CN109885821B - 基于人工智能的文章撰写方法及装置、计算机存储介质 - Google Patents

Abstract

本发明公开了一种基于人工智能的文章撰写方法及装置、计算机存储介质，接收激励事件，从结构化素材库中获得与所述激励事件相关的第一素材数据，所述结构化素材库中存储有结构化素材数据，根据所述第一素材数据，生成相应的文章，整个撰写过程完全基于人工智能进行，实现了原创文章的自动化撰写，提高了文章撰写效率。

Description

基于人工智能的文章撰写方法及装置、计算机存储介质

技术领域

本发明涉及人工智能领域，尤其涉及一种基于人工智能的文章撰写方法 及装置、计算机存储介质。

背景技术

新闻报道、小说文章以及散文诗歌等是社会文化传播发展的载体，也是 无数文字工作者的工作内容。目前，可通过人工智能、机器学习等先进科学 技术手段，以社会热点，历史资料等素材，进行文章创造，进而实现解放人 类双手和大脑，又不会导致文章落于窠臼。

现有的基于人工智能和机器学习的文章撰写方法主要通过模板的制作和 填充的方式，实现数据到文本，但是不同领域的机器写作依赖不同的数据和 模板，而模板的迁移性又具有较高要求，导致基于机器学习的文章撰写应用 和实施不佳。

如何使基于人工智能和机器学习的文章撰写方式得到更好的应用和实施， 是本领域亟待解决的技术问题。

发明内容

有鉴于此，本申请实施例提供了一种基于人工智能的文章撰写方法及装 置、计算机存储介质，以克服现有技术中如何使基于人工智能和机器学习 的文章撰写方式得到更好的应用和实施的技术问题。

第一方面，本申请实施例提供了一种基于人工智能的文章撰写方法，包 括：

接收激励事件；

从结构化素材库中获得与所述激励事件相关的第一素材数据，所述结构 化素材库中存储有结构化素材数据；

根据所述第一素材数据，生成相应的文章。

结合第一方面，本申请实施例提供了第一方面的第一种可能的实施方式， 所述从结构化素材库中获得与所述激励事件相关的素材，包括：

利用数据分析方法对所述结构化素材库中的结构化素材数据和所述激励 事件进行分析检测，形成所述结构化数据资料和所述激励事件的基本模式， 并输出离散数据模式；

对所述基本模式进行语义编码，获得隐式语义向量，并对所述隐式语义 向量进行抽象分析，推断出所述结构化素材数据和所述激励事件之间的关系；

根据所述结构化素材数据和所述激励事件之间的关系，确定与所述激励 事件相关的所述第一素材数据。

结合第一方面的第一种可能的实施方式，本申请实施例提供了第一方面 的第二种可能的实施方式，所述根据所述第一素材数据，生成相应的文章， 包括：

对所述隐式语义向量进行语义解码，得到解码数据信息；

根据所述解码数据信息，进行文章结构规划；

根据所述文章结构和所述第一素材数据，通过自然语言生成所述文章。

结合第一方面至第一方面的第二种可能的实施方式，本申请实施例提供 了第一方面的第三种可能的实施方式，所述方法还包括：

对所述文章的句子语法结构、拼写、以及时态表述进行检测和校正。

第二方面，本申请实施例提供了一种基于人工智能的文章撰写装置，包 括：

激励接收模块，用于接收激励事件；

素材获取模块，用于从结构化素材库中获得与所述激励事件相关的第一 素材数据，所述结构化素材库中存储有结构化素材数据；

文章生成模块，用于根据所述第一素材数据，生成相应的文章。

结合第二方面，本申请实施例提供了第二方面的第一种可能的实施方式， 所述素材获取模块，包括：

分析检测单元，用于利用数据分析方法对所述结构化素材库中的结构化 素材数据和所述激励事件进行分析检测，形成所述结构化数据资料和所述激 励事件的基本模式，并输出离散数据模式；

抽象分析单元，用于对所述基本模式进行语义编码，获得隐式语义向量， 并对所述隐式语义向量进行抽象分析，推断出所述结构化素材数据和所述激 励事件之间的关系；

素材确定单元，用于根据所述结构化素材数据和所述激励事件之间的关 系，确定与所述激励事件相关的所述第一素材数据。

结合第二方面的第一种可能的实施方式，本申请实施例提供了第二方面 的第二种可能的实施方式，所述文章生成模块，具体用于：

对所述隐式语义向量进行语义解码，得到解码数据信息；

根据所述解码数据信息，进行文章结构规划；

根据所述文章结构和所述第一素材数据，通过自然语言生成所述文章。

结合第二方面至第二方面的第二种可能的实施方式，本申请实施例提供 了第二方面的第三种可能的实施方式，所述装置还包括：

检测校正模块，用于对所述文章的句子语法结构、拼写、以及时态表述 进行检测和校正。

第三方面，本申请实施例提供了一种基于人工智能的文章撰写装置，包 括：存储器和处理器；

所述存储器，用于存储计算机程序；

其中，所述处理器执行所述存储器中的计算机程序，以实现上述第一方 面至第一方面的第三种可能的实施方式中所述的方法。

第四方面，本申请实施例提供了一种计算机存储介质，所述计算机存储 介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现上述第 一方面至第一方面的第三种可能的实施方式中所述的方法。

本申请实施例提供的基于人工智能的文章撰写方法及装置、计算机存 储介质，接收激励事件，从结构化素材库中获得与所述激励事件相关的第一 素材数据，所述结构化素材库中存储有结构化素材数据，根据所述第一素材 数据，生成相应的文章，整个撰写过程完全基于人工智能进行，实现了原创 文章的自动化撰写，提高了文章撰写效率。

附图说明

图1为本发明实施例一提供的基于人工智能的文章撰写方法的流程示意 图；

图2为本申请实施例五提供的基于人工智能的文章撰写装置的结构示意 图；

图3为本申请实施例八提供的基于人工智能的文章撰写装置的结构示意 图；

图4为本申请实施例九提供的基于人工智能的文章撰写装置的结构示意 图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发 明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于 本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获 得的所有其他实施例，都属于本发明保护的范围。

实施例一

图1为本发明实施例一提供的基于人工智能的文章撰写方法的流程示意 图，如图1所示，该基于人工智能的文章撰写方法可以包括以下步骤：

101、接收激励事件；

102、从结构化素材库中获得与激励事件相关的第一素材数据，结构化素 材库中存储有结构化素材数据；

103、根据第一素材数据，生成相应的文章。

实际应用中，该基于人工智能的文章撰写方法的执行主体可以是基于人 工智能的文章撰写装置。在实际应用中，该基于人工智能的文章撰写装置可 以通过虚拟装置，例如软件代码实现，也可以通过写入有相关执行代码的实 体装置，例如，U盘实现，再或者，也可以通过集成有相关执行代码的实体装置实现，例如，智能手机、笔记本电脑、台式机等。

结合实际场景进行示例：以本实施例的执行主体为基于人工智能的文章 撰写装置。实际应用中，文章的类型包括很多种，比如散文、诗歌以及新闻 事件等，不同类型的文章撰写方式和风格也不相同，而且各种类型的文章撰 写往往需要大量的素材来支撑，比如写作一篇新闻报道文章，首先需要写明的内容包括时间、地点、人物及事件等，其次，为了使读者能够了解事件发 生的背景以及与各方面专家对此次事件的评论，那么就需要收集大量的素材， 将收集的素材、新闻事件本身以及作者自身对该新闻事件的评述结合起来， 方能写出一篇好的新闻报道文章。可以理解，新闻事件就是该新闻报道文章 的激励事件，基于人工智能的文章撰写装置通过机器学习等相关技术可以建 立不同类型的文章对应的不同的结构化素材库，结构化素材库中存储有结构化素材数据，以便于人工智能进行数据查找。

具体地，基于人工智能的文章撰写装置接收激励事件，比如某社会热点、 焦点话题等，经过基于人工智能的数据分析，可以确立待撰写文章的类型， 根据待撰写文章的类型可以确立待撰写文章的结构，然后基于人工智能的文 章撰写装置从该待撰写文章所属类型对应的结构化素材库中获得与激励事件 相关的素材数据，比如某社会热点发生的背景事件和社会各界、相关专家对该社会热点的评论内容等素材，结合待撰写文章的结构和从结构化素材库中 获得与激励事件相关的素材数据，生成相应的文章，可以理解，基于人工智 能的结构化素材库可以存储大量的各类型素材。以上文章撰写过程完全基于 人工智能进行，实现了原创文章的自动化撰写。

相应的，基于人工智能的数据分析方法包括有多种，比如线性回归分析、 方差分析、主成分分析和典型相关分析、判别分析、聚类分析、统计分析等， 实际应用中，可以根据需要进行选择，在此不做限定。

本实施例提供的基于人工智能的文章撰写方法，建立基于人工智能的、 存储有不同类型文章对应的结构化数据的数据库，通过激励事件的触发，基 于人工智能的文章撰写装置从激励事件对应的结构化素材库中获得与激励事 件相关的素材数据来完成文章撰写，整个撰写过程完全基于人工智能进行， 实现了原创文章的自动化撰写，从而提高了文章撰写效率。

实施例二

本申请实施例二中，在实施例一的基础上，上述步骤102，可以包括以 下步骤：

201、利用数据分析方法对结构化素材库中的结构化素材数据和激励事件 进行分析检测，形成结构化数据资料和激励事件的基本模式，并输出离散数 据模式；

202、对基本模式进行语义编码，获得隐式语义向量，并对隐式语义向量 进行抽象分析，推断出结构化素材数据和激励事件之间的关系；

203、根据结构化素材数据和激励事件之间的关系，确定与激励事件相关 的第一素材数据。

具体地，基于人工智能的数据分析方法包括有多种，比如线性回归分析、 方差分析、主成分分析和典型相关分析、判别分析、聚类分析、统计分析等， 实际应用中，可以根据需要进行选择，在此不做限定。结构化数据资料和激 励事件的基本模式是基于人工智能的文章撰写装置对结构化数据资料和激励 事件进行数据分析处理后的一种数据表现形式。利用隐式语义向量推断结构化素材数据和激励事件之间的关系，可以获得两者之间更准确的语义关联信 息。

本实施例提供的基于人工智能的文章撰写方法，利用基于人工智能的数 据分析方法对结构化素材数据和激励事件进行分析检测，利用隐式语义向量 推断结构化素材数据和激励事件之间的关系。本方案中对结构化素材数据和 激励事件的处理，可以获得两者之间更准确的语义关联信息，从而可以获得 与激励事件相关的更准确的素材数据，有利于文章的自动化撰写。

实施例三

本申请实施例三中，在实施例一的基础上，上述步骤103，可以包括以 下步骤：

301、对隐式语义向量进行语义解码，得到解码数据信息；

302、根据解码数据信息，进行文章结构规划；

303、根据文章结构和第一素材数据，通过自然语言生成文章。

具体地，通过对得到的结构化数据资料和激励事件之间的关系对应的隐 式语义向量进行计算机解码释义，得到释义数据信息，根据释义数据信息对 待撰写文章进行相应的结构规划，然后结合文章结构和素材数据，通过自然 语言生成文章。

本实施例提供的基于人工智能的文章撰写方法，对隐式语义向量进行语 义解码，得到解码数据信息，根据解码数据信息，进行文章结构规划，根据 文章结构和第一素材数据，通过自然语言生成文章，实现了文章的自动化撰 写，提高了写作效率。

实施例四

为了使基于人工智能撰写的文章更加准确，本申请实施例四中，在上述 各实施例的基础上，上述方法还可以包括以下步骤：

401、对文章的句子语法结构、拼写、以及时态表述进行检测和校正。

具体地，为了使基于人工智能撰写的文章更加准确，基于人工智能的文 章撰写装置可以对生成的文章中句子语法结构、拼写、以及时态表述进行错 误检测并校正。

本实施例提供的基于人工智能的文章撰写方法，在文章生成后，还对文 章的句子语法结构、拼写、以及时态表述可能存在错误进行检测和校正，保证了基于人工智能撰写的文章的准确性。

下述为本申请装置实施例，可以用于执行本申请方法实施例。对于本申 请装置实施例中未披露的细节，请参照本申请方法实施例。

实施例五

图2为本申请实施例五提供的基于人工智能的文章撰写装置的结构示意 图，如图2所示，该装置可以包括：

激励接收模块501，用于接收激励事件；

素材获取模块502，用于从结构化素材库中获得与激励事件相关的第一 素材数据，结构化素材库中存储有结构化素材数据；

文章生成模块503，用于根据第一素材数据，生成相应的文章。

实际应用中，激励接收模块501主要功能用于接收外界的激励事件，触 发待撰写文章的进程。素材获取模块502主要功能是对历史文档、素材的分 类收集、整理，以及存储，同时作为待撰写文章的输入数据接口模块。

本实施例提供的基于人工智能的文章撰写装置，建立基于人工智能的、 存储有不同类型文章对应的结构化数据的数据库，通过激励事件的触发，基 于人工智能的文章撰写装置从激励事件对应的结构化素材库中获得与激励事 件相关的素材数据来完成文章撰写，整个撰写过程完全基于人工智能进行， 实现了原创文章的自动化撰写，从而提高了文章撰写效率。

实施例六

实施例六中，在上述实施例五的基础上，素材获取模块502，可以包括：

分析检测单元100，用于利用数据分析方法对结构化素材库中的结构化 素材数据和激励事件进行分析检测，形成结构化数据资料和激励事件的基本 模式，并输出离散数据模式；

抽象分析单元200，用于对基本模式进行语义编码，获得隐式语义向量， 并对隐式语义向量进行抽象分析，推断出结构化素材数据和激励事件之间的 关系；

素材确定单元300，用于根据结构化素材数据和激励事件之间的关系， 确定与激励事件相关的第一素材数据。

实际应用中，分析检测单元100主要实现利用各种数据分析方法检测输 入数据事件的基本模式，并输出离散数据模式。抽象分析单元200主要功能 是通过内置的编码器，实现对数据或文本素材进行语义编码，获得隐式语义向量，以及通过对基本模式和输入的激励事件进行分析，推断出更加复杂和 抽象的消息，并推断出它们的关系，输出高层消息以及消息之间的关系。

具体地，基于人工智能的数据分析方法包括有多种，比如线性回归分析、 方差分析、主成分分析和典型相关分析、判别分析、聚类分析、统计分析等， 实际应用中，可以根据需要进行选择，在此不做限定。利用隐式语义向量推 断结构化素材数据和激励事件之间的关系，可以获得两者之间更准确的语义 关联信息。

本实施例提供的基于人工智能的文章撰写装置，利用基于人工智能的数 据分析方法对结构化素材数据和激励事件进行分析检测，利用隐式语义向量 推断结构化素材数据和激励事件之间的关系。本方案中对结构化素材数据和 激励事件的处理，可以获得两者之间更准确的语义关联信息，从而可以获得 与激励事件相关的更准确的素材数据，有利于文章的自动化撰写。

实施例七

实施例七中，在上述实施例六的基础上，文章生成模块503，可以具体 用于：

对隐式语义向量进行语义解码，得到解码数据信息；根据解码数据信息， 进行文章结构规划；根据文章结构和第一素材数据，通过自然语言生成文章。

实际应用中，文章生成模块503主要通过内置的解码器，对收到的消息 关系逐词进行解码，直到遇到结束符，分析决定哪些消息和关系需要在文中 提及、确定文本的结构，并输出需要提及的消息以及文档结构，根据选中的 消息及结构，通过自然语言生成最终的文本。

具体地，文章生成模块503通过对得到的结构化数据资料和激励事件之 间的关系对应的隐式语义向量进行计算机解码释义，得到释义数据信息，根 据释义数据信息对待撰写文章进行相应的结构规划，然后结合文章结构和素 材数据，通过自然语言生成文章。

本实施例提供的基于人工智能的文章撰写装置，对隐式语义向量进行语 义解码，得到解码数据信息，根据解码数据信息，进行文章结构规划，根据 文章结构和第一素材数据，通过自然语言生成文章，实现了文章的自动化撰 写，提高了写作效率。

实施例八

图3为本申请实施例八提供的基于人工智能的文章撰写装置的结构示意 图，实施例八中，如图3所示，在上述各装置实施例的基础上，本实施例提 供的装置还可以包括：

检测校正模块504，用于对文章的句子语法结构、拼写、以及时态表述 进行检测和校正。

本实施例提供的基于人工智能的文章撰写方法，在文章生成后，还对文 章的句子语法结构、拼写、以及时态表述可能存在错误进行检测和校正，保 证了基于人工智能撰写的文章的准确性。

实施例九

图4为本申请实施例九提供的基于人工智能的文章撰写装置的结构示意 图，如图4所示，该装置包括：存储器901和处理器902；

存储器901，用于存储计算机程序；

其中，处理器902执行存储器901中的计算机程序，以实现如上所述各 方法实施例所提供的方法。

本实施例提供的基于人工智能的文章撰写装置，可以实现上所各方法实 施例所提供的基于人工智能的文章撰写方法，整个撰写过程完全基于人工智 能进行，实现了原创文章的自动化撰写，从而提高了文章撰写效率。

实施例十

本申请实施例十提供了一种计算机存储介质，该计算机存储介质中存储 有计算机程序，计算机程序被处理器执行时用于实现如上所述各方法实施例 所提供的方法。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描 述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不 再赘述。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步 骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可 读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而 前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代 码的介质。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其 限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或 者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技 术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种基于人工智能的文章撰写方法，其特征在于，包括：

接收激励事件；

从结构化素材库中获得与所述激励事件相关的第一素材数据，所述结构化素材库中存储有结构化素材数据；

根据所述第一素材数据，生成相应的文章；

所述从结构化素材库中获得与所述激励事件相关的素材，包括：

利用数据分析方法对所述结构化素材库中的结构化素材数据和所述激励事件进行分析检测，形成结构化数据资料和所述激励事件的基本模式；

对所述基本模式进行语义编码，获得隐式语义向量，并对所述隐式语义向量进行抽象分析，推断出所述结构化素材数据和所述激励事件之间的关系；

根据所述结构化素材数据和所述激励事件之间的关系，确定与所述激励事件相关的所述第一素材数据。

2.根据权利要求1所述的方法，其特征在于，所述根据所述第一素材数据，生成相应的文章，包括：

对所述隐式语义向量进行语义解码，得到解码数据信息；

根据所述解码数据信息，进行文章结构规划；

根据所述文章结构和所述第一素材数据，通过自然语言生成所述文章。

3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：

对所述文章的句子语法结构、拼写、以及时态表述进行检测和校正。

4.一种基于人工智能的文章撰写装置，其特征在于，包括：

激励接收模块，用于接收激励事件；

素材获取模块，用于从结构化素材库中获得与所述激励事件相关的第一素材数据，所述结构化素材库中存储有结构化素材数据；

文章生成模块，用于根据所述第一素材数据，生成相应的文章；

所述素材获取模块，包括：

分析检测单元，用于利用数据分析方法对所述结构化素材库中的结构化素材数据和所述激励事件进行分析检测，形成结构化数据资料和所述激励事件的基本模式；

抽象分析单元，用于对所述基本模式进行语义编码，获得隐式语义向量，并对所述隐式语义向量进行抽象分析，推断出所述结构化素材数据和所述激励事件之间的关系；

素材确定单元，用于根据所述结构化素材数据和所述激励事件之间的关系，确定与所述激励事件相关的所述第一素材数据。

5.根据权利要求4所述的装置，其特征在于，所述文章生成模块，具体用于：

对所述隐式语义向量进行语义解码，得到解码数据信息；

根据所述解码数据信息，进行文章结构规划；

根据所述文章结构和所述第一素材数据，通过自然语言生成所述文章。

6.根据权利要求4或5所述的装置，其特征在于，所述装置还包括：

检测校正模块，用于对所述文章的句子语法结构、拼写、以及时态表述进行检测和校正。

7.一种基于人工智能的文章撰写装置，其特征在于，包括：存储器和处理器；

所述存储器，用于存储计算机程序；

其中，所述处理器执行所述存储器中的计算机程序，以实现如权利要求1-3中任一项所述的方法。

8.一种计算机存储介质，其特征在于，所述计算机存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现如权利要求1-3中任一项所述的方法。