CN111310417B - 一种标题的生成方法及装置 - Google Patents

一种标题的生成方法及装置 Download PDF

Info

Publication number
CN111310417B
CN111310417B CN202010106840.1A CN202010106840A CN111310417B CN 111310417 B CN111310417 B CN 111310417B CN 202010106840 A CN202010106840 A CN 202010106840A CN 111310417 B CN111310417 B CN 111310417B
Authority
CN
China
Prior art keywords
content
target
hot
feature
title
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
Application number
CN202010106840.1A
Other languages
English (en)
Other versions
CN111310417A (zh
Inventor
吕晶
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing QIYI Century Science and Technology Co Ltd
Original Assignee
Beijing QIYI Century Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing QIYI Century Science and Technology Co Ltd filed Critical Beijing QIYI Century Science and Technology Co Ltd
Priority to CN202010106840.1A priority Critical patent/CN111310417B/zh
Publication of CN111310417A publication Critical patent/CN111310417A/zh
Application granted granted Critical
Publication of CN111310417B publication Critical patent/CN111310417B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/335—Filtering based on additional data, e.g. user or group profiles
    • 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
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • 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)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请实施例提供了一种标题的生成方法及装置，涉及计算机技术领域。所述方法包括：获取待命名的目标内容；根据预设的内容特征提取算法，从所述目标内容中提取目标内容特征；在预先建立的热点特征库中，确定与所述目标内容特征相匹配的目标热点内容特征，其中，所述热点特征库包含多个热点内容特征；根据预设的标题句式和所述目标热点内容特征，生成所述目标内容对应的标题。采用本申请可以提高设置标题的效率。

Description

一种标题的生成方法及装置
技术领域
本申请涉及计算机技术领域，特别是涉及一种标题的生成方法及装置。
背景技术
随着互联网技术的发展，越来越多的用户开始通过互联网浏览信息。比如视频、新闻、小说等。为了提高用户浏览信息的兴趣，众多内容分发者会从大量的信息源，如自媒体等生产者中获取内容，并采用人工智能推荐等方式，来为用户实时推送信息，以提高用户浏览意图，并在实践中获得了用户的肯定。
相关技术中，内容分发的处理过程为：获取待分发的候选内容(比如编辑人员编写的新闻稿，或从其他网站采集的新闻内容)，通过编辑、修改、拆分或合并等方式对获取到的候选内容进行处理，得到待分发的目标内容，进而通过人工重新设置目标内容的标题，最后将目标内容推送给用户，以使用户可以根据兴趣选择各类内容进行浏览。
由于大量内容源的引入，需要分发的目标内容的数量非常大，而通过人工设置标题的耗时较长，效率较低。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题，本申请提供了一种标题的生成方法及装置。
第一方面，提供了一种标题的生成方法，所述方法包括：
获取待命名的目标内容；
根据预设的内容特征提取算法，从所述目标内容中提取目标内容特征；
在预先建立的热点特征库中，确定与所述目标内容特征相匹配的目标热点内容特征，其中，所述热点特征库包含多个热点内容特征；
根据预设的标题句式和所述目标热点内容特征，生成所述目标内容对应的标题。
可选的，所述根据预设的标题句式和所述目标热点内容特征，生成所述目标内容对应的标题，包括：
针对预设的每种用户类型，根据该用户类型对应的偏好信息，在所述目标热点内容特征中，确定与该用户类型对应的偏好信息相匹配的第一目标热点内容特征；
根据预设的标题句式和所述第一目标热点内容特征，生成针对该用户类型的所述目标内容对应的标题。
可选的，所述根据预设的标题句式和所述目标热点内容特征，生成所述目标内容对应的标题，包括：
针对预设的每种用户类型，根据该用户类型和标题句式的对应关系，确定与该用户类型对应的目标标题句式；
根据所述目标标题句式和所述目标热点内容特征，生成针对该用户类型的所述目标内容对应的标题。
可选的，所述热点特征库还包含各热点内容特征的权重；
所述在预先建立的热点特征库中，确定与所述目标内容特征相匹配的目标热点内容特征，包括：
根据所述各热点内容特征的权重，在所述热点特征库中，确定满足预设重要度条件的热点内容特征；
在所述满足预设重要度条件的热点内容特征中，确定与所述目标内容特征相匹配的目标热点内容特征。
可选的，所述获取待命名的目标内容之前，还包括：
获取已发布的热点内容；
根据预设的内容特征提取算法，从所述热点内容中提取热点内容特征，并计算各热点内容特征的热度值；
根据各所述热点内容特征的热度值，确定各所述热点内容特征的权重；
建立包含各所述热点内容特征、以及各所述热点内容特征的权重的热点特征库。
可选的，所述计算各热点内容特征的热度值，包括：
针对每个热点内容特征，确定该热点内容特征所属的第一热点内容的发布平台的第一权重、以及所述第一热点内容在所述发布平台中对应的第二权重；
根据所述第一权重和所述第二权重，计算该热点内容特征的热度值。
可选的，所述根据各所述热点内容特征的热度值，确定各所述热点内容特征的权重，包括：
对所述各热点内容特征对应的热度值进行归一化处理，得到所述各热点内容特征的权重。
第二方面，提供了一种标题的生成装置，所述装置包括：
第一获取模块，用于获取待命名的目标内容；
提取模块，用于根据预设的内容特征提取算法，从所述目标内容中提取目标内容特征；
第一确定模块，用于在预先建立的热点特征库中，确定与所述目标内容特征相匹配的目标热点内容特征，其中，所述热点特征库包含多个热点内容特征；
生成模块，用于根据预设的标题句式和所述目标热点内容特征，生成所述目标内容对应的标题。
可选的，所述生成模块，具体用于：
针对预设的每种用户类型，根据该用户类型对应的偏好信息，在所述目标热点内容特征中，确定与该用户类型对应的偏好信息相匹配的第一目标热点内容特征；
根据预设的标题句式和所述第一目标热点内容特征，生成针对该用户类型的所述目标内容对应的标题。
可选的，所述生成模块，具体用于：
针对预设的每种用户类型，根据该用户类型和标题句式的对应关系，确定与该用户类型对应的目标标题句式；
根据所述目标标题句式和所述目标热点内容特征，生成针对该用户类型的所述目标内容对应的标题。
可选的，所述热点特征库还包含各热点内容特征的权重；
所述第一确定模块，具体用于：
根据所述各热点内容特征的权重，在所述热点特征库中，确定满足预设重要度条件的热点内容特征；
在所述满足预设重要度条件的热点内容特征中，确定与所述目标内容特征相匹配的目标热点内容特征。
可选的，所述装置还包括：
第二获取模块，用于获取已发布的热点内容；
计算模块，用于根据预设的内容特征提取算法，从所述热点内容中提取热点内容特征，并计算各热点内容特征的热度值；
第二确定模块，用于根据各所述热点内容特征的热度值，确定各所述热点内容特征的权重；
建立模块，用于建立包含各所述热点内容特征、以及各所述热点内容特征的权重的热点特征库。
可选的，所述计算模块，具体用于：
针对每个热点内容特征，确定该热点内容特征所属的第一热点内容的发布平台的第一权重、以及所述第一热点内容在所述发布平台中对应的第二权重；
根据所述第一权重和所述第二权重，计算该热点内容特征的热度值。
可选的，所述第二确定模块，具体用于：
对所述各热点内容特征对应的热度值进行归一化处理，得到所述各热点内容特征的权重。
第三方面，提供了一种服务器，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现第一方面任一所述的方法步骤。
第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面任一所述的方法。
第五方面，提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述任一所述的标题的生成方法。
本申请实施例提供的上述技术方案与现有技术相比具有如下优点：
本申请实施例提供的标题的生成方法及装置，可以获取待命名的目标内容，根据预设的内容特征提取算法，从目标内容中提取目标内容特征，在预先建立的热点特征库中，确定与目标内容特征相匹配的目标热点内容特征，其中，热点特征库包含多个热点内容特征，然后，根据预设的标题句式和目标热点内容特征，生成目标内容对应的标题。通过本方案，可以自动生成目标的标题，无需通过人工设置标题，提高设置标题的效率。并且，通过本方案生成的标题包含热点内容特征，即，该标题与当前的热点信息有关，从而提高了用户对目标内容的关注度和兴趣度，进而提高目标内容的阅读量。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种标题的生成方法的流程图；
图2为本申请实施例提供的一种热点特征库的建立方法的流程图；
图3为本申请实施例提供的一种标题的生成装置的结构示意图；
图4为本申请实施例提供的一种服务器的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请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申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请实施例提供了一种获取内容的方法，可以应用于服务器。其中，该服务器可以是用于提供内容分发服务的后台服务器。
下面将结合具体实施方式，对本申请实施例提供的一种标题的生成方法进行详细的说明，如图1所示，具体步骤如下：
步骤101，获取待命名的目标内容。
本申请实施例中，服务器可以获取需要命名的目标内容，该目标内容可以是待分发的内容，也可以是需要命名的其他内容，本申请实施例不做限定。在一个示例中，服务器可以通过抓取的方式得到目标内容，也可以获取技术人员输入的目标内容。目标内容可以为电子文档，比如新闻、公众号文章等。
步骤102，根据预设的内容特征提取算法，从目标内容中提取目标内容特征。
本申请实施例中，服务器中可以存储有内容特征提取算法，其中，内容特征提取算法可以采用各种自然语言处理(NLP)的算法，比如词袋(Bag of Word)模型、TF-IDF(termfrequency–inverse document frequency，词频-逆文本频率指数)、PLSA(Probabilisticlatent semantic analysis，概率潜语义分析)等算法。内容特征可以是词语、短语、人名等，或者，也可以是语义信息。在一个示例中，目标内容为一篇新闻，该新闻的内容为：X年X日，演员A确认出演电影《123》，则可以提取出的内容特征包括：A、《123》和电影。其中，内容特征可以以标签或特征向量的形式表示。
步骤103，在预先建立的热点特征库中，确定与目标内容特征相匹配的目标热点内容特征。
本申请实施例中，服务器中可以存储有热点特征库，热点特征库包含热点内容特征。其中，热点内容特征可以是从当前用户关注度较高的热点内容中提取的特征，另外，热点特征库还可以包含热点内容特征的权重，热点内容特征的权重与用户关注度较高成正相关。热点特征库的建立过程后续会进行详细说明。服务器从目标内容中提取目标内容特征后，可以将目标内容特征与热点特征库中的热点内容特征进行对比，以确定与目标内容特征相匹配的目标热点内容特征。在一种实现方式中，内容特征可以为词语，则可以将与提取出的词语相同或含义相同的热点内容特征，确定为目标热点内容特征。
可选的，对于热点特征库还包含各热点内容特征的权重的情况，相应的，步骤103的处理过程可以为：根据各热点内容特征的权重，在热点特征库中，确定满足预设重要度条件的热点内容特征；在满足预设重要度条件的热点内容特征中，确定与目标内容特征相匹配的目标热点内容特征。
本申请实施例中，服务器可以根据各热点内容特征的权重，在热点特征库中，确定满足预设重要度条件的热点内容特征，比如，可以确定热点特征库中的权重最大的预设数目个热点内容特征，或是权重大于预设阈值的热点内容特征。然后，可以将这些热点内容特征与目标内容特征进行对比，以确定与目标内容特征相匹配的目标热点内容特征。这样，无需对整个热度特征库中的特征进行处理，降低了服务器的处理量，提高了服务器的处理效率。
步骤104，根据预设的标题句式和目标热点内容特征，生成目标内容对应的标题。
本申请实施例中，服务器中可以存储有预设的标题句式。其中，标题句式可以是由技术人员预先设置的，也可以是由服务器通过提取得到的。在一种实现方式中，服务器可以获取历史热点文章，进而获取历史热点文章的标题，然后，从获取到的标题中提取标题热词，并解析这些标题的句式，得到标题句式。其中，标题句式由标题热词和句式构成，标题热词和句式是将实际的内容组织在一起的结构性和辅助性字词和符号，可以是语气词、形容词、标点符号等。服务器可以将标题热词和标题句式存储到标题特征库中，另外，标题特征库中还可以包含标题热词的权重和标题句式的权重，这些权重可以由技术人员进行设置。
可选的，可以针对不同类型的用户可以生成不同的标题，具体的实现方式至少包括以下两种。
实现方式一、针对预设的每种用户类型，根据该用户类型对应的偏好信息，在目标热点内容特征中，确定与该用户类型对应的偏好信息相匹配的第一目标热点内容特征；根据预设的标题句式和第一目标热点内容特征，生成针对该用户类型的目标内容对应的标题。
本申请实施例中，针对预设的每种用户类型，可以预先设置该用户类型对应的偏好信息。例如，用户类型为年轻女性，则偏好信息可以包括娱乐、男明星、美妆等；用户类型为年轻男性，则偏好信息可以包括游戏、体育、女明星等。服务器可以根据该用户类型对应的偏好信息，在目标热点内容特征中，进一步确定与该用户类型对应的偏好信息相匹配的第一目标热点内容特征，然后，根据预设的标题句式和第一目标热点内容特征，生成针对该用户类型的目标内容对应的标题。后续，可以向该用户类型的用户推送包含该标题的目标内容。这样，根据不同类型的用户，可以根据各类用户感兴趣的文字内容生成标题，得到的标题更容易引起用户的注意，以提高目标内容的阅读量。
例如，对于一篇文章，可以从热度特征库中选择出A、B、C、D这4个目标热点内容特征，然后，根据用户类型1的偏好信息，从A、B、C、D中选择出符合用户类型1的偏好信息的内容特征A和B，进而根据预设的句式，生成包含A和B的标题。
其中，各用户类型对应的偏好信息可以由技术人员设置，或者，服务器也可以历史热点内容对应的浏览信息，确定浏览过该历史热点内容的用户的用户信息，进而根据用户信息确定这些用户的用户类型，从而建立历史热点内容和用户类型的对应关系。针对每种用户类型，对该用户类型对应的历史热点内容进行内容分析，从而得到各用户类型对应的偏好信息。
实现方式二、针对预设的每种用户类型，根据该用户类型和标题句式的对应关系，确定与该用户类型对应的目标标题句式；根据目标标题句式和目标热点内容特征，生成针对该用户类型的目标内容对应的标题。
本申请实施例中，针对预设的每种用户类型，也可以预先设置该用户类型对应的标题句式。例如，用户类型为受教育程度较低的人群，则标题句式可以采用更容易吸引人眼球的句式，比如“惊！**竟然***”，或者“注意！**容易忽略的十件事情”；用户类型为受教育程度较高的人群，则标题句式可以采用比较正规的句式，比如新闻体标题、论文体标题等。服务器可以根据该用户类型和标题句式的对应关系，确定与该用户类型对应的目标标题句式，然后，根据目标标题句式和目标热点内容特征，生成针对该用户类型的目标内容对应的标题。后续，可以向该用户类型的用户推送包含该标题的目标内容。这样，根据不同类型的用户，可以根据各类用户感兴趣的标题句式生成标题，得到的标题更容易得到用户的好感，以提高目标内容的阅读量。
例如，对于一篇文章，可以从热度特征库中选择出A、B、C、D这4个目标热点内容特征，然后，根据用户类型1对应的标题句式1，生成包含A、B、C、D标题T1，根据用户类型2对应的标题句式2，生成包含A、B、C、D的标题T2。
其中，各用户类型对应的标题句式可以由技术人员设置，或者，服务器也可以历史热点内容对应的浏览信息，确定浏览过该历史热点内容的用户的用户信息，进而根据用户信息确定这些用户的用户类型，从而建立历史热点内容和用户类型的对应关系。针对每种用户类型，提取该用户类型对应的历史热点内容的标题，进而从这些标题中提取标题句式，从而得到各用户类型与标题句式的对应关系。
本申请实施例中，上述实现方式一和实现方式二可以分开单独使用，或者，也可以结合使用，即，针对预设的每种用户类型，根据该用户类型和标题句式的对应关系，确定与该用户类型对应的目标标题句式，并根据该用户类型对应的偏好信息，在目标热点内容特征中，确定与该用户类型对应的偏好信息相匹配的第一目标热点内容特征，然后，根据目标标题句式和第一目标热点内容特征，生成针对该用户类型的目标内容对应的标题。
基于上述处理过程，可以针对不同类型的用户，生成不同的标题，从而能最大化吸引用户阅读发布的内容，提高阅读量
可选的，在发布包含不同标题的目标内容后，服务器还可以监控该目标内容的用户交互数据，从而调整热点内容特征和/或标题句式的权重。其中，用户交互数据可以是目标内容的阅读量、点赞数量、评论数量或转发数量等。权重调整的具体过程可以为：确定该目标内容的用户交互数据，如果该目标内容的用户交互数据达到预设的热度条件，则根据预设的升权规则，升高该目标内容的标题所包含的热点内容特征的权重、以及该标题的标题句式的权重。如果目标内容的用户交互数据不满足预设的热度条件，则可以降低该目标内容的标题所包含的热点内容特征的权重、以及该标题的标题句式的权重。
在一种实现方式中，预设的热度条件可以是用户交互数据大于预设阈值。
在另一种实现方式中，可以将不同标题的目标内容的用户交互数据进行横向对比，确定同一目标内容对应多种标题中，用户交互数据最少的标题，降低该标题包含的热点内容特征的权重、以及该标题的标题句式的权重，并且，可以更换该标题。例如，某篇文章针对用户类型1、用户类型2和用户类型3分别生成了3个标题：T1(包含的热点内容特征为A、B，句式为M1)、T2(包含的热点内容特征为B、C，句式为M2)、T3(包含的热点内容特征为B、D，句式为M3)，如果T1的点击率>T2的点击率>T3的点击率，则降低B、D、M3的权重。
在另一种实现方式中，也可以将目标内容的用户交互数据与该目标内容所针对的用户类型的其他发布内容的用户交互数据进行纵向对比，如果该目标内容的用户交互数据低于该用户类型的其他发布内容的用户交互数据，则降低该目标内容的标题包含的热点内容特征的权重、以及该标题的标题句式的权重，并且，可以更换该标题。例如，某篇文章针对用户类型1生成标题T1(包含的热点内容特征为A、B，句式为M1)，如果T1的点击率在用户类型1对应的其他内容中的点击率较低，比如低于平均值，则降低A、B、M1的权重。
可选的，权重降低的方式可以多种多样的，比如可以降低预设阈值或降低预设百分比等，本申请实施例不做限定。
可选的，本申请实施例还提供了热点特征库的建立过程，如图2所示，具体步骤如下。
步骤201，获取已发布的热点内容。
本申请实施例中，服务器可以获取网络中当前已发布的热点内容，该热点内容可以是某平台发布的内容，此时，服务器还可以记录每个热点内容的发布平台。服务器还可以获取其他热点内容，比如历史上的重要事件、名人生日等用户可能感兴趣的内容。另外，服务器还可以获取各热点内容的用户交互数据。
步骤202，根据预设的内容特征提取算法，从热点内容中提取热点内容特征，并计算各热点内容特征的热度值。
本申请实施例中，服务器可以根据预设的内容特征提取算法，从热点内容中提取热点内容特征，具体的提取过程可以参照步骤102的相关说明，此处不再赘述。服务器还可以计算各热点内容特征的热度值。
具体的，热度值的计算过程可以为：针对每个热点内容特征，确定该热点内容特征所属的第一热点内容的发布平台的第一权重、以及第一热点内容在发布平台中对应的第二权重；根据第一权重和第二权重，计算该热点内容特征的热度值。
本申请实施例中，针对每个热点内容特征，服务器确定该热点内容特征所属的第一热点内容、以及该第一热点内容所属的发布平台，还可以确定该发布平台的第一权重、以及第一热点内容在发布平台中对应的第二权重。第一权重和第二权重可以由技术人员设定，或者，服务器也可以根据各发布平台的用户流量，计算各发布平台的用户流量的比例，进而根据该比例确定各发布平台的第一权重，第一权重与用户流量成正比。服务器还可以根据第一热点内容在发布平台中的用户交互数据、以及该发布平台中的其他内容的用户交互数据，计算第一热点内容在发布平台中对应的第二权重，第二权重与用户交互数据成正比。
服务器可以根据第一权重和第二权重，计算该热点内容特征的热度值，该热点内容特征的热度值为综合热度值。在一种实现方式中，假设存在热点内容A、B、C…Z等，其权重分别为Wa,Wb,Wc…Wz，假设A的热点内容特征P(A)包括特征α、β，P(B)的热点内容特征包括γ、δ，P(C)包括α、ε等，可以注意，一个热点内容特征可能在不同的热点内容中出现，则综合热度值的计算公式可以如下：
其中，Weight(α)为热点内容特征α的综合热度值(即热度值)，Wq为发布平台q的权重，P(x)为热点内容x的特征向量，W(x)为热点内容x在其所属发布平台的权重。其中，Wq*((α∈P(x))？W(x):0)的含义为：若P(x)中存在热点内容特征α，则计算Wq*W(x)，若P(x)中不存在热点内容特征α，则W(x)的取值为0。
步骤203，根据各热点内容特征的热度值，确定各热点内容特征的权重。
本申请实施例中，服务器可以根据各热点内容特征的热度值，确定各热点内容特征的权重。在一种实现方式中，服务器可以直接将各热点内容特征的热度值，作为各热点内容特征的权重。在另一种实现方式中，服务器可以根据各热点内容特征的热度值，计算各热点内容特征的权重。具体的，可以对各热点内容特征对应的热度值进行归一化处理，得到各热点内容特征的权重，以防止各个特征之间的权重相差过大。其中，归一化处理中，可以采用采用Min-Max标准化、平均归一化、或对数函数转换、余切函数转换等等方式进行归一化处理。
步骤204，建立包含各热点内容特征、以及各热点内容特征的权重的热点特征库。
本申请实施例中，服务器可以将各热点内容特征、以及各热点内容特征的权重进行对应的存储，从而建立热点特征库。
本申请实施例中，可以获取待命名的目标内容，根据预设的内容特征提取算法，从目标内容中提取目标内容特征，在预先建立的热点特征库中，确定与目标内容特征相匹配的目标热点内容特征，其中，热点特征库包含多个热点内容特征，然后，根据预设的标题句式和目标热点内容特征，生成目标内容对应的标题。通过本方案，可以自动生成目标的标题，无需通过人工设置标题，提高了设置标题的效率。并且，通过本方案生成的标题包含热点内容特征，即，该标题与当前的热点信息有关，从而提高了用户对目标内容的关注度和兴趣度，进而提高目标内容的阅读量。
本申请实施例还提供了一种标题的生成装置，如图3所示，该装置包括：
第一获取模块310，用于获取待命名的目标内容；
提取模块320，用于根据预设的内容特征提取算法，从所述目标内容中提取目标内容特征；
第一确定模块330，用于在预先建立的热点特征库中，确定与所述目标内容特征相匹配的目标热点内容特征，其中，所述热点特征库包含多个热点内容特征；
生成模块340，用于根据预设的标题句式和目标热点内容特征，生成目标内容对应的标题。
可选的，生成模块340，具体用于：
针对预设的每种用户类型，根据该用户类型对应的偏好信息，在目标热点内容特征中，确定与该用户类型对应的偏好信息相匹配的第一目标热点内容特征；
根据预设的标题句式和第一目标热点内容特征，生成针对该用户类型的目标内容对应的标题。
可选的，生成模块340，具体用于：
针对预设的每种用户类型，根据该用户类型和标题句式的对应关系，确定与该用户类型对应的目标标题句式；
根据目标标题句式和目标热点内容特征，生成针对该用户类型的目标内容对应的标题。
可选的，所述热点特征库还包含各热点内容特征的权重；
所述第一确定模块330，具体用于：
根据所述各热点内容特征的权重，在所述热点特征库中，确定满足预设重要度条件的热点内容特征；
在所述满足预设重要度条件的热点内容特征中，确定与所述目标内容特征相匹配的目标热点内容特征。
可选的，该装置还包括：
第二获取模块，用于获取已发布的热点内容；
计算模块，用于根据预设的内容特征提取算法，从热点内容中提取热点内容特征，并计算各热点内容特征的热度值；
第二确定模块，用于根据各热点内容特征的热度值，确定各热点内容特征的权重；
建立模块，用于建立包含各热点内容特征、以及各热点内容特征的权重的热点特征库。
可选的，计算模块，具体用于：
针对每个热点内容特征，确定该热点内容特征所属的第一热点内容的发布平台的第一权重、以及第一热点内容在发布平台中对应的第二权重；
根据第一权重和第二权重，计算该热点内容特征的热度值。
可选的，第二确定模块，具体用于：
对各热点内容特征对应的热度值进行归一化处理，得到各热点内容特征的权重。
本申请实施例中，可以获取待命名的目标内容，根据预设的内容特征提取算法，从目标内容中提取目标内容特征，在预先建立的热点特征库中，确定与目标内容特征相匹配的目标热点内容特征，其中，热点特征库包含多个热点内容特征，然后，根据预设的标题句式和目标热点内容特征，生成目标内容对应的标题。通过本方案，可以自动生成目标的标题，无需通过人工设置标题，提高了设置标题的效率。并且，通过本方案生成的标题包含热点内容特征，即，该标题与当前的热点信息有关，从而提高了用户对目标内容的关注度和兴趣度，进而提高目标内容的阅读量。
本申请实施例还提供了一种服务器，如图4所示，包括处理器401、通信接口402、存储器403和通信总线404，其中，处理器401，通信接口402，存储器403通过通信总线404完成相互间的通信，
存储器403，用于存放计算机程序；
处理器401，用于执行存储器403上所存放的程序时，实现如下步骤：
获取待命名的目标内容；
根据预设的内容特征提取算法，从所述目标内容中提取目标内容特征；
在预先建立的热点特征库中，确定与所述目标内容特征相匹配的目标热点内容特征，其中，所述热点特征库包含多个热点内容特征；
根据预设的标题句式和所述目标热点内容特征，生成所述目标内容对应的标题。
可选的，所述根据预设的标题句式和所述目标热点内容特征，生成所述目标内容对应的标题，包括：
针对预设的每种用户类型，根据该用户类型对应的偏好信息，在所述目标热点内容特征中，确定与该用户类型对应的偏好信息相匹配的第一目标热点内容特征；
根据预设的标题句式和所述第一目标热点内容特征，生成针对该用户类型的所述目标内容对应的标题。
可选的，所述根据预设的标题句式和所述目标热点内容特征，生成所述目标内容对应的标题，包括：
针对预设的每种用户类型，根据该用户类型和标题句式的对应关系，确定与该用户类型对应的目标标题句式；
根据所述目标标题句式和所述目标热点内容特征，生成针对该用户类型的所述目标内容对应的标题。
可选的，所述热点特征库还包含各热点内容特征的权重；
所述在预先建立的热点特征库中，确定与所述目标内容特征相匹配的目标热点内容特征，包括：
根据所述各热点内容特征的权重，在所述热点特征库中，确定满足预设重要度条件的热点内容特征；
在所述满足预设重要度条件的热点内容特征中，确定与所述目标内容特征相匹配的目标热点内容特征。
可选的，所述获取待命名的目标内容之前，还包括：
获取已发布的热点内容；
根据预设的内容特征提取算法，从所述热点内容中提取热点内容特征，并计算各热点内容特征的热度值；
根据各所述热点内容特征的热度值，确定各所述热点内容特征的权重；
建立包含各所述热点内容特征、以及各所述热点内容特征的权重的热点特征库。
可选的，所述计算各热点内容特征的热度值，包括：
针对每个热点内容特征，确定该热点内容特征所属的第一热点内容的发布平台的第一权重、以及所述第一热点内容在所述发布平台中对应的第二权重；
根据所述第一权重和所述第二权重，计算该热点内容特征的热度值。
可选的，所述根据各所述热点内容特征的热度值，确定各所述热点内容特征的权重，包括：
对所述各热点内容特征对应的热度值进行归一化处理，得到所述各热点内容特征的权重。
上述服务器提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述服务器与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本申请提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的标题的生成方法。
在本申请提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的标题的生成方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
以上所述仅为本申请的较佳实施例而已，并非用于限定本申请的保护范围。凡在本申请的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本申请的保护范围内。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。

Claims (9)

1.一种标题的生成方法，其特征在于，所述方法包括：
获取待命名的目标内容；
根据预设的内容特征提取算法，从所述目标内容中提取目标内容特征；
在预先建立的热点特征库中，确定与所述目标内容特征相匹配的目标热点内容特征，其中，所述热点特征库包含多个热点内容特征；
所述热点特征库还包含各热点内容特征的权重，所述在预先建立的热点特征库中，确定与所述目标内容特征相匹配的目标热点内容特征，包括：根据所述各热点内容特征的权重，在所述热点特征库中，确定满足预设重要度条件的热点内容特征；在所述满足预设重要度条件的热点内容特征中，确定与所述目标内容特征相匹配的目标热点内容特征；
根据预设的标题句式和所述目标热点内容特征，生成所述目标内容对应的标题。
2.根据权利要求1所述的方法，其特征在于，所述根据预设的标题句式和所述目标热点内容特征，生成所述目标内容对应的标题，包括：
针对预设的每种用户类型，根据该用户类型对应的偏好信息，在所述目标热点内容特征中，确定与该用户类型对应的偏好信息相匹配的第一目标热点内容特征；
根据预设的标题句式和所述第一目标热点内容特征，生成针对该用户类型的所述目标内容对应的标题。
3.根据权利要求1所述的方法，其特征在于，所述根据预设的标题句式和所述目标热点内容特征，生成所述目标内容对应的标题，包括：
针对预设的每种用户类型，根据该用户类型和标题句式的对应关系，确定与该用户类型对应的目标标题句式；
根据所述目标标题句式和所述目标热点内容特征，生成针对该用户类型的所述目标内容对应的标题。
4.根据权利要求1所述的方法，其特征在于，所述获取待命名的目标内容之前，还包括：
获取已发布的热点内容；
根据预设的内容特征提取算法，从所述热点内容中提取热点内容特征，并计算各热点内容特征的热度值；
根据各所述热点内容特征的热度值，确定各所述热点内容特征的权重；
建立包含各所述热点内容特征、以及各所述热点内容特征的权重的热点特征库。
5.根据权利要求4所述的方法，其特征在于，所述计算各热点内容特征的热度值，包括：
针对每个热点内容特征，确定该热点内容特征所属的第一热点内容的发布平台的第一权重、以及所述第一热点内容在所述发布平台中对应的第二权重；
根据所述第一权重和所述第二权重，计算该热点内容特征的热度值。
6.根据权利要求4所述的方法，其特征在于，所述根据各所述热点内容特征的热度值，确定各所述热点内容特征的权重，包括：
对所述各热点内容特征对应的热度值进行归一化处理，得到所述各热点内容特征的权重。
7.一种标题的生成装置，其特征在于，所述装置包括：
第一获取模块，用于获取待命名的目标内容；
提取模块，用于根据预设的内容特征提取算法，从所述目标内容中提取目标内容特征；
第一确定模块，用于在预先建立的热点特征库中，确定与所述目标内容特征相匹配的目标热点内容特征，其中，所述热点特征库包含多个热点内容特征；所述热点特征库还包含各热点内容特征的权重，所述在预先建立的热点特征库中，确定与所述目标内容特征相匹配的目标热点内容特征，包括：根据所述各热点内容特征的权重，在所述热点特征库中，确定满足预设重要度条件的热点内容特征；在所述满足预设重要度条件的热点内容特征中，确定与所述目标内容特征相匹配的目标热点内容特征；
生成模块，用于根据预设的标题句式和所述目标热点内容特征，生成所述目标内容对应的标题。
8.一种服务器，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-6任一所述的方法步骤。
9.一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1-6中任一所述的方法。
CN202010106840.1A 2020-02-20 2020-02-20 一种标题的生成方法及装置 Active CN111310417B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010106840.1A CN111310417B (zh) 2020-02-20 2020-02-20 一种标题的生成方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010106840.1A CN111310417B (zh) 2020-02-20 2020-02-20 一种标题的生成方法及装置

Publications (2)

Publication Number Publication Date
CN111310417A CN111310417A (zh) 2020-06-19
CN111310417B true CN111310417B (zh) 2023-09-01

Family

ID=71149072

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010106840.1A Active CN111310417B (zh) 2020-02-20 2020-02-20 一种标题的生成方法及装置

Country Status (1)

Country Link
CN (1) CN111310417B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111767720B (zh) * 2020-07-28 2023-11-24 腾讯科技（深圳）有限公司 一种标题生成方法、计算机及可读存储介质
CN112100440B (zh) * 2020-08-21 2023-12-12 深圳市雅阅科技有限公司 视频推送方法、设备及介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106326481A (zh) * 2016-08-31 2017-01-11 中译语通科技（北京）有限公司 一种基于突发特征的微博热点话题检测方法
CN107766449A (zh) * 2017-09-26 2018-03-06 杭州云赢网络科技有限公司 热点挖掘方法、装置、电子设备及存储介质
CN108509417A (zh) * 2018-03-20 2018-09-07 腾讯科技（深圳）有限公司 标题生成方法及设备、存储介质、服务器
CN110555199A (zh) * 2018-06-01 2019-12-10 北京百度网讯科技有限公司 基于热点素材的文章生成方法、装置、设备及存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
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
CN108153723B (zh) * 2017-12-27 2021-10-19 北京百度网讯科技有限公司 热点资讯评论文章生成方法、装置及终端设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106326481A (zh) * 2016-08-31 2017-01-11 中译语通科技（北京）有限公司 一种基于突发特征的微博热点话题检测方法
CN107766449A (zh) * 2017-09-26 2018-03-06 杭州云赢网络科技有限公司 热点挖掘方法、装置、电子设备及存储介质
CN108509417A (zh) * 2018-03-20 2018-09-07 腾讯科技（深圳）有限公司 标题生成方法及设备、存储介质、服务器
CN110555199A (zh) * 2018-06-01 2019-12-10 北京百度网讯科技有限公司 基于热点素材的文章生成方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN111310417A (zh) 2020-06-19

Similar Documents

Publication Publication Date Title
Gelli et al. Image popularity prediction in social media using sentiment and context features
CN107463605B (zh) 低质新闻资源的识别方法及装置、计算机设备及可读介质
WO2018049960A1 (zh) 一种为文本信息匹配资源的方法及装置
Wang et al. Microblog sentiment analysis based on cross-media bag-of-words model
US9785888B2 (en) Information processing apparatus, information processing method, and program for prediction model generated based on evaluation information
US20220237222A1 (en) Information determining method and apparatus, computer device, and storage medium
CN110825876A (zh) 电影评论观点情感倾向性分析方法
Hettiarachchi et al. Embed2Detect: temporally clustered embedded words for event detection in social media
Sun et al. Sentence similarity based on contexts
CN111310417B (zh) 一种标题的生成方法及装置
CN113688310A (zh) 一种内容推荐方法、装置、设备及存储介质
Chen et al. Personalized recommendation model: an online comment sentiment based analysis
Huang et al. NER‐RAKE: An improved rapid automatic keyword extraction method for scientific literatures based on named entity recognition
CN116034401A (zh) 用于使用自然语言描述检索视频的系统和方法
Valero et al. Topic modeling on podcast short-text metadata
CN111324811B (zh) 一种热点内容确认方法及装置
Clements et al. Optimizing single term queries using a personalized Markov random walk over the social graph
Panchal et al. The social hashtag recommendation for image and video using deep learning approach
He et al. An empirical study on user-topic rating based collaborative filtering methods
CN113657116B (zh) 基于视觉语义关系的社交媒体流行度预测方法及装置
Ha et al. News2Images: Automatically Summarizing News Articles into Image-Based Contents via Deep Learning.
Shyang et al. A text augmentation approach using similarity measures based on neural sentence embeddings for emotion classification on microblogs
Adikara et al. Movie recommender systems using hybrid model based on graphs with co-rated, genre, and closed caption features
CN114003772A (zh) 一种视频搜索方法、装置、电子设备及存储介质
KR20230017433A (ko) 여러 이미지로부터 객체를 병합하여 하나의 장면 이미지를 제공하는 이미지 관리 서버 및 이를 이용한 장면 이미지 생성 방법

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