CN111460133B - 主题短语生成方法、装置以及电子设备 - Google Patents
主题短语生成方法、装置以及电子设备 Download PDFInfo
- Publication number
- CN111460133B CN111460133B CN202010227296.6A CN202010227296A CN111460133B CN 111460133 B CN111460133 B CN 111460133B CN 202010227296 A CN202010227296 A CN 202010227296A CN 111460133 B CN111460133 B CN 111460133B
- Authority
- CN
- China
- Prior art keywords
- topic
- phrase
- candidate
- text
- strategy
- 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
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
- G06F16/34—Browsing; Visualisation therefor
- G06F16/345—Summarisation for human users
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Machine Translation (AREA)
Abstract
本申请公开了主题短语生成方法、装置以及电子设备,涉及知识图谱技术领域。具体实现方案为:获取待处理的文本集;针对文本集中的每个文本,根据主题生成策略集中的每个策略分别对文本进行处理,生成候选主题短语;主题生成策略集中包括以下策略中的任意一种或者多种:主题抽取策略、搜索短语召回策略、主题库召回策略、模型生成主题策略;根据每个文本对应的候选主题短语,生成候选主题短语集合,用户可以根据候选主题短语集合来确定适合写作的主题,候选主题短语集合中每个候选主题短语的词语较少且能够对主题进行确定性描述,从而提高主题获取效率,提高内容创作效率。
Description
技术领域
本申请涉及数据处理技术领域,具体涉及知识图谱技术领域,尤其涉及主题短语生成方法、装置以及电子设备。
背景技术
目前,在内容创作过程中,需要从大量文本素材中发掘出有价值的部分,以挖掘适合写作的主题。目前从大量文本素材中发掘有价值部分的方法有两种,一种是摘要抽取方法,但抽取的摘要一般词语较多,不够简单明确,需要人工二次归纳才能确定主题;另一种是关键词抽取方法,但抽取的关键词为独立的多个词,缺少对主题的确定性描述,从而使得用户需要对素材重新进行手动发掘,获取主题,从而降低了主题获取效率,降低了内容创作效率。
发明内容
提供了一种主题短语生成方法、装置以及电子设备。
根据第一方面,提供了一种主题短语生成方法,包括:
获取待处理的文本集;
针对所述文本集中的每个文本,根据主题生成策略集中的每个策略分别对所述文本进行处理,生成候选主题短语;所述主题生成策略集中包括以下策略中的任意一种或者多种:主题抽取策略、搜索短语召回策略、主题库召回策略、模型生成主题策略;
根据每个文本对应的候选主题短语,生成候选主题短语集合。
本申请实施例的主题短语生成方法,通过获取待处理的文本集;针对文本集中的每个文本,根据主题生成策略集中的每个策略分别对文本进行处理,生成候选主题短语;主题生成策略集中包括以下策略中的任意一种或者多种:主题抽取策略、搜索短语召回策略、主题库召回策略、模型生成主题策略;根据每个文本对应的候选主题短语,生成候选主题短语集合,用户可以根据候选主题短语集合来确定适合写作的主题,候选主题短语集合中每个候选主题短语的词语较少且能够对主题进行确定性描述,从而提高主题获取效率,提高内容创作效率。
本申请第二方面实施例提出了一种主题短语生成装置,包括:
获取模块,用于获取待处理的文本集;
生成模块,用于针对所述文本集中的每个文本,根据主题生成策略集中的每个策略分别对所述文本进行处理,生成候选主题短语;所述主题生成策略集中包括以下策略中的任意一种或者多种:主题抽取策略、搜索短语召回策略、主题库召回策略、模型生成主题策略;
所述生成模块,还用于根据每个文本对应的候选主题短语,生成候选主题短语集合。
本申请实施例的主题短语生成装置,通过获取待处理的文本集;针对文本集中的每个文本,根据主题生成策略集中的每个策略分别对文本进行处理,生成候选主题短语;主题生成策略集中包括以下策略中的任意一种或者多种:主题抽取策略、搜索短语召回策略、主题库召回策略、模型生成主题策略;根据每个文本对应的候选主题短语,生成候选主题短语集合,用户可以根据候选主题短语集合来确定适合写作的主题,候选主题短语集合中每个候选主题短语的词语较少且能够对主题进行确定性描述,从而提高主题获取效率,提高内容创作效率。
本申请第三方面实施例提出了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如上所述的主题短语生成方法。
本申请第四方面实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行如上所述的主题短语生成方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是根据本申请第一实施例的示意图;
图2是根据本申请第二实施例的示意图;
图3是主题短语生成的示意图;
图4是根据本申请第三实施例的示意图;
图5是根据本申请第四实施例的示意图;
图6是用来实现本申请实施例的主题短语生成的方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
下面参考附图描述本申请实施例的主题短语生成方法、装置以及电子设备。
图1是根据本申请第一实施例的示意图。其中,需要说明的是,本实施例提供的主题短语生成方法的执行主体为主题短语生成装置,主题短语生成装置具体可以为硬件设备,或者硬件设备中的软件等。其中,硬件设备例如终端设备、服务器等。
如图1所示,主题短语生成方法具体实现过程如下:
步骤101,获取待处理的文本集。
本实施例中,待处理的文本集中可以包括:至少一个文本的标题以及摘要。其中,摘要可以结合摘要生成方法以及文本的内容来生成。其中,待处理的文本集中的文本,为用户提供的适合写作的主题短语所属领域的文本。
步骤102,针对文本集中的每个文本,根据主题生成策略集中的每个策略分别对文本进行处理,生成候选主题短语;主题生成策略集中包括以下策略中的任意一种或者多种:主题抽取策略、搜索短语召回策略、主题库召回策略、模型生成主题策略。
本实施例中,主题短语生成装置根据主题抽取策略对文本进行处理的过程例如可以为,获取文本的标题,从标题中抽取候选主题短语,并确定候选主题短语与标题之间的相关性分数;过滤掉对应的相关性分数小于预设分数阈值的候选主题短语。
本实施例中,从文本的标题中来抽取候选主题短语,能够扩展候选主题短语的数量;且从标题中抽取的候选主题短语,一般能对主题进行确定性描述。另外,根据相关性分数对候选主题短语进行过滤,能够过滤掉相关性较差的候选主题短语,提高生成的候选主题短语的质量。
本实施例中,主题短语生成装置根据搜索短语召回策略对文本进行处理的过程例如可以为,获取文本对应的多个搜索短语,以及每个搜索短语的相关性分数;将对应的相关性分数满足预设相关性分数阈值的搜索短语确定为文本的候选主题短语。其中,搜索短语的获取方式可以为,先获取文本对应的多个搜索词,然后判断搜索词的长度是否大于第一长度阈值以及小于第二长度阈值,若是,则将搜索词作为搜索短语;若否,则过滤掉搜索词。其中,与文本对应的搜索词,为用户根据搜索词搜索时,搜索结果中包括所述文本且用户选中所述文本。
本实施例中,根据文本对应的搜索短语,来确定候选主题短语,能够扩展候选主题短语的数量;且根据相关性分数对搜索短语进行过滤,能够过滤掉相关性较差的搜索短语,提高生成的候选主题短语的质量。
本实施例中,主题短语生成装置根据主题库召回策略对文本进行处理的过程例如可以为,根据文本的标题去查询主题库,获取主题库中与所述标题匹配的主题,将主题库中与所述标题匹配的主题确定为候选主题短语。
本实施例中,根据文本的标题去查询主题库,获取主题库中与所述标题匹配的主题,能够扩展候选主题短语的数量。
本实施例中,主题短语生成装置根据模型生成主题策略对文本进行处理的过程例如可以为,获取文本的摘要;将文本的摘要输入预设的主题识别模型,获取文本的候选主题短语。其中,预设的主题识别模型的训练过程例如可以为,获取经过预训练的主题识别模型;采用第一训练数据在第一学习率下对主题识别模型进行训练;第一训练数据包括:大于第一数量的第一训练样本;第一训练样本包括:摘要以及对应的候选主题短语;采用第二训练数据在第二学习率下对主题识别模型进行训练,得到预设的主题识别模型;第二训练数据包括:大于第二数量的第二训练样本;第二训练样本包括:摘要以及对应的主题短语;第二学习率小于所述第一学习率,且第一学习率小于预设学习率阈值。
本实施例中,将文本的摘要输入预设的主题识别模型,获取文本的候选主题短语,能够扩展候选主题短语的数量。本实施例中,经过预训练的主题识别模型,可以为经过海量的文本标题对训练过的主题识别模型,然后再采用小数量的第一训练数据和第二训练数据进行训练,能够提高主题识别模型在主题短语识别上的准确度。其中,为了避免主题识别模型的崩溃以及识别准确度的下降,第一学习率和第二学习率需要小于预设学习率阈值,例如,第一学习率例如可以为0.05,第二学习率例如可以为0.001。其中,学习率越低,训练过程中对参数的调整幅度越小。
步骤103,根据每个文本对应的候选主题短语,生成候选主题短语集合。
本申请实施例的主题短语生成方法,通过获取待处理的文本集;针对文本集中的每个文本,根据主题生成策略集中的每个策略分别对文本进行处理,生成候选主题短语;主题生成策略集中包括以下策略中的任意一种或者多种:主题抽取策略、搜索短语召回策略、主题库召回策略、模型生成主题策略;根据每个文本对应的候选主题短语,生成候选主题短语集合,用户可以根据候选主题短语集合来确定适合写作的主题,候选主题短语集合中每个候选主题短语的词语较少且能够对主题进行确定性描述,从而提高主题获取效率,提高内容创作效率。
图2是根据本申请第二实施例的示意图。如图2所示,步骤103之后,所述的方法还可以包括以下步骤:
步骤104,根据主题选择策略集中的每个策略分别对所述候选主题短语集合进行处理,获取参考主题短语;主题选择策略集中包括:基于长度的选择策略和基于语言模型的选择策略。
本实施例中,候选主题短语集合包括:多个候选主题短语,以及每个候选主题短语的优先级;候选主题短语的优先级根据生成候选主题短语的主题生成策略的优先级确定。对应的,主题短语生成装置根据基于长度的选择策略对候选主题短语集合进行处理的过程例如可以为,获取候选主题短语集合中的第一候选主题短语子集;第一候选主题短语子集中的候选主题短语的长度位于预设长度范围内;将第一候选主题短语子集中优先级最高的候选主题短语,确定为参考主题短语。
本实施例中,可以根据各个主题生成策略的重要性来设置各个主题生成策略的优先级。例如,模型生成主题策略的优先级大于主题抽取策略的优先级;主题抽取策略的优先级大于主题库召回策略的优先级;主题库召回策略的优先级大于搜索短语召回策略的优先级。
本实施例中,主题短语生成装置根据基于语言模型的选择策略对候选主题短语集合进行处理的过程例如可以为,针对候选主题短语集合中的每个候选主题短语,将候选主题短语输入所述语言模型,获取候选主题短语的困惑度;将对应的困惑度最小的候选主题短语,确定为参考主题短语。其中,候选主题短语的困惑度越小,则表示候选主题短语的自然度越高,表示候选主题短语为常用语的可能性越大。
步骤105,将参考主题短语确定为适合写作的主题短语。
本实施例中,主题短语生成装置可以将参考主题短语确定为适合写作的主题短语并提供给用户,以便用户选择,或者重新提供文本集进行主题短语生成处理。
本实施例中,如图3所示,是主题短语生成的示意图。在图3中,采用了四种主题生成策略,结合四种主题生成策略来获取候选主题短语集合;然后结合两种主题选择策略来确定参考主题短语,从而扩展了候选主题短语数量,且提高了提供的参考主题短语的准确度。
本申请实施例的主题短语生成方法,通过获取待处理的文本集;针对文本集中的每个文本,根据主题生成策略集中的每个策略分别对文本进行处理,生成候选主题短语;主题生成策略集中包括以下策略中的任意一种或者多种:主题抽取策略、搜索短语召回策略、主题库召回策略、模型生成主题策略;根据每个文本对应的候选主题短语,生成候选主题短语集合,根据主题选择策略集中的每个策略分别对候选主题短语集合进行处理,获取参考主题短语;主题选择策略集中包括:基于长度的选择策略和基于语言模型的选择策略;将参考主题短语确定为适合写作的主题短语并提供给用户,候选主题短语集合中每个候选主题短语的词语较少且能够对主题进行确定性描述,且提供给用户的参考主题短语数量较少,减少用户确定适合写作的主题短语时的工作量,从而提高主题获取效率,提高内容创作效率。
为了实现图1至图2所述实施例,本申请实施例还提出一种主题短语生成装置。
图4是根据本申请第三实施例的示意图。如图4所示,该主题短语生成装置400包括:获取模块410、生成模块420。
其中,获取模块410,用于获取待处理的文本集;
生成模块420,用于针对所述文本集中的每个文本,根据主题生成策略集中的每个策略分别对所述文本进行处理,生成候选主题短语;所述主题生成策略集中包括以下策略中的任意一种或者多种:主题抽取策略、搜索短语召回策略、主题库召回策略、模型生成主题策略;
所述生成模块420,还用于根据每个文本对应的候选主题短语,生成候选主题短语集合。
在本申请一个实施例中,结合参考图5,在图4所示实施例的基础上,所述的装置还包括:处理模块430和确定模块440;
所述处理模块430,用于根据主题选择策略集中的每个策略分别对所述候选主题短语集合进行处理,获取参考主题短语;所述主题选择策略集中包括:基于长度的选择策略和基于语言模型的选择策略;
所述确定模块440,用于将所述参考主题短语确定为适合写作的主题短语。
在本申请一个实施例中,所述生成模块420具体用于,
获取文本对应的多个搜索短语,以及每个搜索短语的相关性分数;
将对应的相关性分数满足预设相关性分数阈值的搜索短语确定为所述文本的候选主题短语。
在本申请一个实施例中,所述生成模块420具体用于,
获取所述文本的摘要;
将所述文本的摘要输入预设的主题识别模型,获取所述文本的候选主题短语。
在本申请一个实施例中,所述生成模块420具体用于,
获取经过预训练的主题识别模型;
采用第一训练数据在第一学习率下对所述主题识别模型进行训练;所述第一训练数据包括:大于第一数量的第一训练样本;所述第一训练样本包括:摘要以及对应的候选主题短语;
采用第二训练数据在第二学习率下对所述主题识别模型进行训练,得到所述预设的主题识别模型;所述第二训练数据包括:大于第二数量的第二训练样本;所述第二训练样本包括:摘要以及对应的主题短语;所述第二学习率小于所述第一学习率,且所述第一学习率小于预设学习率阈值。
在本申请一个实施例中,所述候选主题短语集合包括:多个候选主题短语,以及每个候选主题短语的优先级;所述候选主题短语的优先级根据生成所述候选主题短语的主题生成策略的优先级确定;
所述处理模块430具体用于,
获取所述候选主题短语集合中的第一候选主题短语子集;所述第一候选主题短语子集中的候选主题短语的长度位于预设长度范围内;
将所述第一候选主题短语子集中优先级最高的候选主题短语,确定为参考主题短语。
在本申请一个实施例中,所述处理模块430具体用于,
针对所述候选主题短语集合中的每个候选主题短语,将所述候选主题短语输入所述语言模型,获取所述候选主题短语的困惑度;
将对应的困惑度最小的候选主题短语,确定为参考主题短语。
本申请实施例的主题短语生成装置,通过获取待处理的文本集;针对文本集中的每个文本,根据主题生成策略集中的每个策略分别对文本进行处理,生成候选主题短语;主题生成策略集中包括以下策略中的任意一种或者多种:主题抽取策略、搜索短语召回策略、主题库召回策略、模型生成主题策略;根据每个文本对应的候选主题短语,生成候选主题短语集合,用户可以根据候选主题短语集合来确定适合写作的主题,候选主题短语集合中每个候选主题短语的词语较少且能够对主题进行确定性描述,从而提高主题获取效率,提高内容创作效率。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图6所示,是根据本申请实施例的主题短语生成的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图6所示,该电子设备包括:一个或多个处理器601、存储器602,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器601为例。
存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的主题短语生成的方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的主题短语生成的方法。
存储器602作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的主题短语生成的方法对应的程序指令/模块(例如,附图4所示的获取模块410、生成模块420、附图5所示的处理模块430、确定模块440)。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的主题短语生成的方法。
存储器602可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据主题短语生成的电子设备的使用所创建的数据等。此外,存储器602可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器602可选包括相对于处理器601远程设置的存储器,这些远程存储器可以通过网络连接至主题短语生成的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
主题短语生成的方法的电子设备还可以包括:输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接,图6中以通过总线连接为例。
输入装置603可接收输入的数字或字符信息,以及产生与主题短语生成的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (14)
1.一种主题短语生成方法,其特征在于,包括:
获取待处理的文本集;
针对所述文本集中的每个文本,根据主题生成策略集中的每个策略分别对所述文本进行处理,生成候选主题短语;所述主题生成策略集中包括以下策略中的任意一种或者多种:主题抽取策略、搜索短语召回策略、主题库召回策略、模型生成主题策略;其中,所述主题抽取策略包括从文本的标题中抽取所述候选主题短语的策略;所述搜索短语召回策略包括从文本对应的搜索短语中获取所述候选主题短语的策略;所述主题库召回策略包括根据文本的标题查询主题库以获取所述候选主题短语的策略;所述模型生成主题策略包括获取文本的摘要,将所述文本的摘要输入预设的主题识别模型,获取所述候选主题短语的策略;
根据每个文本对应的候选主题短语,生成候选主题短语集合;
根据主题选择策略集中的每个策略分别对所述候选主题短语集合进行处理,获取参考主题短语;所述主题选择策略集中包括:基于长度的选择策略和基于语言模型的选择策略;其中,所述基于长度的选择策略包括获取所述候选主题短语集合中长度位于预设长度范围内的第一候选主题短语子集,将所述第一候选主题短语子集中优先级最高的所述候选主题短语确定为所述参考主题短语;所述基于语言模型的选择策略包括:将所述候选主题短语集合中的每个候选主题短语输入所述语言模型,获取所述候选主题短语的困惑度,将困惑度最小的所述候选主题短语确定为所述参考主题短语;
将所述参考主题短语确定为适合写作的主题短语。
2.根据权利要求1所述的方法,其特征在于,根据搜索短语召回策略对文本进行处理,包括:
获取文本对应的多个搜索短语,以及每个搜索短语的相关性分数;
将对应的相关性分数满足预设相关性分数阈值的搜索短语确定为所述文本的候选主题短语。
3.根据权利要求1所述的方法,其特征在于,根据模型生成主题策略对文本进行处理,包括:
获取所述文本的摘要;
将所述文本的摘要输入预设的主题识别模型,获取所述文本的候选主题短语。
4.根据权利要求3所述的方法,其特征在于,所述将所述文本的摘要输入预设的主题识别模型,获取所述文本的候选主题短语之前,还包括:
获取经过预训练的主题识别模型;
采用第一训练数据在第一学习率下对所述主题识别模型进行训练;所述第一训练数据包括:大于第一数量的第一训练样本;所述第一训练样本包括:摘要以及对应的候选主题短语;
采用第二训练数据在第二学习率下对所述主题识别模型进行训练,得到所述预设的主题识别模型;所述第二训练数据包括:大于第二数量的第二训练样本;所述第二训练样本包括:摘要以及对应的主题短语;所述第二学习率小于所述第一学习率,且所述第一学习率小于预设学习率阈值。
5.根据权利要求1所述的方法,其特征在于,所述候选主题短语集合包括:多个候选主题短语,以及每个候选主题短语的优先级;所述候选主题短语的优先级根据生成所述候选主题短语的主题生成策略的优先级确定;
根据基于长度的选择策略对所述候选主题短语集合进行处理,获取参考主题短语,包括:
获取所述候选主题短语集合中的第一候选主题短语子集;所述第一候选主题短语子集中的候选主题短语的长度位于预设长度范围内;
将所述第一候选主题短语子集中优先级最高的候选主题短语,确定为参考主题短语。
6.根据权利要求1所述的方法,其特征在于,根据基于语言模型的选择策略对所述候选主题短语集合进行处理,获取参考主题短语,包括:
针对所述候选主题短语集合中的每个候选主题短语,将所述候选主题短语输入所述语言模型,获取所述候选主题短语的困惑度;
将对应的困惑度最小的候选主题短语,确定为参考主题短语。
7.一种主题短语生成装置,其特征在于,包括:
获取模块,用于获取待处理的文本集;
生成模块,用于针对所述文本集中的每个文本,根据主题生成策略集中的每个策略分别对所述文本进行处理,生成候选主题短语;所述主题生成策略集中包括以下策略中的任意一种或者多种:主题抽取策略、搜索短语召回策略、主题库召回策略、模型生成主题策略;其中,所述主题抽取策略包括从文本的标题中抽取所述候选主题短语的策略;所述搜索短语召回策略包括从文本对应的搜索短语中获取所述候选主题短语的策略;所述主题库召回策略包括根据文本的标题查询主题库以获取所述候选主题短语的策略;所述模型生成主题策略包括获取文本的摘要,将所述文本的摘要输入预设的主题识别模型,获取所述候选主题短语的策略;
所述生成模块,还用于根据每个文本对应的候选主题短语,生成候选主题短语集合;
处理模块和确定模块;
所述处理模块,用于根据主题选择策略集中的每个策略分别对所述候选主题短语集合进行处理,获取参考主题短语;所述主题选择策略集中包括:基于长度的选择策略和基于语言模型的选择策略;其中,所述基于长度的选择策略包括获取所述候选主题短语集合中长度位于预设长度范围内的第一候选主题短语子集,将所述第一候选主题短语子集中优先级最高的所述候选主题短语确定为所述参考主题短语;所述基于语言模型的选择策略包括:将所述候选主题短语集合中的每个候选主题短语输入所述语言模型,获取所述候选主题短语的困惑度,将困惑度最小的所述候选主题短语确定为所述参考主题短语;
所述确定模块,用于将所述参考主题短语确定为适合写作的主题短语。
8.根据权利要求7所述的装置,其特征在于,所述生成模块具体用于,
获取文本对应的多个搜索短语,以及每个搜索短语的相关性分数;
将对应的相关性分数满足预设相关性分数阈值的搜索短语确定为所述文本的候选主题短语。
9.根据权利要求7所述的装置,其特征在于,所述生成模块具体用于,
获取所述文本的摘要;
将所述文本的摘要输入预设的主题识别模型,获取所述文本的候选主题短语。
10.根据权利要求9所述的装置,其特征在于,所述生成模块具体用于,
获取经过预训练的主题识别模型;
采用第一训练数据在第一学习率下对所述主题识别模型进行训练;所述第一训练数据包括:大于第一数量的第一训练样本;所述第一训练样本包括:摘要以及对应的候选主题短语;
采用第二训练数据在第二学习率下对所述主题识别模型进行训练,得到所述预设的主题识别模型;所述第二训练数据包括:大于第二数量的第二训练样本;所述第二训练样本包括:摘要以及对应的主题短语;所述第二学习率小于所述第一学习率,且所述第一学习率小于预设学习率阈值。
11.根据权利要求7所述的装置,其特征在于,所述候选主题短语集合包括:多个候选主题短语,以及每个候选主题短语的优先级;所述候选主题短语的优先级根据生成所述候选主题短语的主题生成策略的优先级确定;
所述处理模块具体用于,
获取所述候选主题短语集合中的第一候选主题短语子集;所述第一候选主题短语子集中的候选主题短语的长度位于预设长度范围内;
将所述第一候选主题短语子集中优先级最高的候选主题短语,确定为参考主题短语。
12.根据权利要求7所述的装置,其特征在于,所述处理模块具体用于,
针对所述候选主题短语集合中的每个候选主题短语,将所述候选主题短语输入所述语言模型,获取所述候选主题短语的困惑度;
将对应的困惑度最小的候选主题短语,确定为参考主题短语。
13.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010227296.6A CN111460133B (zh) | 2020-03-27 | 2020-03-27 | 主题短语生成方法、装置以及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010227296.6A CN111460133B (zh) | 2020-03-27 | 2020-03-27 | 主题短语生成方法、装置以及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111460133A CN111460133A (zh) | 2020-07-28 |
CN111460133B true CN111460133B (zh) | 2023-08-18 |
Family
ID=71685719
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010227296.6A Active CN111460133B (zh) | 2020-03-27 | 2020-03-27 | 主题短语生成方法、装置以及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111460133B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101443787A (zh) * | 2006-02-17 | 2009-05-27 | 徕美股份公司 | 用于ocr系统中的不确定识别单词的验证的方法和系统 |
CN102521263A (zh) * | 2011-11-21 | 2012-06-27 | 北京百度网讯科技有限公司 | 主题词条获取方法及其装置 |
CN105488024A (zh) * | 2015-11-20 | 2016-04-13 | 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 |
CN106066866A (zh) * | 2016-05-26 | 2016-11-02 | 同方知网(北京)技术有限公司 | 一种英文文献关键短语自动抽取方法与系统 |
CN109117485A (zh) * | 2018-09-06 | 2019-01-01 | 北京京东尚科信息技术有限公司 | 祝福语文本生成方法和装置、计算机可读存储介质 |
CN110321553A (zh) * | 2019-05-30 | 2019-10-11 | 平安科技(深圳)有限公司 | 短文本主题识别方法、装置及计算机可读存储介质 |
CN110717327A (zh) * | 2019-09-29 | 2020-01-21 | 北京百度网讯科技有限公司 | 标题生成方法、装置、电子设备和存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090132493A1 (en) * | 2007-08-10 | 2009-05-21 | Scott Decker | Method for retrieving and editing HTML documents |
US20140325335A1 (en) * | 2013-04-25 | 2014-10-30 | Cisco Technology, Inc. | System for generating meaningful topic labels and improving automatic topic segmentation |
US9564122B2 (en) * | 2014-03-25 | 2017-02-07 | Nice Ltd. | Language model adaptation based on filtered data |
US10242093B2 (en) * | 2015-10-29 | 2019-03-26 | Intuit Inc. | Method and system for performing a probabilistic topic analysis of search queries for a customer support system |
US20190180327A1 (en) * | 2017-12-08 | 2019-06-13 | Arun BALAGOPALAN | Systems and methods of topic modeling for large scale web page classification |
-
2020
- 2020-03-27 CN CN202010227296.6A patent/CN111460133B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101443787A (zh) * | 2006-02-17 | 2009-05-27 | 徕美股份公司 | 用于ocr系统中的不确定识别单词的验证的方法和系统 |
CN102521263A (zh) * | 2011-11-21 | 2012-06-27 | 北京百度网讯科技有限公司 | 主题词条获取方法及其装置 |
CN105488024A (zh) * | 2015-11-20 | 2016-04-13 | 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 |
CN106066866A (zh) * | 2016-05-26 | 2016-11-02 | 同方知网(北京)技术有限公司 | 一种英文文献关键短语自动抽取方法与系统 |
CN109117485A (zh) * | 2018-09-06 | 2019-01-01 | 北京京东尚科信息技术有限公司 | 祝福语文本生成方法和装置、计算机可读存储介质 |
CN110321553A (zh) * | 2019-05-30 | 2019-10-11 | 平安科技(深圳)有限公司 | 短文本主题识别方法、装置及计算机可读存储介质 |
CN110717327A (zh) * | 2019-09-29 | 2020-01-21 | 北京百度网讯科技有限公司 | 标题生成方法、装置、电子设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
一种基于LDA和TextRank的文本关键短语抽取方案的设计与实现;郎冬冬;刘晨晨;冯旭鹏;刘利军;黄青松;;《计算机应用与软件》;第35卷(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111460133A (zh) | 2020-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7127106B2 (ja) | 質問応答処理、言語モデルの訓練方法、装置、機器および記憶媒体 | |
CN111967262B (zh) | 实体标签的确定方法和装置 | |
CN111831821B (zh) | 文本分类模型的训练样本生成方法、装置和电子设备 | |
CN110674314B (zh) | 语句识别方法及装置 | |
CN111859997B (zh) | 机器翻译中的模型训练方法、装置、电子设备及存储介质 | |
CN111563385B (zh) | 语义处理方法、装置、电子设备和介质 | |
CN111339268B (zh) | 实体词识别方法和装置 | |
US20210397791A1 (en) | Language model training method, apparatus, electronic device and readable storage medium | |
CN112541076B (zh) | 目标领域的扩充语料生成方法、装置和电子设备 | |
US20210200813A1 (en) | Human-machine interaction method, electronic device, and storage medium | |
US11907671B2 (en) | Role labeling method, electronic device and storage medium | |
CN113553414B (zh) | 智能对话方法、装置、电子设备和存储介质 | |
CN111858905B (zh) | 模型训练方法、信息识别方法、装置、电子设备及存储介质 | |
CN111522944B (zh) | 用于输出信息的方法、装置、设备以及存储介质 | |
CN111797216B (zh) | 检索项改写方法、装置、设备以及存储介质 | |
CN111078878B (zh) | 文本处理方法、装置、设备及计算机可读存储介质 | |
CN111651578B (zh) | 人机对话方法、装置及设备 | |
CN111984774B (zh) | 搜索方法、装置、设备以及存储介质 | |
CN111310058B (zh) | 资讯主题的推荐方法、装置、终端及存储介质 | |
CN111984775A (zh) | 问答质量确定方法、装置、设备和存储介质 | |
CN113516491B (zh) | 推广信息展示方法、装置、电子设备及存储介质 | |
CN111309872B (zh) | 搜索处理方法、装置及设备 | |
CN111291184B (zh) | 表情的推荐方法、装置、设备及存储介质 | |
CN111666417B (zh) | 生成同义词的方法、装置、电子设备以及可读存储介质 | |
CN111414487B (zh) | 事件主题的关联扩展方法、装置、设备及介质 |
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 |