CN110110303A - 新闻文本生成方法、装置、电子设备和计算机可读介质 - Google Patents
新闻文本生成方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN110110303A CN110110303A CN201910240677.5A CN201910240677A CN110110303A CN 110110303 A CN110110303 A CN 110110303A CN 201910240677 A CN201910240677 A CN 201910240677A CN 110110303 A CN110110303 A CN 110110303A
- Authority
- CN
- China
- Prior art keywords
- data
- news
- journalism
- convergent
- writing characteristic
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000004927 fusion Effects 0.000 claims abstract description 37
- 230000000739 chaotic effect Effects 0.000 claims abstract description 32
- 238000012549 training Methods 0.000 claims description 24
- 238000003860 storage Methods 0.000 claims description 22
- 238000010801 machine learning Methods 0.000 claims description 15
- 238000012216 screening Methods 0.000 claims description 12
- 230000032683 aging Effects 0.000 claims description 8
- 241001269238 Data Species 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 4
- 241000208340 Araliaceae Species 0.000 claims description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 3
- 235000008434 ginseng Nutrition 0.000 claims description 3
- 238000007499 fusion processing Methods 0.000 claims 1
- 238000005304 joining Methods 0.000 abstract description 4
- 238000012545 processing Methods 0.000 description 12
- 230000015654 memory Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000012706 support-vector machine Methods 0.000 description 4
- 238000003066 decision tree Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000005291 magnetic effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241000406668 Loxodonta cyclotis Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000000155 melt Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- SBNFWQZLDJGRLK-UHFFFAOYSA-N phenothrin Chemical compound CC1(C)C(C=C(C)C)C1C(=O)OCC1=CC=CC(OC=2C=CC=CC=2)=C1 SBNFWQZLDJGRLK-UHFFFAOYSA-N 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 210000000352 storage cell Anatomy 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Machine Translation (AREA)
Abstract
本公开涉及一种新闻文本生成方法、装置、电子设备和计算机可读介质。该方法包括：基于预设条件获取至少一个初始新闻数据；基于目标对象确定写作特征参数；将所述写作特征参数与所述至少一个初始新闻数据进行数据融合处理以生成融合新闻数据；基于混乱概率与所述融合新闻数据生成目标新闻数据；以及将所述目标新闻数据作为所述目标对象的新闻文本进行展示。本公开涉及的新闻文本生成方法、装置、电子设备和计算机可读介质，能够结合实时信息对新闻进行处理，自动生成带有个人特征的新闻文本。
Description
技术领域
本公开涉及计算机信息处理领域，具体而言，涉及一种新闻文本生成方法、装置、电子设备和计算机可读介质。
背景技术
随着当今新媒体的出现和发展，热点新闻不断涌现，新闻传播越来越快。一个新闻会被多家媒体进行不同角度的报道，随之而来的是新闻文本的数量越来越多，新闻工作者的工作量越来越大。
而且，随着新闻传播的节奏越来越快，需要新闻工作者用更快的速度报道一个消息，这种情况极大地增加了新闻工作者撰写稿件的工作量，也要求新闻工作者用更快的速度撰写稿件，很多媒体不得不通过增加新闻工作者的方式提高新闻稿件完成的效率。通过增加新闻工作者的方式，在提高效率的同时也带来了很多问题，比如不同的新闻工作者撰写风格不统一，以至于媒体风格不稳定；新闻工作者的数量增加的同时也增加了媒体的成本等等。
目前，有通过写作机器人或者自动写作工作辅助撰写的方式，但是由于现有技术的所有新闻资讯的生成均需要通过网站工作人员通过撰写并编辑生成，导致新闻资讯的文章生成效率较低；很多内容不带有时效性，可以在任何时候被再次拿来使用，缺乏吸引力；同时，现有写作机器人、以及学术界的自动写作工具，内容过于呆板单调。因此，需要一种新的新闻文本生成方法、装置、电子设备和计算机可读介质。
在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
有鉴于此，本公开提供一种新闻文本生成方法、装置、电子设备和计算机可读介质，能够结合实时信息对新闻进行处理，自动生成带有个人特征的新闻文本。
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
根据本公开的一方面，提出一种新闻文本生成方法，该方法包括：基于预设条件获取至少一个初始新闻数据；基于目标对象确定写作特征参数；将所述写作特征参数与所述至少一个初始新闻数据进行数据融合处理以生成融合新闻数据；基于混乱概率与所述融合新闻数据生成目标新闻数据；以及将所述目标新闻数据作为所述目标对象的新闻文本进行展示。
在本公开的一种示例性实施例中，所述预设条件包括时效条件，热度条件，数据源条件；基于预设条件获取至少一个初始新闻数据包括以下情况至少一者：对实时新闻数据的发布时间进行筛选处理，以筛选出满足时效条件的所述至少一个初始新闻数据；对实时新闻数据的新闻热度进行筛选处理，以筛选出满足热度条件的所述至少一个初始新闻数据；以及对实时新闻数据的发布平台进行筛选处理，以筛选出满足数据源条件的所述至少一个初始新闻数据。
在本公开的一种示例性实施例中，基于目标对象确定写作特征参数包括：基于目标对象通过写作特征库确定所述写作特征参数；所述写作特征库包括多个目标对象的多个多维度写作特征参数。
在本公开的一种示例性实施例中，将所述写作特征参数与所述至少一个初始新闻数据进行数据融合处理以生成融合新闻数据包括：将所述写作特征参数与所述至少一个初始新闻数据输入数据融合模型中以生成所述融合新闻数据。
在本公开的一种示例性实施例中，将所述写作特征参数与所述至少一个初始新闻数据输入数据融合模型中以生成所述融合新闻数据包括：为所述至少一个初始新闻数据确定权重；以及将所述写作特征参数与带有权重的所述至少一个初始新闻数据输入所述数据融合模型，生成所述融合新闻数据。
在本公开的一种示例性实施例中，还包括：通过历史新闻数据对机器学习算法的初始模型进行训练以获取所述数据融合模型。
在本公开的一种示例性实施例中，通过历史新闻数据对机器学习算法的初始模型进行训练以获取所述数据融合模型包括：通过历史新闻数据获取多个训练数据；将所述训练数据进行标注以生成训练集数据与验证集数据；将所述训练集数据输入机器学习算法的初始模型中进行训练，通过所述验证集数据对训练结果进行调参；以及在训练结束后获取所述数据融合模型。
在本公开的一种示例性实施例中，基于混乱概率与所述融合新闻数据生成目标新闻数据还包括：基于所述目标对象确定所述混乱概率。
在本公开的一种示例性实施例中，基于混乱概率与所述融合新闻数据生成目标新闻数据包括：确定所述融合新闻数据的字符数量；基于所述混乱概率与所述字符数确定替换字符数量；以及基于所述替换字符数量对所述融合新闻数据进行字符替换以生成所述目标新闻数据。
在本公开的一种示例性实施例中，基于所述替换字符数量对所述融合新闻数据进行字符替换以生成所述目标新闻数据还包括：在字符替换过程中，基于所述目标对象与写作特征库确定替换后的字符。
根据本公开的一方面，提出一种新闻文本生成装置，该装置包括：初始数据模块，用于基于预设条件获取至少一个初始新闻数据；写作特征模块，用于基于目标对象确定写作特征参数；数据融合模块，用于将所述写作特征参数与所述至少一个初始新闻数据进行数据融合处理以生成融合新闻数据；目标数据模块，用于基于混乱概率与所述融合新闻数据生成目标新闻数据；以及新闻展示模块，用于将所述目标新闻数据作为所述目标对象的新闻文本进行展示。
根据本公开的一方面，提出一种电子设备，该电子设备包括：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上文的方法。
根据本公开的一方面，提出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如上文中的方法。
根据本公开的新闻文本生成方法、装置、电子设备和计算机可读介质，基于目标对象的写作特征参数；将所述写作特征参数与初始新闻数据进行数据融合处理以生成融合新闻数据，并且基于混乱概率与所述融合新闻数据生成目标新闻数据的方式，能够结合实时信息对新闻进行处理，自动生成带有个人特征的新闻文本。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。
附图说明
通过参照附图详细描述其示例实施例，本公开的上述和其它目标、特征及优点将变得更加显而易见。下面描述的附图仅仅是本公开的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据一示例性实施例示出的一种新闻文本生成方法及装置的系统场景框图。
图2是根据一示例性实施例示出的一种新闻文本生成方法的流程图。
图3是根据另一示例性实施例示出的一种新闻文本生成方法的流程图。
图4是根据另一示例性实施例示出的一种新闻文本生成方法的流程图。
图5是根据一示例性实施例示出的一种新闻文本生成装置的框图。
图6是根据一示例性实施例示出的一种电子设备的框图。
图7是根据一示例性实施例示出一种计算机可读存储介质示意图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本公开将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
应理解，虽然本文中可能使用术语第一、第二、第三等来描述各种组件，但这些组件不应受这些术语限制。这些术语乃用以区分一组件与另一组件。因此，下文论述的第一组件可称为第二组件而不偏离本公开概念的教示。如本文中所使用，术语“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。
本领域技术人员可以理解，附图只是示例实施例的示意图，附图中的模块或流程并不一定是实施本公开所必须的，因此不能用于限制本公开的保护范围。
图1是根据一示例性实施例示出的一种新闻文本生成方法及装置的系统场景框图。
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，例如购物类应用、网页浏览器应用、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、膝上型便携计算机和台式计算机等等。
用户可通过终端设备101、102、103基于预设条件获取至少一个初始新闻数据，终端设备101、102、103可例如基于目标对象确定写作特征参数；终端设备101、102、103可例如将所述写作特征参数与所述至少一个初始新闻数据进行数据融合处理以生成融合新闻数据；终端设备101、102、103可例如基于混乱概率与所述融合新闻数据生成目标新闻数据；以及终端设备101、102、103可例如将所述目标新闻数据作为所述目标对象的新闻文本进行展示。
终端设备101、102、103还可例如通过历史新闻数据对机器学习算法的初始模型进行训练以获取所述数据融合模型。
服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所提供的新闻数据提供支持的后台服务器。服务器105可以对接收到的新闻数据进行分析等处理，并将处理结果反馈给终端设备。
用户可通过终端设备101、102、103获取多个初始新闻数据，终端设备101、102、103可例如获取多个初始新闻数据转发至服务器105中，服务器105可例如基于预设条件获取至少一个初始新闻数据；服务器105可例如基于目标对象确定写作特征参数；服务器105可例如将所述写作特征参数与所述至少一个初始新闻数据进行数据融合处理以生成融合新闻数据；以及服务器105可例如基于混乱概率与所述融合新闻数据生成目标新闻数据；服务器105可例如将所述目标新闻数据作为所述目标对象的新闻文本进行展示。
服务器105还可例如通过历史新闻数据对机器学习算法的初始模型进行训练以获取所述数据融合模型。
服务器105可以是一个实体的服务器，还可例如为多个服务器组成，需要说明的是，本公开实施例所提供的新闻文本生成方法可以由服务器105和/或终端设备101、102、103执行，相应地，新闻文本生成装置可以设置于服务器105和/或终端设备101、102、103中。而提供给用户进行初始新闻数据输入的请求端一般位于终端设备101、102、103中。
根据本公开的新闻文本生成方法及装置，基于作者的特点，并结合智能写作工具进行自动写稿，可以能够极大提高写作的工作效率，能够适用多种写稿场景，具有个性化特色。
图2是根据一示例性实施例示出的一种新闻文本生成方法的流程图。新闻文本生成方法20至少包括步骤S202至S210。
如图2所示，在S202中，基于预设条件获取至少一个初始新闻数据。所述预设条件包括时效条件，热度条件，数据源条件；
在一个实施例中，基于预设条件获取至少一个初始新闻数据包括以下情况至少一者：对实时新闻数据的发布时间进行筛选处理，以筛选出满足时效条件的所述至少一个初始新闻数据；对实时新闻数据的新闻热度进行筛选处理，以筛选出满足热度条件的所述至少一个初始新闻数据；以及对实时新闻数据的发布平台进行筛选处理，以筛选出满足数据源条件的所述至少一个初始新闻数据。
在S204中，基于目标对象确定写作特征参数。
在一个实施例中，包括：基于目标对象通过写作特征库确定所述写作特征参数；所述写作特征库包括多个目标对象的多个多维度写作特征参数。
其中，可建立包括多个作者的写作特征库，在写作特征库中，包括多个作者的多维度写作特征参数，多维度可包括作者的常用修辞方式、常用词、地点、甚至常用人物关系等。
具体可例如，通过A作者已发表的各种新闻文稿或者其他作品文档获取多维度写作特征参数，具体可通过文字处理软件，对A作者已发表的各种新闻文稿或者其他作品文档中的各个字符进行标注，判断各个字符或者词语出现的概率，将出现次数较多的字符或者词语，作为作者A的写作特征参数。
在一个实施例中，还可通过TextRank（关键词提取算法）来提取作者A的写作特征参数，TextRank是初期的链接分析算法，自从Google在商业上获得空前的成功后，该算法也成为其他搜索引擎和学术界十分关注的计算模型。眼下许多重要的链接分析算法都是在PageRank算法基础上衍生出来的。PageRank是用来标识网页的等级/重要性的一种方法，是用来衡量一个站点的好坏的唯一标准。在揉合了诸如Title标识和Keywords标识等全部其他因素之后，可通过PageRank来调整结果，使那些更具“等级/重要性”的网页在搜索结果中另站点排名获得提升，从而提高搜索结果的相关性和质量。其级别从0到10级，10级为满分。PR值越高说明该网页越受欢迎（越重要）。
基于以上的思想，可将A作者文章中的每个词均作为一个站点，赋予不同的初始值之后，通过TextRank算法确定不同的词不同的等级，以确定A作者的写作特征参数。
在S206中，将所述写作特征参数与所述至少一个初始新闻数据进行数据融合处理以生成融合新闻数据。可例如，将所述写作特征参数与所述至少一个初始新闻数据输入数据融合模型中以生成所述融合新闻数据。
在一个实施例中，可例如为所述至少一个初始新闻数据确定权重；以及将所述写作特征参数与带有权重的所述至少一个初始新闻数据输入所述数据融合模型，生成所述融合新闻数据。不同的数据源获取的初始新闻数据可具有不同的权重，可例如A网站为阅读量和市场占有率较高的门户网站，B网站为地位等级高的新闻平台，而C网站为适用小范围的论坛，则可为A网站和B网站的初始新闻数据分配较高的权重，C网站的初始新闻数据分配交底的权重，以利于最终生成的融合新闻数据的阅读量。
在一个实施例中，还包括：通过历史新闻数据对机器学习算法的初始模型进行训练以获取所述数据融合模型。这部分的内容将在图4对应的实施例中进行详细说明。
在S208中，基于混乱概率与所述融合新闻数据生成目标新闻数据。在实际情况中，由于人类的特征，使得真实的人类在写作过程中必然会带有少量的错误或者意外情况，为了更好地模拟真实的人类写作的特征，本实施例可通过混乱概率引入“错误”字符。
在一个实施例中，可例如，基于所述目标对象确定所述混乱概率。更具体的，可通过作者已发表的文章中，获取该作者错误的平均值，作为该作者的混乱概率储存在作者的写作特征库中。
在一个实施例中，可例如，确定所述融合新闻数据的字符数量；基于所述混乱概率与所述字符数确定替换字符数量；以及基于所述替换字符数量对所述融合新闻数据进行字符替换以生成所述目标新闻数据。
在S210中，将所述目标新闻数据作为所述目标对象的新闻文本进行展示。
根据本公开的新闻文本生成方法，基于目标对象的写作特征参数；将所述写作特征参数与初始新闻数据进行数据融合处理以生成融合新闻数据，并且基于混乱概率与所述融合新闻数据生成目标新闻数据的方式，能够结合实时信息对新闻进行处理，自动生成带有个人特征的新闻文本。
应清楚地理解，本公开描述了如何形成和使用特定示例，但本公开的原理不限于这些示例的任何细节。相反，基于本公开公开的内容的教导，这些原理能够应用于许多其它实施例。
图3是根据另一示例性实施例示出的一种新闻文本生成方法的流程图。图3所示的流程30是对图2所示的流程中S208“基于混乱概率与所述融合新闻数据生成目标新闻数据”的详细描述。
如图3所示，在S302中，确定所述融合新闻数据的字符数量。可通过文字处理工具确定融合新闻的字符数量，具体可包括中文文字数量，英文文字数量，特殊字符数量，标点符号数量。
在一个实施例中，可分别统计不同类型的字符的数量，然后再生成总字符数。可例如融合新闻中中文字符500个，英文字符100个，特殊字符0个，标点符号30个，总字符数为630个。
在S304中，基于所述混乱概率与所述字符数确定替换字符数量。可例如，混乱概率为0.01，融合新闻数据的字符量为1000，则需要替换掉额字符数量为10个。
在一个实施例中，还可例如，为不同的字符属性确定不同的混乱概率，可例如，A作者的中文字符的混乱概率为0.01，英文字符的混乱概率为0.02，标点符号的混乱概率为0.01；则在融合新闻中中文字符500个，英文字符100个，特殊字符0个，标点符号30个，总字符数为630个时，可分别计算不同类型的字符需要替换的数量。
在S306中，基于所述替换字符数量对所述融合新闻数据进行字符替换以生成所述目标新闻数据。
在一个实施例中，可随机用其他字符替换掉原有的字符，还可例如通过作者特征库，找出作者的个人行为习惯特征，以进行替换。本申请在此不再赘述。
图4是根据另一示例性实施例示出的一种新闻文本生成方法的流程图。图4所示的流程40是 “通过历史新闻数据对机器学习算法的初始模型进行训练以获取所述数据融合模型”的详细描述。
如图4所示，在S402中，通过历史新闻数据获取多个训练数据。
在S404中，将所述训练数据进行标注以生成训练集数据与验证集数据。
在S406中，将所述训练集数据输入机器学习算法的初始模型中进行训练，通过所述验证集数据对训练结果进行调参。
在S408中，在训练结束后获取所述数据融合模型。
在机器模型的训练过程中，可将数据分为：
训练集（Training Set）：帮助训练模型，简单的说就是通过训练集的数据确定拟合曲线的参数。
验证集（Validation Set）：用来做模型选择（model selection），即做模型的最终优化及确定的，用来辅助模型的构建
然后对数据进行数据标注，数据标注为训练样本打标签。在本实施例中标签可例如为融合正确标签与融合错误标签。
将上述数据输入到机器学习模型中，通过机器学习模型获取所述数据融合模型。其中，本申请中的机器学习模型可例如为：监督学习和无监督学习两大类。
监督学习可包括：线性分类器（如LR)、支持向量机（SVM）、朴素贝叶斯（NB）、K近邻（KNN）、决策树（DT）、集成模型（RF/GDBT等）；线性回归、支持向量机（SVM）、K近邻（KNN）、回归树（DT）、集成模型（ExtraTrees/RF/GDBT）
无监督学习可包括：数据聚类（K-means）/ 数据降维（PCA）等等。
根据本公开的新闻文本生成方法，通过机器学习模型的方式，结合智能写作与个人特色，并依据时背景进行融合，具有显明的时效性和个人特色，内容具有个性及时效性
本领域技术人员可以理解实现上述实施例的全部或部分步骤被实现为由CPU 执行的计算机程序。在该计算机程序被CPU 执行时，执行本公开提供的上述方法所限定的上述功能。所述的程序可以存储于一种计算机可读存储介质中，该存储介质可以是只读存储器，磁盘或光盘等。
此外，需要注意的是，上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
下述为本公开装置实施例，可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节，请参照本公开方法实施例。
图5是根据一示例性实施例示出的一种新闻文本生成装置的框图。如图5所示新闻文本生成装置50包括：初始数据模块502，写作特征模块504，数据融合模块506，目标数据模块508，以及新闻展示模块510。
初始数据模块502用于基于预设条件获取至少一个初始新闻数据；所述预设条件包括时效条件，热度条件，数据源条件；
在一个实施例中，基于预设条件获取至少一个初始新闻数据包括以下情况至少一者：对实时新闻数据的发布时间进行筛选处理，以筛选出满足时效条件的所述至少一个初始新闻数据；对实时新闻数据的新闻热度进行筛选处理，以筛选出满足热度条件的所述至少一个初始新闻数据；以及对实时新闻数据的发布平台进行筛选处理，以筛选出满足数据源条件的所述至少一个初始新闻数据。
写作特征模块504用于基于目标对象确定写作特征参数；包括：基于目标对象通过写作特征库确定所述写作特征参数；所述写作特征库包括多个目标对象的多个多维度写作特征参数。
数据融合模块506用于将所述写作特征参数与所述至少一个初始新闻数据进行数据融合处理以生成融合新闻数据；可例如，将所述写作特征参数与所述至少一个初始新闻数据输入数据融合模型中以生成所述融合新闻数据。
目标数据模块508用于基于混乱概率与所述融合新闻数据生成目标新闻数据；在一个实施例中，可例如，基于所述目标对象确定所述混乱概率。更具体的，可通过作者已发表的文章中，获取该作者错误的平均值，作为该作者的混乱概率储存在作者的写作特征库中。
新闻展示模块510用于将所述目标新闻数据作为所述目标对象的新闻文本进行展示。
根据本公开的新闻文本生成装置，基于目标对象的写作特征参数；将所述写作特征参数与初始新闻数据进行数据融合处理以生成融合新闻数据，并且基于混乱概率与所述融合新闻数据生成目标新闻数据的方式，能够结合实时信息对新闻进行处理，自动生成带有个人特征的新闻文本。
图6是根据一示例性实施例示出的一种电子设备的框图。
下面参照图6来描述根据本公开的这种实施方式的电子设备200。图6显示的电子设备200仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示，电子设备200以通用计算设备的形式表现。电子设备200的组件可以包括但不限于：至少一个处理单元210、至少一个存储单元220、连接不同系统组件（包括存储单元220和处理单元210）的总线230、显示单元240等。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元210执行，使得所述处理单元210执行本说明书上述电子处方流转处理方法部分中描述的根据本公开各种示例性实施方式的步骤。例如，所述处理单元210可以执行如图2，图3，图4中所示的步骤。
所述存储单元220可以包括易失性存储单元形式的可读介质，例如随机存取存储单元（RAM）2201和/或高速缓存存储单元2202，还可以进一步包括只读存储单元（ROM）2203。
所述存储单元220还可以包括具有一组（至少一个）程序模块2205的程序/实用工具2204，这样的程序模块2205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线230可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备200也可以与一个或多个外部设备300（例如键盘、指向设备、蓝牙设备等）通信，还可与一个或者多个使得用户能与该电子设备200交互的设备通信，和/或与使得该电子设备200能与一个或多个其它计算设备进行通信的任何设备（例如路由器、调制解调器等等）通信。这种通信可以通过输入/输出（I/O）接口250进行。并且，电子设备200还可以通过网络适配器260与一个或者多个网络（例如局域网（LAN），广域网（WAN）和/或公共网络，例如因特网）通信。网络适配器260可以通过总线230与电子设备200的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备200使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质（可以是CD-ROM，U盘，移动硬盘等）中或网络上，包括若干指令以使得一台计算设备（可以是个人计算机、服务器、或者网络设备等）执行根据本公开实施方式的上述方法。
图7示意性示出本公开示例性实施例中一种计算机可读存储介质示意图。
参考图7所示，描述了根据本公开的实施方式的用于实现上述方法的程序产品400，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本公开的程序产品不限于此，在本文件中，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。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、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。可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器（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。
所述计算机可读存储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，其中承载了可读程序代码。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。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、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。可读存储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、有线、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的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网（LAN）或广域网（WAN），连接到用户计算设备，或者，可以连接到外部计算设备（例如利用因特网服务提供商来通过因特网连接）。
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一个该设备执行时，使得该计算机可读介质实现如下功能：基于预设条件获取至少一个初始新闻数据；基于目标对象确定写作特征参数；将所述写作特征参数与所述至少一个初始新闻数据进行数据融合处理以生成融合新闻数据；基于混乱概率与所述融合新闻数据生成目标新闻数据；以及将所述目标新闻数据作为所述目标对象的新闻文本进行展示。
本领域技术人员可以理解上述各模块可以按照实施例的描述分布于装置中，也可以进行相应变化唯一不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质（可以是CD-ROM，U盘，移动硬盘等）中或网络上，包括若干指令以使得一台计算设备（可以是个人计算机、服务器、移动终端、或者网络设备等）执行根据本公开实施例的方法。
以上具体地示出和描述了本公开的示例性实施例。应可理解的是，本公开不限于这里描述的详细结构、设置方式或实现方法；相反，本公开意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。
此外，本说明书说明书附图所示出的结构、比例、大小等，均仅用以配合说明书所公开的内容，以供本领域技术人员了解与阅读，并非用以限定本公开可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本公开所能产生的技术效果及所能实现的目的下，均应仍落在本公开所公开的技术内容得能涵盖的范围内。同时，本说明书中所引用的如“上”、“第一”、“第二”及“一”等的用语，也仅为便于叙述的明了，而非用以限定本公开可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当也视为本公开可实施的范畴。
Claims (10)
1.一种新闻文本生成方法，其特征在于，包括：
基于预设条件获取至少一个初始新闻数据；
基于目标对象确定写作特征参数；
将所述写作特征参数与所述至少一个初始新闻数据进行数据融合处理以生成融合新闻数据；
基于混乱概率与所述融合新闻数据生成目标新闻数据；以及
将所述目标新闻数据作为所述目标对象的新闻文本进行展示。
2.如权利要求1所述的方法，其特征在于，所述预设条件包括时效条件，热度条件，数据源条件；
基于预设条件获取至少一个初始新闻数据包括以下情况至少一者：
对实时新闻数据的发布时间进行筛选处理，以筛选出满足时效条件的所述至少一个初始新闻数据；
对实时新闻数据的新闻热度进行筛选处理，以筛选出满足热度条件的所述至少一个初始新闻数据；以及
对实时新闻数据的发布平台进行筛选处理，以筛选出满足数据源条件的所述至少一个初始新闻数据。
3.如权利要求1所述的方法，其特征在于，基于目标对象确定写作特征参数包括：
基于目标对象通过写作特征库确定所述写作特征参数；
所述写作特征库包括多个目标对象的多个多维度写作特征参数。
4.如权利要求1所述的方法，其特征在于，将所述写作特征参数与所述至少一个初始新闻数据进行数据融合处理以生成融合新闻数据包括：
将所述写作特征参数与所述至少一个初始新闻数据输入数据融合模型中以生成所述融合新闻数据。
5.如权利要求4所述的方法，其特征在于，还包括：
通过历史新闻数据对机器学习算法的初始模型进行训练以获取所述数据融合模型。
6.如权利要求5所述的方法，其特征在于，通过历史新闻数据对机器学习算法的初始模型进行训练以获取所述数据融合模型包括：
通过历史新闻数据获取多个训练数据；
将所述训练数据进行标注以生成训练集数据与验证集数据；
将所述训练集数据输入机器学习算法的初始模型中进行训练，通过所述验证集数据对训练结果进行调参；以及
在训练结束后获取所述数据融合模型。
7.权利要求1所述的方法，其特征在于，基于混乱概率与所述融合新闻数据生成目标新闻数据包括：
确定所述融合新闻数据的字符数量；
基于所述混乱概率与所述字符数确定替换字符数量；以及
基于所述替换字符数量对所述融合新闻数据进行字符替换以生成所述目标新闻数据。
8.一种新闻文本生成装置，其特征在于，包括：
初始数据模块，用于基于预设条件获取至少一个初始新闻数据；
写作特征模块，用于基于目标对象确定写作特征参数；
数据融合模块，用于将所述写作特征参数与所述至少一个初始新闻数据进行数据融合处理以生成融合新闻数据；
目标数据模块，用于基于混乱概率与所述融合新闻数据生成目标新闻数据；以及
新闻展示模块，用于将所述目标新闻数据作为所述目标对象的新闻文本进行展示。
9.一种电子设备，其特征在于，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1-7中任一所述的方法。
10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910240677.5A CN110110303A (zh) | 2019-03-28 | 2019-03-28 | 新闻文本生成方法、装置、电子设备和计算机可读介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910240677.5A CN110110303A (zh) | 2019-03-28 | 2019-03-28 | 新闻文本生成方法、装置、电子设备和计算机可读介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110110303A true CN110110303A (zh) | 2019-08-09 |
Family
ID=67484717
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910240677.5A Pending CN110110303A (zh) | 2019-03-28 | 2019-03-28 | 新闻文本生成方法、装置、电子设备和计算机可读介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110110303A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110458099A (zh) * | 2019-08-12 | 2019-11-15 | 北京百度网讯科技有限公司 | 用于输出信息的方法和装置 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030055688A1 (en) * | 2001-09-14 | 2003-03-20 | Berk Peter Paul Alexander | Arrangement and method for supporting temporary replacement |
| US20040158469A1 (en) * | 2003-02-05 | 2004-08-12 | Verint Systems, Inc. | Augmentation and calibration of output from non-deterministic text generators by modeling its characteristics in specific environments |
| CN102375807A (zh) * | 2010-08-27 | 2012-03-14 | 汉王科技股份有限公司 | 文字校对方法和装置 |
| WO2015029150A1 (ja) * | 2013-08-28 | 2015-03-05 | 株式会社 日立製作所 | 保守サービス方法および保守サービスシステム |
| CN104573054A (zh) * | 2015-01-21 | 2015-04-29 | 杭州朗和科技有限公司 | 一种信息推送方法和设备 |
| CN105740236A (zh) * | 2016-01-29 | 2016-07-06 | 中国科学院自动化研究所 | 结合写作特征和序列特征的中文情感新词识别方法和系统 |
| CN107145482A (zh) * | 2017-03-28 | 2017-09-08 | 百度在线网络技术（北京）有限公司 | 基于人工智能的文章生成方法及装置、设备与可读介质 |
| CN108170773A (zh) * | 2017-12-26 | 2018-06-15 | 百度在线网络技术（北京）有限公司 | 新闻事件挖掘方法、装置、计算机设备和存储介质 |
| CN108694167A (zh) * | 2018-04-11 | 2018-10-23 | 广州视源电子科技股份有限公司 | 候选词评估方法、候选词排序方法及装置 |
| CN108763516A (zh) * | 2018-05-31 | 2018-11-06 | 悦未来科技（深圳）有限公司 | 写作交互方法、装置及计算机可读存储介质 |
| CN109062888A (zh) * | 2018-06-04 | 2018-12-21 | 昆明理工大学 | 一种出现错误文本输入时的自纠正方法 |
| CN109325061A (zh) * | 2018-08-24 | 2019-02-12 | 北京天元创新科技有限公司 | 一种基于概率分布的异常数据处理方法及装置 |
| CN109446505A (zh) * | 2018-10-31 | 2019-03-08 | 广东小天才科技有限公司 | 一种范文生成方法及系统 |
-
2019
- 2019-03-28 CN CN201910240677.5A patent/CN110110303A/zh active Pending
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030055688A1 (en) * | 2001-09-14 | 2003-03-20 | Berk Peter Paul Alexander | Arrangement and method for supporting temporary replacement |
| US20040158469A1 (en) * | 2003-02-05 | 2004-08-12 | Verint Systems, Inc. | Augmentation and calibration of output from non-deterministic text generators by modeling its characteristics in specific environments |
| CN102375807A (zh) * | 2010-08-27 | 2012-03-14 | 汉王科技股份有限公司 | 文字校对方法和装置 |
| WO2015029150A1 (ja) * | 2013-08-28 | 2015-03-05 | 株式会社 日立製作所 | 保守サービス方法および保守サービスシステム |
| CN104573054A (zh) * | 2015-01-21 | 2015-04-29 | 杭州朗和科技有限公司 | 一种信息推送方法和设备 |
| CN105740236A (zh) * | 2016-01-29 | 2016-07-06 | 中国科学院自动化研究所 | 结合写作特征和序列特征的中文情感新词识别方法和系统 |
| CN107145482A (zh) * | 2017-03-28 | 2017-09-08 | 百度在线网络技术（北京）有限公司 | 基于人工智能的文章生成方法及装置、设备与可读介质 |
| CN108170773A (zh) * | 2017-12-26 | 2018-06-15 | 百度在线网络技术（北京）有限公司 | 新闻事件挖掘方法、装置、计算机设备和存储介质 |
| CN108694167A (zh) * | 2018-04-11 | 2018-10-23 | 广州视源电子科技股份有限公司 | 候选词评估方法、候选词排序方法及装置 |
| CN108763516A (zh) * | 2018-05-31 | 2018-11-06 | 悦未来科技（深圳）有限公司 | 写作交互方法、装置及计算机可读存储介质 |
| CN109062888A (zh) * | 2018-06-04 | 2018-12-21 | 昆明理工大学 | 一种出现错误文本输入时的自纠正方法 |
| CN109325061A (zh) * | 2018-08-24 | 2019-02-12 | 北京天元创新科技有限公司 | 一种基于概率分布的异常数据处理方法及装置 |
| CN109446505A (zh) * | 2018-10-31 | 2019-03-08 | 广东小天才科技有限公司 | 一种范文生成方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 许大姐: ""面向中国学生的英文作文错误检查的研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110458099A (zh) * | 2019-08-12 | 2019-11-15 | 北京百度网讯科技有限公司 | 用于输出信息的方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2022022045A1 (zh) | 基于知识图谱的文本比对方法、装置、设备及存储介质 | |
| CN111324728B (zh) | 文本事件摘要的生成方法、装置、电子设备及存储介质 | |
| Tang et al. | Patentminer: topic-driven patent analysis and mining | |
| CN109493977A (zh) | 文本数据处理方法、装置、电子设备及计算机可读介质 | |
| US11995409B2 (en) | Content generation using target content derived modeling and unsupervised language modeling | |
| CN104750789A (zh) | 标签的推荐方法及装置 | |
| Zhang et al. | A comprehensive survey of abstractive text summarization based on deep learning | |
| CN110135976A (zh) | 用户画像生成方法、装置、电子设备和计算机可读介质 | |
| CN110110012A (zh) | 用户预期价值评估方法、装置、电子设备及可读介质 | |
| CN111026320B (zh) | 多模态智能文本处理方法、装置、电子设备及存储介质 | |
| CN105518661A (zh) | 经由挖掘的超链接文本的片段来浏览图像 | |
| US20200285810A1 (en) | System and method for extracting information from unstructured or semi-structured textual sources | |
| CN111414122A (zh) | 一种智能文本处理方法、装置、电子设备及存储介质 | |
| CN111625715A (zh) | 信息提取方法、装置、电子设备及存储介质 | |
| CN112580352A (zh) | 关键词提取方法、装置和设备及计算机存储介质 | |
| CN111221881B (zh) | 用户特征数据合成方法、装置及电子设备 | |
| Kathuria et al. | Real time sentiment analysis on twitter data using deep learning (Keras) | |
| CN113052262A (zh) | 表单生成方法、装置、计算机设备及存储介质 | |
| CN101996257A (zh) | 可重构路由交换平台构件的检索方法 | |
| CN110110303A (zh) | 新闻文本生成方法、装置、电子设备和计算机可读介质 | |
| CN110516227A (zh) | 标题文本生成方法、装置、电子设备及计算机可读介质 | |
| WO2022246162A1 (en) | Content generation using target content derived modeling and unsupervised language modeling | |
| CN110852078A (zh) | 生成标题的方法和装置 | |
| Dai et al. | Knowledge Graph Construction for Intelligent Media Based on Mobile Internet | |
| CN114391151A (zh) | 增强自然语言生成平台 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190809 |
|
| WD01 | Invention patent application deemed withdrawn after publication |