CN111783468A - 文本处理方法、装置、设备和介质 - Google Patents

Abstract

本申请实施例公开了一种文本处理方法、装置、设备和介质，涉及自然语言处理技术和深度学习技术。其中，该文本处理方法包括：利用目标文章的目标评论文本，确定带有预设情感类型的目标话题；获取新文章，并将新文章与目标话题进行匹配；如果匹配成功，则根据目标话题，确定与新文章关联的目标文本；其中，目标文本包括新文章的评论文本和/或新文章在目标话题下的描述文本。本申请实施例可以实现高效生成新文章的评论和新文章相关的描述文本，降低人工创作成本。

Description

文本处理方法、装置、设备和介质

技术领域

本申请实施例涉及计算机技术，具体涉及自然语言处理技术和深度学习技术，尤其涉及一种文本处理方法、装置、设备和介质。

背景技术

互联网技术的发展，改变了社会生活中信息传递的方式。人们可以通过浏览各种各样的文章、评论等获取自己感兴趣的信息，也可以通过发表新文章、新评论，或者通过对已有文章、已有评论的交互，表达自己的观点。

网络信息的传播，离不开任何一个媒体人的创作。然而，目前针对任何话题的新文章以及文章评论的生成，主要基于人工创作实现，人工创作成本较大，并且由于人的时间、精力有限，创作效率也存在瓶颈。

发明内容

本申请实施例提供了一种文本处理方法、装置、设备和介质，以实现高效生成新文章的评论和新文章相关的描述文本，降低人工创作成本。

根据本申请实施例的一方面，提供了一种文本处理方法，包括：

利用目标文章的目标评论文本，确定带有预设情感类型的目标话题；

获取新文章，并将所述新文章与所述目标话题进行匹配；

如果匹配成功，则根据所述目标话题，确定与所述新文章关联的目标文本；

其中，所述目标文本包括所述新文章的评论文本和/或所述新文章在所述目标话题下的描述文本。

根据本申请实施例的另一方面，提供了一种文本处理装置，包括：

目标话题确定模块，用于利用目标文章的目标评论文本，确定带有预设情感类型的目标话题；

文本匹配模块，用于获取新文章，并将所述新文章与所述目标话题进行匹配；

目标文本确定模块，用于如果匹配成功，则根据所述目标话题，确定与所述新文章关联的目标文本；

其中，所述目标文本包括所述新文章的评论文本和/或所述新文章在所述目标话题下的描述文本。

根据本申请实施例的另一方面，提供了一种电子设备，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本申请实施例任一所述的文本处理方法。

根据本申请实施例的另一方面，提供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本申请实施例任一所述的文本处理方法。

根据本申请实施例的技术方案，通过将新文章与目标话题进行匹配，匹配成功后，利用目标话题的相关文本自动生成新文章的评论文本和/或新文章在目标话题下的描述文本，实现了高效生成新文章的评论和新文章相关的描述文本，降低了人工创作成本。

应当理解，应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请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是根据本申请实施例公开的一种文本处理方法的流程图；

图2是根据本申请实施例公开的另一种文本处理方法的流程图；

图3是根据本申请实施例公开的一种文本处理装置的结构示意图；

图4是根据本申请实施例公开的一种电子设备的框图。

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。

图1是根据本申请实施例公开的一种文本处理方法的流程图，本申请实施例可以适用于智能化文本创作或自动化文本创作的情况。本申请实施例公开的方法可以由文本处理装置来执行，该装置可以采用软件和/或硬件实现，并可集成在任意的具有计算能力的电子设备上，例如服务器等。

如图1所示，本申请实施例公开的文本处理方法可以包括：

S101、利用目标文章的目标评论文本，确定带有预设情感类型的目标话题。

其中，目标文章可以是从网络信息中抓取的热度比较高的文章，文章的热度可以利用预设时间周期内文章的点击量、评论量、点赞量、转发量等来衡量，例如文章的点击量、评论量、点赞量、转发量中的至少一种超过相应的阈值，文章来源可以包括但不限于微博、贴吧、博客、公众号、新闻应用等信息平台；目标文章的目标评论文本可以是指目标文章下热度比较高的评论，评论的热度可以利用预设时间周期内评论的点击量、回复量、点赞量等来衡量，例如评论的点击量、回复量、点赞量中的至少一种超过相应的阈值。文本是指一个语句或多个语句的组合，评论文本即指用于表达用户观点的一个语句或者多个语句的组合。网络用户对目标文章的目标评论文本的关注度，反映了在一定时间内网络用户对特定话题的关注程度以及对特定话题的倾向性观点。

因此，可以通过对目标文章的目标评论文本进行语义分析和情感分析，实现从多方网络资源中确定出带有预设情感类型的目标话题，或者称为流行话题，还可以理解为“梗”。预设情感类型可以包括但不限于幽默、中性、严肃、搞笑等，例如，带有预设情感类型的目标话题可以是当前比较热门的幽默类型话题。一个目标话题可以一句语句或者是一个关键词，可以根据实际情况而定。语义分析和情感分析的具体实现，可以采用现有技术中任意可用的语义分析技术和情感分析技术实现，本申请实施例不作具体限定，例如可以采用基于神经网络预先训练的语义分析模型和情感分析模型对目标评论文本进行分析。

S102、获取新文章，并将新文章与目标话题进行匹配。

在目标话题的确定过程中，可以同时确定目标话题所属的行业类型，例如体育、娱乐、科技等，可以采用键值对(key-value)的形式将目标话题存储在话题库中，即可以将目标话题所属的行业类型作为key，将目标话题作为value进行存储。目标话题不仅可以通过对目标评论文本进行分词、词语权重计算等语义分析处理操作得到，还支持人工纠正。并且，话题库中存储的目标话题支持根据话题热度进行周期性更新。在自动化文本创作过程中，可以优选利用话题库中在截止当前的预设时间周期内热度较高的目标话题进行创作，话题的热度可以通过话题对应的文章和评论的热度来反映，从而实现对当前流行话题的密切跟进。此外，话题库中还可以存储目标话题的热度信息、目标话题对应的评论文本以及目标话题对应的文章关键词等内容。

新文章是指互联网中新产生的与目标文章存在内容差异的文章。在获取新文章的过程中，可以利用文本检测技术对新文章进行内容检测，删除涉政、涉黄非法文章，从而对筛选后的新文章进行评论和描述文本的自动生成。新文章可以是针对特定行业的时效性较高的文章，也可以是非时效性文章。

新文章与目标话题匹配，旨在确定新文章所属的目标话题，可以根据新文章内容在话题库中进行倒排索引，确定新文章所属的目标话题。具体的，可以利用文本相似度算法，计算新文章中的关键词与目标话题对应的关键词之间的相似度，如果计算的相似度大于或等于相似度阈值(该阈值可灵活设置)，则新文章与目标话题匹配成功，说明新文章内容对应当前的目标话题；如果相似度小于相似度阈值，则匹配不成功，说明新文章内容不属于目标话题。

S103、如果匹配成功，则根据目标话题，确定与新文章关联的目标文本；其中，目标文本包括新文章的评论文本和/或新文章在目标话题下的描述文本。

新文章与目标话题匹配成功，意味着新文章属于目标话题下的文章，同一话题下的文章存在一定的语义共性，因此，可以利用目标话题的相关文本，自动生成新文章的评论文本和/或新文章在目标话题下的描述文本。例如，相同话题下的文章对应的评论具有共性，可以将对应目标话题的一部分或者全部已有评论文本，作为新文章的评论文本，从而实现为新文章自动生成评论的效果；同时，还可以根据目标话题，为新文章自动生成篇幅较短的描述文本，描述文本是对目标话题以及新文章内容进行结合的创作文本。示例性的，结合目标话题的情感类型，从网络用语角度，描述文本可以称为带有预设情感类型的“段子”。新文章的评论文本和新文章在目标话题下的描述文本可以根据具体的业务需求，同时生成，也可以择一生成，本申请实施例不作具体限定。

根据本申请实施例的技术方案，通过将新文章与目标话题进行匹配，匹配成功后，利用目标话题的相关文本自动生成新文章的评论文本和/或新文章在目标话题下的描述文本，提供了一种智能化的文本创作模式，实现了高效生成新文章的评论和新文章相关的描述文本，降低了人工创作成本，减少了创作费用支出，解决了现有依赖人工进行文本创作的模式中创作成本高、创作效率难以提升的问题；并且，智能化创作实现，一方面保证了针对目标话题(即流行话题)的创作数量，丰富了针对流行话题的网络资源，包括文章评论和描述文本，另一方面，得益于网络资源的开放性、丰富性，本申请实施例中的目标话题可以对应多方网络资源，使得利用目标话题的相关文本进行自动化创作过程中可以融合多方网络资源，在一定程度上提高了创作文本的新颖性，避免了创作版权的问题。

在上述技术方案的基础上，可选的，根据目标话题，确定与新文章关联的目标文本，包括：

将目标文章下对应目标话题的目标评论文本，作为新文章的评论文本；和/或

根据目标文章下对应目标话题的目标评论文本和新文章，生成新文章在目标话题下的描述文本。示例性的，可以分别从对应目标话题的目标评论文本和新文章中，提取关键词；然后按照预先设定的文本生成策略，利用提取的关键词生成新文章在目标话题下的描述文本；文本生成策略中描述了如何利用提取的关键词自动化生成新文本；提取的关键词可以用于表征该关键词所属文本的关键信息或者核心语义。

在生成新评论或者描述文本过程中，所利用的目标文章下对应目标话题的目标评论文本，可以是指对应目标话题的热度比较高的评论，例如在截止当前的预设时间周期内，该评论的回复量、点赞量均非常高。

进一步的，根据目标文章下对应目标话题的目标评论文本和新文章，生成新文章在目标话题下的描述文本，包括：

根据新文章中的关键词，确定新文章所属的文章类型，并确定该文章类型下的文本模板；

从目标文章下对应目标话题的目标评论文本中，提取预设关键词；

将预设关键词填充至文本模板中，生成新文章在目标话题下的描述文本。

具体的，可以通过对新文章进行分词处理，确定新文章的关键词，然后根据新文章的关键词，确定新文章所属的文章类型，根据文章类型划分粒度的不同，确定的文章类型可以存在差异。例如，基于行业类型的文章划分，从粗粒度的分类角度，文章类型可以包括但不限于：体育类、教育类、娱乐类、生活类等；相应的，从细粒度的分类角度，文章类型可以包括但不限于足球类、篮球类、幼儿教育类、高等教育类、天气类、购物类等。针对每一种分类粒度，均会为每个文章分类设定文本模板，从而满足不同类型的描述文本生成需求。在从目标文章下对应目标话题的目标评论文本中提取预设关键词之后，基于自然语言的智能化创作技术，通过对选择的文本模板进行编辑，将预设关键词和文本模板内容进行融合，从而得到需求的描述文本，该描述文本的篇幅通常较短。当然，在将预设关键词和文本模板内容进行融合过程中，也可以将从新文章中提取的关键词作为预设关键词，参与描述文本的生成。需要说明的是，在本申请实施例中，提取的预设关键词通常为预设词性的词语，例如可以优选名词性质或者动词性质的关键词作为预测关键词，具体的，在通过分词技术提取出关键词后，可以利用词性词典(该词典中定义了不同词语的词语性质)，确定提取的关键词的词性。本申请实施例通过按照新文章中的关键词确定适用的文本模板，然后结合提取的预设关键词生成需求的描述文本，有效提高了新文本的生成效率，并且有助于智能化创作的推广。

此外，在生成新文章在目标话题下的描述文本的过程中，还可以包括按照预设文本语法、句式结构等，对初步生成的描述文本进行文本纠正，包括语法纠正、句式纠正等，从而确保输出高质量的描述文本。

图2是根据本申请实施例公开的另一种文本处理方法的流程图，基于上述技术方案进一步优化与扩展，并可以与上述各个可选实施方式进行结合。如图2所示，该方法可以包括：

S201、对目标文章的目标评论文本进行分词处理，确定评论关键词。

具体的，可以利用任意可用的分词算法对目标评论文本进行分词，然后计算分词结果中各词语的权重，按照权重大小筛选出多个评论关键词。示例性的，可利用的分词算法包括但不限于全切分词方法、基于统计模型的分词方法等；分词权重计算的方法包括但不限于通过监督学习训练得到权重计算模型，例如逻辑回归模型等。

可选的，对目标文章的目标评论文本进行分词处理，确定评论关键词，包括：对目标文章的目标评论文本进行分词处理，确定候选关键词；确定候选关键词的同义词，并将候选关键词以及同义词作为评论关键词。通过对候选关键词进行同义词扩充，不仅有助于后续通过聚类准确得到目标话题，同时也有助于提升后续新文章与目标话题的匹配性。

S202、对评论关键词进行聚类，确定候选话题。

依据公认的聚类假设：同类文本相似度较大，而不同类文本相似度较小，对评论关键词进行聚类分析，可以提取主要类，从而初步确定流行话题，其中，可用的文本聚类算法可以包括但不限于K-Means算法、DBSCAN算法等等。

进一步的，对评论关键词进行聚类，确定候选话题，包括：按照预设分类策略，对评论关键词进行分类，得到关键词分类集合；对关键词分类集合中的词语进行聚类，确定候选话题。其中，分类策略用于定义评论关键词的分类方式，具体内容可以根据业务需求而定，例如分类策略可以是按照评论对应文章所属的行业类型，对评论关键词进行分类，行业类型包括但不限于体育、娱乐、科技、教育等。对评论关键词进行分类可以包括：利用预先确定的关键词和关键词类型的映射关系，对评论关键词进行分类；或者，利用预先训练的分类模型，对评论关键词进行分类，其中分类模型可以通过利用样本关键词以及样本关键词的词语类型标注结果训练得到。

S203、对候选话题对应的目标评论文本进行情感分析，确定候选话题下带有预设情感类型的目标话题。

初步确定的候选话题可以对应不同的情感类型，因此，通过利用文本情感分析算法，例如预先训练的基于提升树可扩展的机器学习系统(XGBoost)的情感分析模型，对候选话题对应的目标评论文本进行情感分析，可以筛选出带有预设情感类型的目标话题，该预设情感类型可以根据业务处理需求而定，例如，通过文本情感分析，筛选出幽默类型的候选话题作为目标话题。

S204、获取新文章，并将新文章与目标话题进行匹配。

例如，将新文章中的关键词与目标话题对应的关键词进行匹配。

S205、如果匹配成功，则根据目标话题，确定与新文章关联的目标文本；其中，目标文本包括新文章的评论文本和/或新文章在目标话题下的描述文本。

在上述技术方案的基础上，可选的，在利用目标文章的目标评论文本，确定带有预设情感类型的目标话题之前，本申请实施例公开的方法还包括：

根据用于表征文章热度的文章特征，确定目标文章；

根据用于表征评论热度的评论特征，确定目标文章的目标评论文本。

具体的，本申请实施例中优先选择网络信息中热度较高的文章作为目标文章，以及目标文章下热度较高的评论文本作为目标评论文本，然后用于目标话题的确定过程中。其中，文章特征包括文章的点击量、点赞量、转发量、热度持续时间、预设时间周期内的评论数量和累计评论数量中的至少一种；评论特征包括评论的点击量、点赞量和回复量中的至少一种。目标文章的热度持续时间也即表示目标文章的时效性，包括目标文章的流量价值持续时间以及目标文章所反映事件在时间上的有效性期限。在确定目标文章和目标评论文本的过程中，可以分别基于文章特征和评论特征，利用提升树可扩展的机器学习系统(XGBoost)等筛选模型，从大量网络信息中筛选出目标文章和相应的目标评论文本，从而实现对当前流量价值较高的流行话题的密切跟进，进而为实现针对流行话题的高效创作奠定可利用的资源基础。

根据本申请实施例的技术方案，通过对目标文章的目标评论文本进行分词处理以及聚类，确定候选话题，然后通过文本情感分析，确定出带有预设情感类型的目标话题，实现了对流行话题的准确挖掘；将新文章与目标话题进行匹配，匹配成功后，根据目标话题自动生成新文章的评论文本和/或新文章在目标话题下的描述文本，提供了一种智能化的文本创作模式，实现了高效生成新文章的评论和新文章相关的描述文本，降低了人工创作成本，减少了创作费用支出，解决了现有依赖人工进行文本创作的模式中创作成本高、创作效率难以提升的问题。

图3是根据本申请实施例公开的一种文本处理装置的结构示意图，本申请实施例可以适用于智能化文本创作或自动化文本创作的情况。本申请实施例公开的装置可以采用软件和/或硬件实现，并可集成在任意的具有计算能力的电子设备上，例如服务器等。

如图3所示，本申请实施例公开的文本处理装置300可以包括目标话题确定模块301、文本匹配模块302和目标文本确定模块303，其中：

目标话题确定模块301，用于利用目标文章的目标评论文本，确定带有预设情感类型的目标话题；

文本匹配模块302，用于获取新文章，并将新文章与目标话题进行匹配；

目标文本确定模块303，用于如果匹配成功，则根据目标话题，确定与新文章关联的目标文本；

其中，目标文本包括新文章的评论文本和/或新文章在目标话题下的描述文本。

可选的，目标文本确定模块303包括：

新文章评论确定单元，用于将目标文章下对应目标话题的目标评论文本，作为新文章的评论文本；和/或

描述文本生成单元，用于根据目标文章下对应目标话题的目标评论文本和新文章，生成新文章在目标话题下的描述文本。

可选的，描述文本生成单元包括：

文本模板确定子单元，用于根据新文章中的关键词，确定新文章所属的文章类型，并确定该文章类型下的文本模板；

关键词提取子单元，用于从目标文章下对应目标话题的目标评论文本中，提取预设关键词；

描述文本生成子单元，用于将预设关键词填充至文本模板中，生成新文章在目标话题下的描述文本。

可选的，目标话题确定模块301包括：

评论关键词确定单元，用于对目标文章的目标评论文本进行分词处理，确定评论关键词；

关键词聚类单元，用于对评论关键词进行聚类，确定候选话题；

目标话题确定单元，用于对候选话题对应的目标评论文本进行情感分析，确定候选话题下带有预设情感类型的目标话题。

可选的，评论关键词确定单元包括：

候选关键词确定子单元，用于对目标文章的目标评论文本进行分词处理，确定候选关键词；

述评论关键词确定子单元，用于确定候选关键词的同义词，并将候选关键词以及同义词作为评论关键词。

可选的，关键词聚类单元包括：

关键词分类子单元，用于按照预设分类策略，对评论关键词进行分类，得到关键词分类集合；

关键词聚类子单元，用于对关键词分类集合中的词语进行聚类，确定候选话题。

可选的，文本匹配模块302具体用于：

获取新文章，并将新文章中的关键词与目标话题对应的关键词进行匹配。

可选的，本申请实施例公开的装置还包括：

目标文章确定模块，用于在目标话题确定模块301执行利用目标文章的目标评论文本，确定带有预设情感类型的目标话题的操作之前，根据用于表征文章热度的文章特征，确定目标文章；

目标评论文本确定模块，用于根据用于表征评论热度的评论特征，确定目标文章的目标评论文本。

可选的，文章特征包括文章的点击量、点赞量、转发量、热度持续时间、预设时间周期内的评论数量和累计评论数量中的至少一种；

评论特征包括评论的点击量、点赞量和回复量中的至少一种。

本申请实施例所公开的文本处理装置300可执行本申请实施例所公开的任意文本处理方法，具备执行方法相应的功能模块和有益效果。本申请装置实施例中未详尽描述的内容可以参考本申请任意方法实施例中的描述。

根据本申请的实施例，本申请实施例还提供了一种电子设备和一种可读存储介质。

如图4所示，图4是用于实现本申请实施例中文本处理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/或者要求的本申请实施例的实现。

如图4所示，该电子设备包括：一个或多个处理器401、存储器402，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)上显示图形用户界面(Graphical User Interface，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4中以一个处理器401为例。

存储器402即为本申请实施例所提供的非瞬时计算机可读存储介质。其中，存储器存储有可由至少一个处理器执行的指令，以使至少一个处理器执行本申请实施例所提供的文本处理方法。本申请实施例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实施例所提供的文本处理方法。

存储器402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，如本申请实施例中文本处理方法对应的程序指令/模块，例如，附图3所示的目标话题确定模块301、文本匹配模块302和目标文本确定模块303。处理器401通过运行存储在存储器402中的非瞬时软件程序、指令以及模块，从而执行电子设备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文本处理方法。

存储器402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电子设备的使用所创建的数据等。此外，存储器402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402可选包括相对于处理器401远程设置的存储器，这些远程存储器可以通过网络连接至用于实现本实施例中文本处理方法的电子设备。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。

用于实现本申请实施例中文本处理方法的电子设备还可以包括：输入装置403和输出装置404。处理器401、存储器402、输入装置403和输出装置404可以通过总线或者其他方式连接，图4中以通过总线连接为例。

输入装置403可接收输入的数字或字符信息，以及产生与用于实现本实施例中文本处理方法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404可以包括显示设备、辅助照明装置和触觉反馈装置等，其中，辅助照明装置例如发光二极管(Light Emitting Diode，LED)；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(Liquid Crystal Display，LCD)、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、专用集成电路(Application Specific Integrated Circuit，ASIC)、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(Programmable Logic Device，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，阴极射线管(Cathode Ray Tube，CRT)或者LCD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，或者实施在包括中间件部件的计算系统，例如，应用服务器，或者实施在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，或者实施在包括这种后台部件、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(Local Area Network，LAN)、广域网(Wide Area Network，WAN)、互联网和区块链网络。

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。

根据本申请实施例的技术方案，通过将新文章与目标话题进行匹配，匹配成功后，利用目标话题的相关文本，自动生成新文章的评论文本和/或新文章在目标话题下的描述文本，实现了高效生成新文章的评论和新文章相关的描述文本，降低了人工创作成本。

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 (18)

1.一种文本处理方法，包括：

利用目标文章的目标评论文本，确定带有预设情感类型的目标话题；

获取新文章，并将所述新文章与所述目标话题进行匹配；

如果匹配成功，则根据所述目标话题，确定与所述新文章关联的目标文本；

其中，所述目标文本包括所述新文章的评论文本和/或所述新文章在所述目标话题下的描述文本。

2.根据权利要求1所述的方法，其中，根据所述目标话题，确定与所述新文章关联的目标文本，包括：

将所述目标文章下对应所述目标话题的目标评论文本，作为所述新文章的评论文本；和/或

根据所述目标文章下对应所述目标话题的目标评论文本和所述新文章，生成所述新文章在所述目标话题下的描述文本。

3.根据权利要求2所述的方法，其中，根据所述目标文章下对应所述目标话题的目标评论文本和所述新文章，生成所述新文章在所述目标话题下的描述文本，包括：

根据所述新文章中的关键词，确定所述新文章所属的文章类型，并确定该文章类型下的文本模板；

从所述目标文章下对应所述目标话题的目标评论文本中，提取预设关键词；

将所述预设关键词填充至所述文本模板中，生成所述新文章在所述目标话题下的描述文本。

4.根据权利要求1所述的方法，其中，所述利用目标文章的目标评论文本，确定带有预设情感类型的目标话题，包括：

对所述目标文章的目标评论文本进行分词处理，确定评论关键词；

对所述评论关键词进行聚类，确定候选话题；

对所述候选话题对应的目标评论文本进行情感分析，确定所述候选话题下带有所述预设情感类型的目标话题。

5.根据权利要求4所述的方法，其中，所述对所述目标文章的目标评论文本进行分词处理，确定评论关键词，包括：

对所述目标文章的目标评论文本进行分词处理，确定候选关键词；

确定所述候选关键词的同义词，并将所述候选关键词以及同义词作为所述评论关键词。

6.根据权利要求4所述的方法，其中，所述对所述评论关键词进行聚类，确定候选话题，包括：

按照预设分类策略，对所述评论关键词进行分类，得到关键词分类集合；

对所述关键词分类集合中的词语进行聚类，确定候选话题。

7.根据权利要求1所述的方法，其中，在所述利用目标文章的目标评论文本，确定带有预设情感类型的目标话题之前，所述方法还包括：

根据用于表征文章热度的文章特征，确定目标文章；

根据用于表征评论热度的评论特征，确定所述目标文章的目标评论文本。

8.根据权利要求7所述的方法，其中，所述文章特征包括文章的点击量、点赞量、转发量、热度持续时间、预设时间周期内的评论数量和累计评论数量中的至少一种；

所述评论特征包括评论的点击量、点赞量和回复量中的至少一种。

9.一种文本处理装置，包括：

目标话题确定模块，用于利用目标文章的目标评论文本，确定带有预设情感类型的目标话题；

文本匹配模块，用于获取新文章，并将所述新文章与所述目标话题进行匹配；

目标文本确定模块，用于如果匹配成功，则根据所述目标话题，确定与所述新文章关联的目标文本；

其中，所述目标文本包括所述新文章的评论文本和/或所述新文章在所述目标话题下的描述文本。

10.根据权利要求9所述的装置，其中，所述目标文本确定模块包括：

新文章评论确定单元，用于将所述目标文章下对应所述目标话题的目标评论文本，作为所述新文章的评论文本；和/或

描述文本生成单元，用于根据所述目标文章下对应所述目标话题的目标评论文本和所述新文章，生成所述新文章在所述目标话题下的描述文本。

11.根据权利要求10所述的装置，其中，所述描述文本生成单元包括：

文本模板确定子单元，用于根据所述新文章中的关键词，确定所述新文章所属的文章类型，并确定该文章类型下的文本模板；

关键词提取子单元，用于从所述目标文章下对应所述目标话题的目标评论文本中，提取预设关键词；

描述文本生成子单元，用于将所述预设关键词填充至所述文本模板中，生成所述新文章在所述目标话题下的描述文本。

12.根据权利要求9所述的装置，其中，所述目标话题确定模块包括：

评论关键词确定单元，用于对所述目标文章的目标评论文本进行分词处理，确定评论关键词；

关键词聚类单元，用于对所述评论关键词进行聚类，确定候选话题；

目标话题确定单元，用于对所述候选话题对应的目标评论文本进行情感分析，确定所述候选话题下带有所述预设情感类型的目标话题。

13.根据权利要求12所述的装置，其中，所述评论关键词确定单元包括：

候选关键词确定子单元，用于对所述目标文章的目标评论文本进行分词处理，确定候选关键词；

述评论关键词确定子单元，用于确定所述候选关键词的同义词，并将所述候选关键词以及同义词作为所述评论关键词。

14.根据权利要求12所述的装置，其中，所述关键词聚类单元包括：

关键词分类子单元，用于按照预设分类策略，对所述评论关键词进行分类，得到关键词分类集合；

关键词聚类子单元，用于对所述关键词分类集合中的词语进行聚类，确定候选话题。

15.根据权利要求9所述的装置，其中，所述装置还包括：

目标文章确定模块，用于在所述目标话题确定模块执行所述利用目标文章的目标评论文本，确定带有预设情感类型的目标话题的操作之前，根据用于表征文章热度的文章特征，确定目标文章；

目标评论文本确定模块，用于根据用于表征评论热度的评论特征，确定所述目标文章的目标评论文本。

16.根据权利要求15所述的装置，其中，所述文章特征包括文章的点击量、点赞量、转发量、热度持续时间、预设时间周期内的评论数量和累计评论数量中的至少一种；

所述评论特征包括评论的点击量、点赞量和回复量中的至少一种。

17.一种电子设备，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权利要求1-8中任一项所述的文本处理方法。

18.一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权利要求1-8中任一项所述的文本处理方法。

Images