标标题文本的相关度,其中,相关度为用于表征相关程度的数值;基于所确定的相关度,确定用于表征该调整后标题文本的优劣程度的分值;文本排序模块,被配置成基于所确定的分值,对至少两个调整后标题文本进行排序,获得调整后标题文本序列。
在一些实施例中,评分步骤还包括:确定该调整后标题文本的语言流畅度,其中,语言流畅度为用于表征语言流畅程度的数值;以及基于所确定的相关度,确定用于表征该调整后标题文本的优劣程度的分值,包括:基于所确定的相关度和语言流畅度,确定用于表征该调整后标题文本的优劣程度的分值。
在一些实施例中,文本调整模型通过以下步骤训练得到:获取多个候选标题文本组,其中,候选标题文本组中的候选标题文本所指示的内容相关;对于多个候选标题文本组中的候选标题文本组,执行以下步骤:从该候选标题文本组中确定候选标题文本作为样本调整后标题文本,以及将该候选标题文本组中未确定的候选标题文本确定为样本标题文本;利用所确定的样本调整后标题文本和样本标题文本,组成训练样本;利用机器学习方法,将所组成的训练样本中的训练样本包括的样本标题文本作为输入,将所输入的样本标题文本所对应的样本调整后标题文本作为期望输出,训练得到文本调整模型。
第三方面,本申请实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,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上述用于生成信息的方法中任一实施例的方法。
第四方面,本申请实施例提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现上述用于生成信息的方法中任一实施例的方法。
本申请实施例提供的用于生成信息的方法和装置,通过获取目标标题文本,其中,目标标题文本对应目标页面,用于用户点击,以呈现所点击的目标标题文本所对应的目标页面,而后将目标标题文本输入预先训练的文本调整模型,得到调整后标题文本,从而有效利用了文本调整模型对目标标题文本进行了调整,有助于针对目标标题文本,获得更优的标题文本,提高了信息生成的针对性和多样性。
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是本申请的一个实施例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信息的方法的一个实施例的流程图;
图3是根据本申请实施例的用于生成信息的方法的一个应用场景的示意图;
图4是根据本申请的用于生成信息的方法的又一个实施例的流程图;
图5是根据本申请的用于生成信息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电子设备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信息的方法或用于生成信息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可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,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 Experts Group Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts 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。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多个软件或软件模块),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发送的目标标题文本进行处理的信息处理服务器。信息处理服务器可以对接收到的目标标题文本等数据进行分析等处理,并获得处理结果(例如调整后标题文本)。
需要说明的是,本申请实施例所提供的用于生成信息的方法可以由终端设备101、102、103执行,也可以由服务器105执行,相应地,用于生成信息的装置可以设置于终端设备101、102、103中,也可以设置于服务器105中。
需要说明的是,服务器可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,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多个软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
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。在生成调整后标题文本的过程中所使用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,而只包括终端设备或服务器。
继续参考图2,示出了根据本申请的用于生成信息的方法的一个实施例的流程200。该用于生成信息的方法,包括以下步骤:
步骤201,获取目标标题文本。
在本实施例中,用于生成信息的方法的执行主体(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式获取目标标题文本。其中,目标标题文本为待对其进行调整的标题文本,目标标题文本对应目标页面,用于用户点击,以呈现所点击的目标标题文本所对应的目标页面。目标页面可以包括各种用于向用户呈现的信息,例如图片信息、文本信息、视频信息等。
具体的,上述执行主体可以获取预先存储于本地的目标标题文本;或者,上述执行主体可以获取与之通信连接的电子设备(例如图1所示的终端设备)发送的目标标题文本。
步骤202,将目标标题文本输入预先训练的文本调整模型,得到调整后标题文本。
在本实施例中,基于步骤201中得到的目标标题文本,上述执行主体可以将目标标题文本输入预先训练的文本调整模型,得到调整后标题文本。其中,调整后标题文本所指示的内容与目标标题文本所指示的内容相同或相似。例如,目标标题文本为“手机降价了”,所指示的内容为手机降价;调整后标题文本可以为“手机价格下跌”,所指示的内容与目标标题文本所指示的内容相同,也为手机降价。
在本实施例中,文本调整模型可以用于表征标题文本与调整后标题文本的对应关系。具体地,作为示例,文本调整模型可以是技术人员预先基于对大量的标题文本和标题文本所对应的调整后标题文本的统计而预先制定的、存储有多个标题文本与对应的调整后标题文本的对应关系表;也可以为基于预设的训练样本,利用机器学习方法对初始模型(例如神经网络)进行训练后得到的模型。通过使用文本调整模型,可以对目标标题文本进行调整,有助于获得更优的标题文本。
在本实施例的一些可选的实现方式中,文本调整模型可以通过以下步骤训练得到:
步骤2021,获取多个候选标题文本组。
其中,候选标题文本可以为预先确定的标题文本,候选标题文本对于候选页面,用于用户点击,以呈现所点击的候选标题文本所对应的候选页面。候选标题文本组中的候选标题文本所指示的内容相关。作为示例,候选标题文本组中的两个候选标题文本可以分别为“手机降价了”、“手机价格下跌”。这里,两个候选标题文本所指示的内容均为手机降价,即两个候选标题文本所指示的内容相关。需要说明的是,内容相关指的是内容相似或相同。
具体的,可以通过各种方法获取多个候选标题文本组,例如,可以首先获取多个候选标题文本,然后由技术人员依次从所获取的多个候选标题文本中标注内容相关的两个候选标题文本组成候选标题文本组,以获得多个候选标题文本组;或者,可以首先获取多个候选标题文本,然后对多个候选标题文本中的每两个标题文本进行相似度计算,进而利用相似度大于等于预设阈值的两个候选标题文本组成候选标题文本组,最终获得多个候选标题文本组。
步骤2022,对于多个候选标题文本组中的候选标题文本组,执行以下步骤:从该候选标题文本组中确定候选标题文本作为样本调整后标题文本,以及将该候选标题文本组中未确定的候选标题文本确定为样本标题文本;利用所确定的样本调整后标题文本和样本标题文本,组成训练样本。
具体的,对于步骤2021中得到的多个候选标题文本组中的候选标题文本组,可以执行以下步骤:
首先,从该候选标题文本组中确定候选标题文本作为样本调整后标题文本,以及将该候选标题文本组中未确定的候选标题文本确定为样本标题文本。
具体的,可以通过各种方法从该候选标题文本组中确定样本调整后标题文本,例如,针对该候选标题文本组,可以将所包括的字数较多的候选标题文本确定为样本调整后标题文本。
可选的,可以将该候选标题文本组中的候选标题文本分别输出给用户所使用的终端,然后确定预设时间段(例如一周)内,用户利用用户终端对该候选标题文本组中的各个候选标题文本进行点击的次数,进而将该候选标题文本组中所对应的点击次数较多的候选标题文本确定为样本调整后标题文本。
然后,利用所确定的样本调整后标题文本和样本标题文本,组成训练样本。
可以理解,利用所获取的多个候选标题文本组,可以组成多个训练样本。
步骤2023,利用机器学习方法,将所组成的训练样本中的训练样本包括的样本标题文本作为输入,将所输入的样本标题文本所对应的样本调整后标题文本作为期望输出,训练得到文本调整模型。
这里,可以利用机器学习方法,将所组成的训练样本中的训练样本包括的样本标题文本作为输入,将所输入的样本标题文本所对应的样本调整后标题文本作为期望输出,对预先确定的初始模型(例如谷歌神经翻译系统(Google Neural Machine Translation,GNMT))进行训练,获得文本调整模型。
需要说明的是,实践中,用于生成文本生成模型的步骤的执行主体可以与用于生成信息的方法的执行主体相同或者不同。如果相同,则用于生成文本生成模型的步骤的执行主体可以在训练得到文本生成模型后将训练好的文本生成模型存储在本地。如果不同,则用于生成文本生成模型的步骤的执行主体可以在训练得到文本生成模型后将训练好的文本生成模型发送给用于生成信息的方法的执行主体。
在本实施例的一些可选的实现方式中,文本调整模型可以用于表征标题文本和标题文本所对应的至少两个调整后标题文本的对应关系,进而,上述执行主体可以将目标标题文本输入文本调整模型,得到至少两个调整后标题文本。
实践中,获得调整后标题文本后,上述执行主体还可以基于所获得的调整后标题文本,确定用于呈现给用户的呈现用标题文本。具体的,上述执行主体可以直接将所获得的调整后标题文本确定为呈现用标题文本,也可以对所获得的调整后标题文本进行处理,并将处理后的调整后标题文本确定为呈现用标题文本。
继续参见图3,图3是根据本实施例的用于生成信息的方法的应用场景的一个示意图。在图3的应用场景中,服务器301首先可以获取终端设备302发送的目标标题文本(例如“手机降价了”)303。然后,服务器301可以将所获取的目标标题文本303输入预先训练的文本调整模型304,得到目标标题文本303所对应的调整后标题文本(例如“手机价格持续下跌”)305。其中,文本调整模型304可以用于表征标题文本与标题文本所对应的调整后标题文本的对应关系。
本申请的上述实施例提供的方法有效利用了文本调整模型对目标标题文本进行了调整,有助于针对目标标题文本,获得更优的标题文本,提高了信息生成的针对性和多样性。
进一步参考图4,其示出了用于生成信息的方法的又一个实施例的流程400。该用于生成信息的方法的流程400,包括以下步骤:
步骤401,获取目标标题文本。
在本实施例中,用于生成信息的方法的执行主体(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式获取目标标题文本。其中,目标标题文本为待对其进行调整的标题文本,目标标题文本对应目标页面,用于用户点击,以呈现所点击的目标标题文本所对应的目标页面。目标页面可以包括各种用于向用户呈现的信息,例如图片信息、文本信息、视频信息等。
步骤402,将目标标题文本输入预先训练的文本调整模型,得到至少两个调整后标题文本。
在本实施例中,基于步骤401中得到的目标标题文本,上述执行主体可以将目标标题文本输入预先训练的文本调整模型,得到至少两个调整后标题文本。其中,调整后标题文本所指示的内容与目标标题文本所指示的内容相同或相似。文本调整模型可以用于表征标题文本与调整后标题文本的对应关系。
步骤403,对至少两个调整后标题文本进行排序,获得调整后标题文本序列。
在本实施例中,基于步骤403中得到的至少两个调整后标题文本,上述执行主体可以对至少两个调整后标题文本进行排序,获得调整后标题文本序列。
具体的,上述执行主体可以采用各种方法对上述至少两个调整后标题文本进行排序,获得调整后标题文本序列。
在本实施例的一些可选的实现方式中,上述执行主体可以通过以下步骤对至少两个调整后标题文本进行排序,获得调整后标题文本序列:
步骤4031,对于至少两个调整后标题文本中的调整后标题文本,执行以下评分步骤:确定该调整后标题文本与目标标题文本的相关度;基于所确定的相关度,确定用于表征该调整后标题文本的优劣程度的分值。
具体的,上述执行主体可以通过各种方法确定该调整后标题文本与目标标题文本的相关度。其中,相关度为用于表征相关程度的数值。数值越大,相关程度可以越高。
作为示例,上述执行主体可以对该调整后标题文本和目标标题文本进行相似度计算,并将计算结果确定为该调整后标题文本和目标标题文本的相关度;或者,技术人员可以预先设置用于表征高的相关程度的第一相关度和用于表征低的相关程度的第二相关度。进而,上述执行主体可以首先基于词性标注的方法,确定出目标标题文本中的名词。然后,上述执行主体可以确定该调整后标题文本是否包括目标标题文本中的名词;若包括,将上述第一相关度确定为该调整后标题文本与目标标题文本的相关度;若不包括,将上述第二相关度确定为该调整后标题文本与目标标题文本的相关度。
另外,上述执行主体可以基于所确定的相关度,确定用于表征该调整后标题文本的优劣程度的分值。具体的,上述执行主体可以直接将所确定的相关度确定为用于表征该调整后标题文本的优劣程度的分值;或者,上述执行主体可以对所确定的相关度进行处理(例如乘以预设数值),进而将处理后的结果确定为用于表征该调整后标题文本的优劣程度的分值。
在本实施例的一些可选的实现方式中,在基于所确定的相关度,确定用于表征该调整后标题文本的优劣程度的分值之前,上述执行主体还可以确定该调整后标题文本的语言流畅度。其中,语言流畅度为用于表征语言流畅程度的数值。数值越大,语言流畅程度可以越高。进而,上述执行主体可以基于所确定的相关度和语言流畅度,确定用于表征该调整后标题文本的优劣程度的分值。
在这里,上述执行主体可以采用各种方法确定该调整后标题文本的语言流畅度,例如,上述执行主体可以获取技术人员标注的、该调整后标题文本的语言流畅度;或者,上述执行主体可以利用预先训练的语言流畅度模型确定该调整后标题文本的语言流畅度。具体的,上述执行主体可以将该调整后标题文本输入上述语言流畅度模型,获得该调整后标题文本的语言流畅度。其中,语言流畅度模型可以为基于语言模型(Language Modeling,LM)或者神经网络(Neural Network,NN)训练得到的、用于表征文本与文本的语言流畅度的对应关系的模型。
需要说明的是,训练获得语言流畅度模型的方法是目前广泛研究和应用的公知技术,此处不再赘述。
在本实现方式中,上述执行主体可以基于所确定的相关度和语言流畅度,确定用于表征该调整后标题文本的优劣程度的分值。作为示例,上述执行主体可以直接对所确定的相关度和语言流畅度进行求和,并将求和结果确定为用于表征该调整后标题文本的优劣程度的分值;或者,上述执行主体可以获取技术人员预先为相关度和语言流畅度分配的权重,并对相关度和语言流畅度进行加权求和,获得加权求和值,进而将所获得的加权求和值确定为用于表征该调整后标题文本的优劣程度的分值。
步骤4032,基于所确定的分值,对至少两个调整后标题文本进行排序,获得调整后标题文本序列。
具体的,上述执行主体可以按照分值由大到小的顺序或者由小到大的顺序,对至少两个调整后标题文本进行排序,获得调整后标题文本序列。
步骤404,从所获得的调整后标题文本序列中选取调整后标题文本作为用于呈现给用户的呈现用标题文本。
在本实施例中,基于步骤403中得到的调整后标题文本序列,上述执行主体可以从所获得的调整后标题文本序列中选取调整后标题文本作为用于呈现给用户的呈现用标题文本。
具体的,作为示例,当调整后标题文本序列中的调整后标题文本按照所对应的分值由大到小的顺序排列时,上述执行主体可以从调整后标题文本序列中选取排序在第一位的调整后标题文本作为用于呈现给用户的呈现用标题文本;当调整后标题文本序列中的调整后标题文本按照所对应的分值由小到大的顺序排列时,上述执行主体可以从调整后标题文本序列中选取排序在最后一位的调整后标题文本作为用于呈现给用户的呈现用标题文本。
从图4中可以看出,与图2对应的实施例相比,本实施例中的用生成信息的方法的流程400突出了当利用文本调整模型获得了至少两个调整后标题文本时,对所获得的至少两个调整后标题文本进行排序,获得调整后标题文本序列,以及从调整后标题文本序列中选取用于呈现给用户的呈现用标题文本的步骤。由此,本实施例提供了一种基于所获得的调整后标题文本,确定用于呈现给用户的呈现用标题文本的方案,实现了更全面的信息处理;另外,当利用文本调整模型获得了至少两个调整后标题文本时,通过对至少两个调整后标题文本进行排序,有助于将至少两个调整后标题文本中最优的调整后标题文本确定为用于呈现给用户的呈现用标题文本,进一步提高了信息处理的针对性和多样性。
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信息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信息的装置500包括:文本获取单元501和文本输入单元502。其中,文本获取单元501被配置成获取目标标题文本,其中,目标标题文本对应目标页面,用于用户点击,以呈现所点击的目标标题文本所对应的目标页面;文本输入单元502被配置成将目标标题文本输入预先训练的文本调整模型,得到调整后标题文本,其中,文本调整模型用于表征标题文本与调整后标题文本的对应关系。
在本实施例中,用于生成信息的装置500的文本获取单元501可以通过有线连接方式或者无线连接方式获取目标标题文本。其中,目标标题文本为待对其进行调整的标题文本,目标标题文本对应目标页面,用于用户点击,以呈现所点击的目标标题文本所对应的目标页面。目标页面可以包括各种用于向用户呈现的信息,例如图片信息、文本信息、视频信息等。
在本实施例中,基于文本获取单元501得到的目标标题文本,文本输入单元502可以将目标标题文本输入预先训练的文本调整模型,得到调整后标题文本。其中,调整后标题文本所指示的内容与目标标题文本所指示的内容相同或相似。例如,目标标题文本为“手机降价了”,所指示的内容为手机降价;调整后标题文本可以为“手机价格下跌”,所指示的内容与目标标题文本所指示的内容相同,也为手机降价。文本调整模型可以用于表征标题文本与调整后标题文本的对应关系。
在本实施例的一些可选的实现方式中,文本输入单元502可以进一步被配置成:将目标标题文本输入预先训练的文本调整模型,得到至少两个调整后标题文本。
在本实施例的一些可选的实现方式中,装置500还可以包括:文本排序单元(图中未示出),被配置成对至少两个调整后标题文本进行排序,获得调整后标题文本序列;文本选取单元(图中未示出),被配置成从所获得的调整后标题文本序列中选取调整后标题文本作为用于呈现给用户的呈现用标题文本。
在本实施例的一些可选的实现方式中,文本排序单元可以包括:分值确定模块(图中未示出),被配置成对于至少两个调整后标题文本中的调整后标题文本,执行以下评分步骤:确定该调整后标题文本与目标标题文本的相关度,其中,相关度为用于表征相关程度的数值;基于所确定的相关度,确定用于表征该调整后标题文本的优劣程度的分值;文本排序模块(图中未示出),被配置成基于所确定的分值,对至少两个调整后标题文本进行排序,获得调整后标题文本序列。
在本实施例的一些可选的实现方式中,评分步骤还可以包括:确定该调整后标题文本的语言流畅度,其中,语言流畅度为用于表征语言流畅程度的数值;以及基于所确定的相关度,确定用于表征该调整后标题文本的优劣程度的分值,包括:基于所确定的相关度和语言流畅度,确定用于表征该调整后标题文本的优劣程度的分值。
在本实施例的一些可选的实现方式中,文本调整模型可以通过以下步骤训练得到:获取多个候选标题文本组,其中,候选标题文本组中的候选标题文本所指示的内容相关;对于多个候选标题文本组中的候选标题文本组,执行以下步骤:从该候选标题文本组中确定候选标题文本作为样本调整后标题文本,以及将该候选标题文本组中未确定的候选标题文本确定为样本标题文本;利用所确定的样本调整后标题文本和样本标题文本,组成训练样本;利用机器学习方法,将所组成的训练样本中的训练样本包括的样本标题文本作为输入,将所输入的样本标题文本所对应的样本调整后标题文本作为期望输出,训练得到文本调整模型。
可以理解的是,该装置500中记载的诸单元与参考图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、特征以及产生的有益效果同样适用于装置500及其中包含的单元,在此不再赘述。
本申请的上述实施例提供的装置500有效利用了文本调整模型对目标标题文本进行了调整,有助于针对目标标题文本,获得更优的标题文本,提高了信息生成的针对性和多样性。
下面参考图6,其示出了适于用来实现本申请实施例的电子设备(例如图1所示的终端设备或服务器)的计算机系统600的结构示意图。图6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:一种处理器包括文本获取单元和文本输入单元。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,文本获取单元还可以被描述为“获取目标标题文本的单元”。
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:获取目标标题文本,其中,目标标题文本对应目标页面,用于用户点击,以呈现所点击的目标标题文本所对应的目标页面;将目标标题文本输入预先训练的文本调整模型,得到调整后标题文本,其中,文本调整模型用于表征标题文本与调整后标题文本的对应关系。
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 (6)
1.一种用于生成信息的方法,包括:
获取目标标题文本,其中,目标标题文本对应目标页面,用于用户点击,以呈现所点击的目标标题文本所对应的目标页面;
将所述目标标题文本输入预先训练的文本调整模型,得到至少两个调整后标题文本,其中,所述文本调整模型用于表征标题文本与调整后标题文本的对应关系;所述调整后的标题文本所指示的内容与所述目标标题文本所指示的内容相同或相似;
对于所述至少两个调整后标题文本中的调整后标题文本,执行以下评分步骤:基于词性标注的方法,确定目标标题文本中的名词;
确定所述调整后标题文本是否包括目标标题文本中的名词;
若包括,则将第一相关度确定为该调整后标题文本与目标标题文本的相关度;若不包括,将第二相关度确定为该调整后标题文本与目标标题文本的相关度,所述第一相关度用于表征高的相关度,所述第二相关度用于表征低的相关度;
确定该调整后标题文本的语言流畅度,其中,语言流畅度为用于表征语言流畅程度的数值;
基于所确定的相关度和语言流畅度,确定用于表征该调整后标题文本的优劣程度的分值;
基于所确定的分值,对至少两个调整后标题文本序列进行排序,获得调整后标题文本序列;
从所获得的调整后标题文本序列中选取调整后标题文本作为用于呈现给用户的呈现用标题文本。
2.根据权利要求1所述的方法,其中,所述文本调整模型通过以下步骤训练得到:
获取多个候选标题文本组,其中,候选标题文本组中的候选标题文本所指示的内容相关;
对于多个候选标题文本组中的候选标题文本组,执行以下步骤:从该候选标题文本组中确定候选标题文本作为样本调整后标题文本,以及将该候选标题文本组中未确定的候选标题文本确定为样本标题文本;利用所确定的样本调整后标题文本和样本标题文本,组成训练样本;
利用机器学习方法,将所组成的训练样本中的训练样本包括的样本标题文本作为输入,将所输入的样本标题文本所对应的样本调整后标题文本作为期望输出,训练得到文本调整模型。
3.一种用于生成信息的装置,包括:
文本获取单元,被配置成获取目标标题文本,其中,目标标题文本对应目标页面,用于用户点击,以呈现所点击的目标标题文本所对应的目标页面;
文本输入单元,被配置成将所述目标标题文本输入预先训练的文本调整模型,得到至少两个调整后标题文本,其中,所述文本调整模型用于表征标题文本与调整后标题文本的对应关系;所述调整后的标题文本所指示的内容与所述目标标题文本所指示的内容相同或相似;
所述装置还包括:
文本排序单元,被配置成对所述至少两个调整后标题文本进行排序,获得调整后标题文本序列;
文本选取单元,被配置成从所获得的调整后标题文本序列中选取调整后标题文本作为用于呈现给用户的呈现用标题文本;
所述文本排序单元包括:
分值确定模块,被配置成对于所述至少两个调整后标题文本中的调整后标题文本,执行以下评分步骤:确定所述调整后标题文本是否包括目标标题文本中的名词;若包括,则将第一相关度确定为该调整后标题文本与目标标题文本的相关度;若不包括,将第二相关度确定为该调整后标题文本与目标标题文本的相关度,所述第一相关度用于表征高的相关度,所述第二相关度用于表征低的相关度;确定该调整后标题文本的语言流畅度,其中,语言流畅度为用于表征语言流畅程度的数值;基于所确定的相关度和语言流畅度,确定用于表征该调整后标题文本的优劣程度的分值;
文本排序模块,被配置成基于所确定的分值,对所述至少两个调整后标题文本进行排序,获得调整后标题文本序列。
4.根据权利要求3所述的装置,其中,所述文本调整模型通过以下步骤训练得到:
获取多个候选标题文本组,其中,候选标题文本组中的候选标题文本所指示的内容相关;
对于多个候选标题文本组中的候选标题文本组,执行以下步骤:从该候选标题文本组中确定候选标题文本作为样本调整后标题文本,以及将该候选标题文本组中未确定的候选标题文本确定为样本标题文本;利用所确定的样本调整后标题文本和样本标题文本,组成训练样本;
利用机器学习方法,将所组成的训练样本中的训练样本包括的样本标题文本作为输入,将所输入的样本标题文本所对应的样本调整后标题文本作为期望输出,训练得到文本调整模型。
5.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
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或2所述的方法。
6.一种计算机可读介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如权利要求1或2所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811287894.1A CN109472028B (zh) | 2018-10-31 | 2018-10-31 | 用于生成信息的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811287894.1A CN109472028B (zh) | 2018-10-31 | 2018-10-31 | 用于生成信息的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109472028A CN109472028A (zh) | 2019-03-15 |
CN109472028B true CN109472028B (zh) | 2023-12-15 |
Family
ID=65666570
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811287894.1A Active CN109472028B (zh) | 2018-10-31 | 2018-10-31 | 用于生成信息的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109472028B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109947526B (zh) * | 2019-03-29 | 2023-04-11 | 北京百度网讯科技有限公司 | 用于输出信息的方法和装置 |
CN110795930A (zh) * | 2019-10-24 | 2020-02-14 | 网娱互动科技(北京)股份有限公司 | 一种文章标题优化方法、系统、介质及设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107220386A (zh) * | 2017-06-29 | 2017-09-29 | 北京百度网讯科技有限公司 | 信息推送方法和装置 |
CN107480144A (zh) * | 2017-08-03 | 2017-12-15 | 中国人民大学 | 具备跨语言学习能力的图像自然语言描述生成方法和装置 |
CN107832299A (zh) * | 2017-11-17 | 2018-03-23 | 北京百度网讯科技有限公司 | 基于人工智能的标题的改写处理方法、装置及可读介质 |
CN107977363A (zh) * | 2017-12-20 | 2018-05-01 | 北京百度网讯科技有限公司 | 标题生成方法、装置和电子设备 |
CN108280200A (zh) * | 2018-01-29 | 2018-07-13 | 百度在线网络技术(北京)有限公司 | 用于推送信息的方法和装置 |
WO2018192491A1 (zh) * | 2017-04-20 | 2018-10-25 | 北京京东尚科信息技术有限公司 | 信息推送方法和装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9342561B2 (en) * | 2014-01-08 | 2016-05-17 | International Business Machines Corporation | Creating and using titles in untitled documents to answer questions |
CN105488024B (zh) * | 2015-11-20 | 2017-10-13 | 广州神马移动信息科技有限公司 | 网页主题句的抽取方法及装置 |
CN106649288B (zh) * | 2016-12-12 | 2020-06-23 | 北京百度网讯科技有限公司 | 基于人工智能的翻译方法和装置 |
-
2018
- 2018-10-31 CN CN201811287894.1A patent/CN109472028B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018192491A1 (zh) * | 2017-04-20 | 2018-10-25 | 北京京东尚科信息技术有限公司 | 信息推送方法和装置 |
CN107220386A (zh) * | 2017-06-29 | 2017-09-29 | 北京百度网讯科技有限公司 | 信息推送方法和装置 |
CN107480144A (zh) * | 2017-08-03 | 2017-12-15 | 中国人民大学 | 具备跨语言学习能力的图像自然语言描述生成方法和装置 |
CN107832299A (zh) * | 2017-11-17 | 2018-03-23 | 北京百度网讯科技有限公司 | 基于人工智能的标题的改写处理方法、装置及可读介质 |
CN107977363A (zh) * | 2017-12-20 | 2018-05-01 | 北京百度网讯科技有限公司 | 标题生成方法、装置和电子设备 |
CN108280200A (zh) * | 2018-01-29 | 2018-07-13 | 百度在线网络技术(北京)有限公司 | 用于推送信息的方法和装置 |
Non-Patent Citations (3)
Title |
---|
Beyond word recognition,fluency,and vocabulary:The influence of reasoning on reading comprehension;Iolanda Ribeiro etc.;Australian Journal of Psychology;全文 * |
基于相似度的网页标题抽取方法;李国华等;中文信息学报(第02期);全文 * |
面向非结构化文本的开放式实体属性抽取;曾道建等;江西师范大学学报(自然科学版)(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109472028A (zh) | 2019-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109460514B (zh) | 用于推送信息的方法和装置 | |
US10795939B2 (en) | Query method and apparatus | |
CN106874467B (zh) | 用于提供搜索结果的方法和装置 | |
CN107577807B (zh) | 用于推送信息的方法和装置 | |
US10902077B2 (en) | Search result aggregation method and apparatus based on artificial intelligence and search engine | |
CN107241260B (zh) | 基于人工智能的新闻推送的方法和装置 | |
CN111125574B (zh) | 用于生成信息的方法和装置 | |
US11758088B2 (en) | Method and apparatus for aligning paragraph and video | |
CN108280200B (zh) | 用于推送信息的方法和装置 | |
CN107526718B (zh) | 用于生成文本的方法和装置 | |
CN106354856B (zh) | 基于人工智能的深度神经网络强化搜索方法和装置 | |
CN109446442B (zh) | 用于处理信息的方法和装置 | |
CN109582825B (zh) | 用于生成信息的方法和装置 | |
CN115982376B (zh) | 基于文本、多模数据和知识训练模型的方法和装置 | |
CN112948540A (zh) | 信息查询方法、装置、电子设备以及计算机可读介质 | |
CN112052297B (zh) | 信息生成方法、装置、电子设备和计算机可读介质 | |
CN111897950A (zh) | 用于生成信息的方法和装置 | |
CN109472028B (zh) | 用于生成信息的方法和装置 | |
CN111859973B (zh) | 用于生成解说词的方法和装置 | |
CN113051481B (zh) | 内容推荐方法、装置、电子设备和介质 | |
CN114445179A (zh) | 业务推荐方法、装置、电子设备和计算机可读介质 | |
CN107885872B (zh) | 用于生成信息的方法和装置 | |
CN108509442B (zh) | 搜索方法和装置、服务器以及计算机可读存储介质 | |
CN111125502B (zh) | 用于生成信息的方法和装置 | |
CN111026849A (zh) | 数据处理方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |