CN113553421A - 评论文本的生成方法、装置、电子设备和存储介质 - Google Patents

评论文本的生成方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN113553421A
CN113553421A CN202110695051.0A CN202110695051A CN113553421A CN 113553421 A CN113553421 A CN 113553421A CN 202110695051 A CN202110695051 A CN 202110695051A CN 113553421 A CN113553421 A CN 113553421A
Authority
CN
China
Prior art keywords
comment
dimension
candidate
text
determining
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.)
Granted
Application number
CN202110695051.0A
Other languages
English (en)
Other versions
CN113553421B (zh
Inventor
陈浩
赵润美
黄际洲
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 Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom 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 Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202110695051.0A priority Critical patent/CN113553421B/zh
Publication of CN113553421A publication Critical patent/CN113553421A/zh
Application granted granted Critical
Publication of CN113553421B publication Critical patent/CN113553421B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/338—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
    • G06F3/0482—Interaction with lists of selectable items, e.g. menus
    • 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
    • G06F40/186—Templates
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0282—Rating or review of business operators or products

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Computational Linguistics (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Human Computer Interaction (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本公开公开了一种评论文本的生成方法、装置、电子设备和存储介质，尤其涉及自然语言处理等人工智能技术领域。具体方案为：获取评论请求，其中，所述评论请求中包括目标兴趣点；确定所述目标兴趣点所属的类型；展示与所述目标兴趣点所属的类型关联的各个候选评论维度；在任一候选评论维度被选中的情况下，展示所述任一候选评论维度关联的各个参考文本；根据被选中的参考文本，生成所述目标兴趣点对应的评论文本。由此，在生成评论文本的过程中，无需用户组织语言，仅从提供的候选评论维度以及参考文本中进行选取，即可生成评论文本，从而不仅节省了用户对兴趣点进行评论的时间，提高了效率，也为基于评论数据向用户进行兴趣点推荐提供了条件。

Description

评论文本的生成方法、装置、电子设备和存储介质
技术领域
本公开涉及计算机技术领域，具体涉及自然语言处理等人工智能技术领域，尤其涉及一种评论文本的生成方法、装置、电子设备和存储介质。
背景技术
通常，为了方便用户决策，部分应用或者系统可以基于参考的评论数据为用户推荐兴趣点。由于评论数据的生成，通常需要诸多用户自己组织语言、排版编辑等等，该过程较为复杂、繁琐，会占用用户较多时间，从而可能会打消部分用户评论的积极性，以至于可供用户参考的评论数据可能较少，且基于参考的评论数据为用户提供的兴趣点可能也不够准确与可靠。由此，如何快速生成评论文本，成为当前至关重要的问题。
发明内容
本公开提供了一种评论文本的生成方法、装置、电子设备和存储介质。
本公开一方面，提供了一种评论文本的生成方法，包括：
获取评论请求，其中，所述评论请求中包括目标兴趣点；
确定所述目标兴趣点所属的类型；
展示与所述目标兴趣点所属的类型关联的各个候选评论维度；
在任一候选评论维度被选中的情况下，展示所述任一候选评论维度关联的各个参考文本；
根据被选中的参考文本，生成所述目标兴趣点对应的评论文本。
本公开的另一方面，提供了一种评论文本的生成装置，包括：
获取模块，用于获取评论请求，其中，所述评论请求中包括目标兴趣点；
确定模块，用于确定所述目标兴趣点所属的类型；
第一展示模块，用于展示与所述目标兴趣点所属的类型关联的各个候选评论维度；
第二展示模块，用于在任一候选评论维度被选中的情况下，展示所述任一候选评论维度关联的各个参考文本；
生成模块，用于根据被选中的参考文本，生成所述目标兴趣点对应的评论文本。
本公开的另一方面，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上述一方面实施例所述的评论文本的生成方法。
本公开的另一方面，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，其上存储有计算机程序，所述计算机指令用于使所述计算机执行上述一方面实施例所述的评论文本的生成方法。
本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现上述一方面实施例所述的评论文本的生成方法。
本公开提供的评论文本的生成方法、装置、电子设备和存储介质，可以先获取评论请求，之后确定目标兴趣点所属的类型，再展示与目标兴趣点所属的类型关联的各个候选评论维度，之后在任一候选评论维度被选中的情况下，展示任一候选评论维度关联的各个参考文本，再根据被选中的参考文本，生成目标兴趣点对应的评论文本。由此，在生成评论文本的过程中，无需用户组织语言，仅从提供的候选评论维度以及参考文本中进行选取，即可生成评论文本，从而不仅节省了用户对兴趣点进行评论的时间，提高了效率，也为基于评论数据向用户进行兴趣点推荐提供了条件。
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，不构成对本公开的限定。其中：
图1为本公开一实施例提供的一种评论文本的生成方法的流程示意图；
图1A为本公开一实施例提供的一种在评论文本的生成过程中的展示页面示意图；
图2为本公开另一实施例提供的一种在评论文本的生成方法的流程示意图；
图2A为本公开一实施例提供的一种评论文本的生成过程中的展示页面示意图；
图3为本公开又一实施例提供的一种评论文本的生成方法的流程示意图；
图3A为本公开一实施例提供的一种评论文本展示页面示意图；
图4为本公开另一实施例提供的一种评论文本的生成装置的结构示意图；
图5为用来实现本公开实施例的评论文本的生成方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开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，而不会背离本公开的范围和精神。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。
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习、深度学习、大数据处理技术、知识图谱技术等几大方向。
自然语言处理是用计算机来处理、理解以及运用人类语言(如中文、英文等)，它是计算机科学与语言学的交叉学科，又常被称为计算语言学。由于自然语言是人类区别于其他动物的根本标志。没有语言，人类的思维也就无从谈起，所以自然语言处理体现了人工智能的最高任务与境界，也就是说，只有当计算机具备了处理自然语言的能力时，机器才算实现了真正的智能。
下面参考附图描述本公开实施例的评论文本的生成方法、装置、电子设备和存储介质。
图1为本公开实施例提供的一种评论文本的生成方法的流程示意图。
如图1所示，该评论文本的生成方法，可以包括以下步骤：
步骤101，获取评论请求，其中，评论请求中包括目标兴趣点。
其中，兴趣点，也可以称作信息点，其可以为一个商铺、一个景点、一个公交站等等，本公开对此不做限定。
另外，目标兴趣点可以为用户待进行评论的任意兴趣点，本公开对此不做限定。
步骤102，确定目标兴趣点所属的类型。
其中，目标兴趣点所属的类型可以有多种，比如可以为景点类、美食类、住宿类等等，本公开对此不做限定。
可以理解的是，可以根据目标兴趣点的名称或关键词确定其所属的类型。比如，目标兴趣点为北京动物园，则可以确定其所属的类型为景点类；或者，目标兴趣点为XX饭店，则可以确定其所属的类型为美食类等等，本公开对此不做限定。
步骤103，展示与目标兴趣点所属的类型关联的各个候选评论维度。
其中，不同类型的目标兴趣点，其关联的候选评论维度可能相同，或者也可能不同。
比如说，目标兴趣点所属的类型为景点类，则候选评论维度可以为：景色、环境等等；目标兴趣点所属的类型为美食类，则候选评论维度可以为：菜品味道、服务态度等等。本公开对此不做限定。
另外，在展示各个候选评论维度时，可以将各个候选评论维度按照首字母的顺序依次进行排列；或者可以将各个候选评论维度设置不同的颜色，以使其区分开来；或者，也可以将各个候选评论维度生成词云进行展示等等。本公开对此不做限定。
本公开实施例中，可以将与目标兴趣点所属的类型关联的各个候选评论维度进行展示，以使用户可以对各个候选评论维度有清晰、直观的了解，为用户提供了方向。从而用户在确定候选评论维度时，可以考虑的更为全面与充分，确定的候选评论维度也更为全面、及可靠。
步骤104，在任一候选评论维度被选中的情况下，展示任一候选评论维度关联的各个参考文本。
其中，不同的候选评论维度，其关联的参考文本，可能相同，或者也可能不相同，本公开对此不做限定。
另外，任一候选评论维度可能关联一个参考文本，或者也可能关联多个参考文本等等，本公开对此不做限定。
本公开实施例中，可以将与目标兴趣点所属的类型关联的各个候选评论维度进行展示，以使用户可以清晰获知各个候选评论维度，以便从中选取候选评论维度。之后，在任一候选评论维度被选中的情况下，可以进一步展示任一候选评论维度关联的各个参考文本，以使用户对各个参考文本有更加全面的了解，从中选取参考文本。
比如说，候选评论维度“景色”被选中，与其关联的参考文本分别为：景色优美、景色一般，则可以将“景色优美”、“景色一般”进行展示。
或者，候选评论维度“烤全羊”被选中，则与其关联的各个参考文本的展示页面，可以如图1A所示。由图1A可以看到与“烤全羊”关联的各个参考文本分别为：宁夏滩羊、肉质鲜嫩、适合小孩吃。从而，用户可以直接从参考文本中进行选取，无需用户自己组织语言，节省了用户的时间，提高了效率。
需要说明的是，上述示例只是举例说明，不能作为对本公开实施例中候选评论维度及其关联的参考文本等的限定。
步骤105，根据被选中的参考文本，生成目标兴趣点对应的评论文本。
比如说，被选中的参考文本为“景色优美”，则生成的与目标兴趣点对应的评论文本可以为：景色优美，我很喜欢；景色优美，玩得很开心；景色很美丽，现在正是游玩的季节，值得一看等等。
本公开实施例中，评论文本是根据被选中的参考文本所生成的，更符合用户的需求。且生成评论文本的过程无需用户自己编辑文字内容，进行排版整理等操作，从而节省了用户对兴趣点进行评论的时间，提高了效率。另外，由于可以快速生成评论文本，从而增加了用户对各个兴趣点进行评论的数量，丰富了评论数据。进而，部分应用或者系统基于充足的评论数据，为用户提供的兴趣点也更为准确和可靠。
本公开实施例，可以先获取评论请求，之后确定目标兴趣点所属的类型，再展示与目标兴趣点所属的类型关联的各个候选评论维度，之后在任一候选评论维度被选中的情况下，展示任一候选评论维度关联的各个参考文本，再根据被选中的参考文本，生成目标兴趣点对应的评论文本。由此，在生成评论文本的过程中，无需用户组织语言，仅从提供的候选评论维度以及参考文本中进行选取，即可生成评论文本，从而不仅节省了用户对兴趣点进行评论的时间，提高了效率，也为基于评论数据向用户进行兴趣点推荐提供了条件。
上述实施例，根据获取的评论请求中包括的目标兴趣点，可以确定目标兴趣点所属的类型，之后即可展示与其关联的各个候选评论维度，并在任一候选评论维度被选中的情况下，展示任一候选评论维度关联的各个参考文本，再根据被选中的参考文本，之后即可生成目标兴趣点对应的评论文本。在实际实现过程中，可以先确定与目标兴趣点关联的各个候选评论维度对应的被选中概率，之后根据各个被选中概率，确定候选评论维度的展示顺序，并进行展示，下面结合图2对上述过程进行详细说明。
图2为本公开实施例提供的一种评论文本的生成方法的流程示意图。
如图2所示，该评论文本的生成方法，可以包括以下步骤：
步骤201，获取评论请求，其中，评论请求中包括目标兴趣点。
步骤202，确定目标兴趣点所属的类型。
步骤203，确定每个候选评论维度对应的被选中概率。
其中，可以有多种方式确定每个候选评论维度对应的被选中概率。
比如，可以根据每个候选评论维度对应的历史被选中次数，确定每个候选评论维度对应的被选中概率。
可以理解的是，每个候选评论维度对应的被选中概率与其对应的历史被选中次数可以呈正相关。比如候选评论维度对应的历史被选中次数越多，则其对应的被选中概率就越大，候选评论维度对应的历史被选中次数越少，其对应的被选中概率就越小。
比如说，共有两个候选评论维度A和B，A对应的历史被选中次数为90次，B对应的历史被选中次数为10次，则可以确定A对应的被选中概率为0.9，B对应的被选中概率为0.1。
或者，也可以根据触发评论请求的目标对象的属性及每个候选评论维度对应的历史使用数据，确定每个候选评论维度对应的被选中概率。
其中，触发评论请求的目标对象，即为触发该评论请求的用户，则该目标对象的属性可以为用户的年龄、性别、职业等等，本公开对此不做限定。
另外，候选评论维度对应的历史使用数据可以有多种，比如可以为该候选评论维度历史被选中次数，或者也可以为该候选评论维度被选中时对应的用户的属性等等，本公开对此不做限定。
比如说，触发评论请求的用户的年龄为30岁，性别为女。候选评论维度A的历史被选中次数共为200次，其中女性用户选中其150次，男性用户选中其50次，若当前触发评论请求的用户为女性，则可以确定该候选评论对应的被选中概率为0.75。
需要说明的是，上述示例只是举例说明，不能作为对本公开实施例中确定每个候选评论维度对应的被选中概率的方式等的限定。
需要说明的是，本公开的技术方案中，所涉及的目标对象的属性信息的获取、存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
步骤204，根据各个候选评论维度分别对应的被选中概率，确定每个候选评论维度的展示顺序。
可以理解的是，候选评论维度别对应的被选中概率越大，则该候选评论维度的展示顺序越靠前，候选评论维度别对应的被选中概率越小，则该候选评论维度的展示顺序越靠后。
步骤205，基于展示顺序，展示各个候选评论维度。
比如说，候选评论维度A的被选中概率为0.85、候选评论维度B的被选中概率为0.6，候选评论维度C的被选中概率为0.45，则可以确定各候选评论维度的展示顺序依次是：候选评论维度A、候选评论维度B以及候选评论维度C。从而可以按照该展示顺序，展示各个候选评论维度。
需要说明的是，上述示例只是举例说明，不能作为对本公开实施例中各个候选评论维度对应的被选中概率以及展示顺序等的限定。
本公开实施例中，可以根据该被选中概率，确定每个候选评论维度的显示顺序，并按照各个候选评论维度的展示顺序，展示各个候选评论维度，从而可使得候选评论维度的展示顺序更为合理、可靠，用户在从多个候选评论维度进行选取时，也更为方便、快捷，节省了用户时间，提高了效率。
步骤206，在任一候选评论维度被选中、且任一候选评论维度中包括至少两个子维度的情况下，展示至少两个子维度。
比如说，候选评论维度为味道，该候选评论维度中包括两个子维度分别为：味道好、味道一般、味道不好。则在候选评论维度“味道”被选中的情况下，可以展示味道好、味道一般、味道不好。
或者，在候选评论维度“停车”、“景色”均被选中之后，则展示的页面可以如图2A所示，由图2A可知，“停车”包括的子维度分别为：停车方便、不好停车、停车非常困难，几乎没有车位等等；“景色”包括的子维度分别为：景色优美，景色一般，景色不太好等等。
需要说明的是，上述示例只是举例说明，不能作为对本公开实施例中候选评论维度及其包括的子维度的数量和子维度的内容等的限定。
本公开实施例中，当候选评论维度有多个子维度时，若其处于被选中状态，则可以展示多个子维度，从而，可以使得展示的候选评论维度更为全面，以使用户可以从中选出更符合自己想法的候选评论维度，从而提高准确性。
步骤207，在任一子维度被选中的情况下，展示任一子维度关联的各个参考文本。
步骤208，根据被选中的参考文本，生成目标兴趣点对应的评论文本。
比如说，候选评论维度“味道”中包含的一个子维度为“味道好”，其关联的参考文本，分别为：味道好极了，我很喜欢；太美味了，吃的好满足；这是我吃过的最美味的一次，下次还来吃。在“味道好”被选中的情况下，可以展示“味道好”关联的各个参考文本。之后，若“味道好极了，我很喜欢”，处于被选中状态，则可以根据该被选中的参考文本，生成对应的评论文本。从而，可使得生成的评论文本更加准确、可靠，更符合用户的要求，从而节省了时间，提高了效率。
本公开实施例中，由于可以快速生成评论文本，从而增加了用户对各个兴趣点进行评论的数量，丰富了评论数据。进而，部分应用或者系统基于充足的评论数据，为用户提供的兴趣点也更为准确和可靠。
本公开实施例，可以先获取评论请求，之后确定目标兴趣点所属的类型，再确定目标兴趣点所属的类型关联的每个候选评论维度对应的被选中概率，之后根据各个候选评论维度分别对应的被选中概率，确定每个候选评论维度的展示顺序，并基于展示顺序，展示各个候选评论维度，在任一候选评论维度被选中、且任一候选评论维度中包括至少两个子维度的情况下，展示至少两个子维度，并在任一子维度被选中的情况下，展示任一子维度关联的各个参考文本，即可根据被选中的参考文本，生成目标兴趣点对应的评论文本。由此，在生成评论文本的过程中，无需用户组织语言，仅从提供的候选评论维度以及参考文本中进行选取，即可生成评论文本，从而不仅节省了用户对兴趣点进行评论的时间，提高了效率，也为基于评论数据向用户进行兴趣点推荐提供了条件。
可以理解的是，在实际实现过程中，可能有多个候选评论维度被选中，每个候选评论维度又可能有一个或多个参考文本被选中，为了提高生成的评论文本的准确性和完整性，可以生成每个候选评论维度对应的评论子文本，之后根据每个评论维度的权重，将其进行整合，从而生成对应的评论文本，下面结合图3对上述过程进行详细说明。
图3为本公开实施例提供的一种评论文本的生成方法的流程示意图。
如图3所示，该评论文本的生成方法，可以包括以下步骤：
步骤301，获取评论请求，其中，评论请求中包括目标兴趣点。
步骤302，确定目标兴趣点所属的类型。
步骤303，展示与目标兴趣点所属的类型关联的各个候选评论维度。
可以理解的是，本公开实施例中，可以先确定出各类型兴趣点对应的候选评论维度。之后在需要展示目标兴趣点关联的各个候选评论维度时的情况下，可以根据目标兴趣点所属的类型，从已确定的各类型兴趣点对应的候选评论维度中，直接选取该类型兴趣点关联的各个候选评论维度，并进行展示，提高了效率。
可选的，可以先获取各个兴趣点对应的历史评论文本，之后对每个历史评论文本进行解析，以确定每个兴趣点对应的评论维度，再根据每个兴趣点对应的评论维度及每个兴趣点所属的类型，确定每个类型兴趣点对应的候选评论维度。
需要说明的是，本公开的技术方案中，所涉及的各个兴趣点对应的历史评论文本的获取、存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
其中，确定每个兴趣点对应的评论维度，可以有多种方式。
比如，可以对历史文本进行切词处理，以提取其中的关键词，之后可以将提取到的关键词确定为每个兴趣点对应的评论维度。
或者，也可以先对历史文本进行切词处理，以提取其中的关键词。之后可以根据各个关键词出现的频率，将频率大于阈值的关键词确定为每个兴趣点对应的评论维度。或者，也可以按照频率的大小对多个关键词进行排序，将前预设数量的关键词确定为每个兴趣点对应的评论维度等等。
需要说明的是，上述示例只是举例说明，不能作为对本公开实施例中确定每个兴趣点对应的评论维度的方式等的限定。
另外，各个兴趣点对应的评论维度可能不同，或者也可能相同，本公开对此不做限定。
可以理解的是，可以根据兴趣点对应的评论维度与其所属的类型之间的相关性，确定每个类型兴趣点对应的候选评论维度。比如，可以将与兴趣点所属的类型之间相关性较大的评论维度，确定为该类型兴趣点对应的候选评论维度。
举例来说，兴趣点1对应的评论维度为：味道、环境、天气；兴趣点2对应的评论维度为：人数、环境、天气、味道；且兴趣点1的类型为美食类，兴趣点2的类型为景点类，兴趣点1中的“味道”、“环境”与“美食类”相关性较高，则可以将“味道”、“环境”确定为美食类兴趣点对应的候选评论维度；兴趣点2中的“人数”、“环境”与“景点类”的相关性较高，则可以将“人数”、“环境”确定为景点类兴趣点对应的候选评论维度。
或者，也可以将各兴趣点按照类型进行分类，之后将同类型的兴趣点中，出现频率较高的评论维度确定为该类型兴趣点对应的候选评论维度。
比如说，共有100个美食类兴趣点，其中评论维度“味道”出现95次、“服务态度”出现90次，“天气”出现2次，则根据各评论维度出现的频率，可以将“味道”、“服务态度”确定为美食类兴趣点对应的候选评论维度。
需要说明的是，上述示例只是举例说明，不能作为对本公开实施例中确定每个类型兴趣点对应的候选评论维度的方式等的限定。
可以理解的是，本公开实施例中，各个类型兴趣点对应的候选评论维度，是通过对历史评论文本进行解析，并结合各兴趣点所属的类型确定的，其较为全面、准确。还可以将每个类型兴趣点对应的候选评论维度进行存储，在需要时直接调用显示等等，从而简化了操作流程，提高了效率。
步骤304，在任一候选评论维度被选中的情况下，展示任一候选评论维度关联的各个参考文本。
可以理解的是，本公开实施例中，可以提前确定出各个目标评论维度关联的参考文本，在需要时，可以直接展示各参考文本。
可选的，可以先确定每个历史评论文本对应的目标评论维度及摘要，之后将摘要确定为目标评论维度关联的参考文本。从而，在任一候选评论维度被选中的情况下，可以从已确定的目标评论维度关联的参考文本中获取该任一候选评论维度关联的各个参考文本，并进行展示。
其中，可以通过对每个历史评论文本进行实体识别，以确定其对应的目标评论维度及摘要。或者，也可以通过对每个历史评论文本进行切词处理，以确定其对应的目标评论维度及摘要等等。本公开对此不做限定。
或者，也可以使用预训练模型确定每个历史评论文本对应的摘要。比如，某一历史评论文本由3个句子组合时，将该历史评论文本输入预训练模型，则可输出每个句子是摘要的概率，之后将概率最大的句子确定为摘要，再将摘要确定为目标评论维度关联的参考文本。
或者，也可以使用提前训练生成的模型，确定每个历史评论文本对应的摘要。比如将某一历史评论文本输入该模型中，则经过模型的处理，可以输出该历史评论文本对应的摘要，之后可以将摘要确定为目标评论维度关联的参考文本。
需要说明的是，上述示例只是举例说明，本公开实施例中，可以根据相关技术中任何可取的方式确定每个历史评论文本对应的目标评论维度及摘要，本公开对此不做限定。
本公开实施例中，可以提前生成各个评论维度关联的参考文本，在实际实现过程中，当用户选中某一候选评论维度时，即可根据已生成的各个评论维度关联的参考文本，直接展示与该候选评论维度关联的参考文本，从而简化了流程，也方便用户操作，节省了用户时间，从而提高了生成评论文本的效率。
步骤305，确定每个被选中的参考文本关联的评论维度及每个评论维度的权重。
其中，被选中的参考文本可能为多个。
比如，被选中的参考文本为：味道很好，我很喜欢，其关联的评论维度为：味道；被选中的参考文本为：服务态度很好，很有礼貌，其关联的评论维度为：服务态度；被选中的参考文本为：有停车位，可以停车，其关联的评论维度为:交通等等，本公开对此不做限定。
另外，每个评论维度的权重与该目标兴趣点的类型呈相关关系。
比如，目标兴趣点的类型为美食类，其可能侧重于“菜品味道”、“环境卫生”等，则可以将对应评论维度的权重设置的较大，比如可以设定“味道”评论维度的权重为0.4，“卫生情况”的权重为0.3，“服务态度”的权重为0.2，“交通”的权重为0.1。或者，目标兴趣点的类型为景点类，其可能更侧重于“交通”、“景色”等等，则可以将对应评论维度的权重设置的较大一些，比如可以将“景色”评论维度的权重为0.45，“交通”的权重为0.35，“服务态度”的权重为0.2等等。或者，也可以根据需要，对应调整各个评论维度的权重数值等等。
需要说明的是，上述示例只是举例说明，不能作为对本公开实施例中确定每个评论维度的权重的方式等的限定。
步骤306，根据每个被选中的参考文本关联的评论维度，生成每个评论维度对应的评论子文本。
步骤307，根据每个评论维度的权重，将多个评论子文本进行排序，以生成目标兴趣点对应的评论文本。
其中，可能有多个被选中的参考文本均关联同一评论维度，则可以将同一评论维度的多个被选中的参考文本进行整理、融合，之后再生成该评论维度对应的评论子文本，该评论子文本融合了多个被选中的参考文本，其更全面、可靠，也更符合用户的需求，从而，提高了生成的评论子文本的准确性，同时也节省了用户时间，提高了效率。
可以理解的是，评论维度的权重越大，该评论维度对应的评论子文本的顺序越靠前，评论维度的权重越小，该评论维度对应的评论子文本的顺序越靠后。
比如说，被选中的参考文本为“烤全羊，肉嫩”、“烤鸡，好吃”，二者关联的评论维度为菜品味道，对应生成的评论子文本可以为：推荐烤全羊，肉质很鲜嫩，适合小孩子吃，烤鸡也很美味，很喜欢。被选中的参考文本为“服务态度好”、“上菜慢”，二者关联的评论维度均为服务态度，对应生成的评论子文本可以为：服务态度挺好的，但是上菜速度太慢了，不过有赠送饮料哦。被选中的参考文本为“卫生干净”，其关联的评论维度为卫生情况，其对应生成的评论子文本可以为：卫生很干净，吃的放心。
若“菜品味道”评论维度的权重为0.5，“卫生情况”评论维度的权重为0.3，“服务态度”评论维度的权重为0.2。则根据各个评论维度的权重，将上述评论子文本进行排序，生成的对应的评论文本可以如图3A所示。
另外，也可以使各个评论子文本自成一段，使得层次更加分明，更清晰直观。
需要说明的是，上述示例只是举例说明，不能作为对本公开实施例中生成每个评论维度对应的评论子文本的方式等的限定。
本公开实施例中，可以根据每个评论维度的权重，将多个评论子文本进行排序，以生成目标兴趣点对应的评论文本，无需用户花费时间进行排版编辑等操作，即可生成清晰、明了的评论文本。进而，也提高了部分应用或者系统基于清晰、明了的评论数据，为用户提供兴趣点的准确性和可靠性。
可以理解的是，在生成评论文本之后，用户也可以根据自身需求，进行修改、调整等等，以使该评论文本更准确、可靠。
另外，在生成目标兴趣点对应的评论文本之后，还可以对该目标兴趣点进行打分。
可选的，可以先确定评论文本与每个评论模板间的匹配度，之后根据匹配度最高的评论模板对应的评论分值范围，确定评论文本对应的评论得分。
其中，评论模板可以为提前生成的，其可以为一个，或者也可以为多个等等。另外，不同类型的目标兴趣点可能对应有不同的评论模板，或者也可能对应有相同的评论模板等等。本公开对此不做限定。
另外，每个评论模板对应的评论分值范围可以为提前设定好的，或者也可以根据实际需要进行调整等等，本公开对此不做限定。
另外，在确定评论文本与每个评论模板间的匹配度时，可以有多种方式。比如，分别确定出评论文本与每个评论模板各自的关键词，之后根据关键词的匹配度，确定评论文本与每个评论模板间的匹配度。或者，也可以分别确定出评论文本与每个评论模板间之间的语义相似度，该语义相似度即为评论文本与每个评论模板间的匹配度等等，本公开对此不做限定。
需要说明的是，本公开实施例中，可以根据相关技术中任何可取的方式确定评论文本与每个评论模板间的匹配度，本公开对此不做限定。
另外，可以将匹配度最高的评论模板对应的评论分值范围中的最大分值，确定为评论文本对应的评论得分；或者也可以将该评论分值范围中的最小分值，确定为评论文本对应的评论得分；或者也可以将该评论分值范围中的平均分值，确定为评论文本对应的评论得分等等。本公开对此不做限定。
比如说，当前有3个评论模板，分别为评论模板a、评论模板b和评论模板c，评论文本与评论模板a的匹配度为0.2，与评论模板b的匹配度为0.7，与评论模板a的匹配度为0.1。评论模板b的评论分值范围为80分至90分，则可以将90分确定为评论文本对应的评论得分，或者也可以将80分确定为评论文本对应的评论得分等等。
需要说明的是，上述示例只是举例说明，不能作为对本公开实施例中评论模板的数量、对应的评论分值范围以及确定评论文本对应的评论得分的方式等的限定。
可选的，可以直接将根据匹配度最高的评论模板对应的评论分值范围，所确定的评论文本对应的评论得分，作为最终的得分。或者，也可以将根据匹配度最高的评论模板对应的评论分值范围，所确定的评论文本对应的评论得分，进行触发显示，并询问用户是否需要修改该评论得分等等，本公开对此不做限定。
本公开实施例中，用户在确定评论文本对应的最终得分时，可以直接使用评论文本对应的评论得分，或者，也可以根据需要进行修改，从而可使得确定的最终得分更加准确、合理，同时也节省了用户的时间，提高了效率。
可以理解的是，本公开实施例中，由于可以快速生成评论文本，从而增加了用户对各个兴趣点进行评论的数量，丰富了评论数据。进而，部分应用或者系统基于充足的评论数据，为用户提供的兴趣点也更为准确和可靠。
本公开实施例中，可以先获取评论请求，之后确定目标兴趣点所属的类型，之后展示与目标兴趣点所属的类型关联的各个候选评论维度，在任一候选评论维度被选中的情况下，展示任一候选评论维度关联的各个参考文本，之后可以确定每个被选中的参考文本关联的评论维度及每个评论维度的权重，再根据每个被选中的参考文本关联的评论维度，生成每个评论维度对应的评论子文本，之后根据每个评论维度的权重，将多个评论子文本进行排序，以生成目标兴趣点对应的评论文本。由此，在生成评论文本的过程中，无需用户组织语言，仅从提供的候选评论维度以及参考文本中进行选取，即可生成满意的评论文本，且生成的评论文本的准确和完整性也较高，从而节省了时间，也提高了效率，提高了用户的体验。
为了实现上述实施例，本公开还提出一种评论文本的生成装置。
图4为本公开实施例提供的一种评论文本的生成装置的结构示意图。
如图4所示，该评论文本的生成装置400，包括：获取模块410、确定模块420、第一展示模块430、第二展示模块440以及生成模块450。
其中，获取模块410，用于获取评论请求，其中，所述评论请求中包括目标兴趣点。
确定模块420，用于确定所述目标兴趣点所属的类型。
第一展示模块430，用于展示与所述目标兴趣点所属的类型关联的各个候选评论维度。
第二展示模块440，用于在任一候选评论维度被选中的情况下，展示所述任一候选评论维度关联的各个参考文本。
生成模块450，用于根据被选中的参考文本，生成所述目标兴趣点对应的评论文本。
可选的，第一展示模块430，包括：
第一确定单元，用于确定每个所述候选评论维度对应的被选中概率；
第二确定单元，用于根据各个所述候选评论维度分别对应的被选中概率，确定每个所述候选评论维度的展示顺序；
展示单元，用于基于所述展示顺序，展示所述各个候选评论维度。
可选的，所述第一确定单元，具体用于：
根据每个所述候选评论维度对应的历史被选中次数，确定每个所述候选评论维度对应的被选中概率；
或者，
根据触发所述评论请求的目标对象的属性及每个所述候选评论维度对应的历史使用数据，确定每个所述候选评论维度对应的被选中概率。
可选的，第二展示模块440，具体用于：
在所述任一候选评论维度被选中、且所述任一候选评论维度中包括至少两个子维度的情况下，展示所述至少两个子维度；
在任一子维度被选中的情况下，展示所述任一子维度关联的各个参考文本。
可选的，获取模块410，还用于获取各个兴趣点对应的历史评论文本。
确定模块420，还用于对每个所述历史评论文本进行解析，以确定每个兴趣点对应的评论维度。
确定模块420，还用于根据每个所述兴趣点对应的评论维度及每个所述兴趣点所属的类型，确定每个类型兴趣点对应的候选评论维度。
可选的，确定模块420，还用于确定每个所述历史评论文本对应的目标评论维度及摘要。
可选的，确定模块420，还用于将所述摘要确定为所述目标评论维度关联的参考文本。
可选的，生成模块450，具体用于：
确定每个被选中的参考文本关联的评论维度及每个所述评论维度的权重；
根据每个被选中的参考文本关联的评论维度，生成每个所述评论维度对应的评论子文本；
根据每个所述评论维度的权重，将多个所述评论子文本进行排序，以生成所述目标兴趣点对应的评论文本。
可选的，确定模块420，还用于确定所述评论文本与每个评论模板间的匹配度。
确定模块420，还用于根据匹配度最高的评论模板对应的评论分值范围，确定所述评论文本对应的评论得分。
本公开实施例中的上述各模块的功能及具体实现原理，可参照上述各方法实施例，此处不再赘述。
本公开实施例的评论文本的生成装置，可以先获取评论请求，之后确定目标兴趣点所属的类型，再展示与目标兴趣点所属的类型关联的各个候选评论维度，之后在任一候选评论维度被选中的情况下，展示任一候选评论维度关联的各个参考文本，再根据被选中的参考文本，生成目标兴趣点对应的评论文本。由此，在生成评论文本的过程中，无需用户组织语言，仅从提供的候选评论维度以及参考文本中进行选取，即可生成评论文本，从而不仅节省了用户对兴趣点进行评论的时间，提高了效率，也为基于评论数据向用户进行兴趣点推荐提供了条件。
图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。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/或者要求的本公开的实现。
如图5所示，设备500包括计算单元501，其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序，来执行各种适当的动作和处理。在RAM 503中，还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理，例如评论文本的生成方法。例如，在一些实施例中，评论文本的生成方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元508。在一些实施例中，计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时，可以执行上文描述的评论文本的生成方法的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行评论文本的生成方法。
本文中以上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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
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)、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。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
本公开的技术方案，可以先获取评论请求，之后确定目标兴趣点所属的类型，再展示与目标兴趣点所属的类型关联的各个候选评论维度，之后在任一候选评论维度被选中的情况下，展示任一候选评论维度关联的各个参考文本，再根据被选中的参考文本，生成目标兴趣点对应的评论文本。由此，在生成评论文本的过程中，无需用户组织语言，仅从提供的候选评论维度以及参考文本中进行选取，即可生成评论文本，从而不仅节省了用户对兴趣点进行评论的时间，提高了效率，也为基于评论数据向用户进行兴趣点推荐提供了条件。
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，本公开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，只要能够实现本公开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，并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (19)

1.一种评论文本的生成方法，包括：
获取评论请求，其中，所述评论请求中包括目标兴趣点；
确定所述目标兴趣点所属的类型；
展示与所述目标兴趣点所属的类型关联的各个候选评论维度；
在任一候选评论维度被选中的情况下，展示所述任一候选评论维度关联的各个参考文本；
根据被选中的参考文本，生成所述目标兴趣点对应的评论文本。
2.如权利要求1所述的方法，其中，所述展示与所述目标兴趣点所属的类型关联的各个候选评论维度，包括：
确定每个所述候选评论维度对应的被选中概率；
根据各个所述候选评论维度分别对应的被选中概率，确定每个所述候选评论维度的展示顺序；
基于所述展示顺序，展示所述各个候选评论维度。
3.如权利要求2所述的方法，其中，所述确定每个所述候选评论维度对应的被选中概率，包括：
根据每个所述候选评论维度对应的历史被选中次数，确定每个所述候选评论维度对应的被选中概率；
或者，
根据触发所述评论请求的目标对象的属性及每个所述候选评论维度对应的历史使用数据，确定每个所述候选评论维度对应的被选中概率。
4.如权利要求1所述的方法，其中，所述在任一候选评论维度被选中的情况下，展示所述任一候选评论维度关联的各个参考文本，包括：
在所述任一候选评论维度被选中、且所述任一候选评论维度中包括至少两个子维度的情况下，展示所述至少两个子维度；
在任一子维度被选中的情况下，展示所述任一子维度关联的各个参考文本。
5.如权利要求1所述的方法，其中，在所述展示与所述目标兴趣点所属的类型关联的各个候选评论维度之前，还包括：
获取各个兴趣点对应的历史评论文本；
对每个所述历史评论文本进行解析，以确定每个兴趣点对应的评论维度；
根据每个所述兴趣点对应的评论维度及每个所述兴趣点所属的类型，确定每个类型兴趣点对应的候选评论维度。
6.如权利要求5所述的方法，其中，在所述展示所述任一候选评论维度关联的各个参考文本之前，还包括：
确定每个所述历史评论文本对应的目标评论维度及摘要；
将所述摘要确定为所述目标评论维度关联的参考文本。
7.如权利要求1-6任一所述的方法，其中，所述根据被选中的参考文本，生成所述目标兴趣点对应的评论文本，包括：
确定每个被选中的参考文本关联的评论维度及每个所述评论维度的权重；
根据每个被选中的参考文本关联的评论维度，生成每个所述评论维度对应的评论子文本；
根据每个所述评论维度的权重，将多个所述评论子文本进行排序，以生成所述目标兴趣点对应的评论文本。
8.如权利要求1-6任一所述的方法，其中，在所述根据被选中的参考文本，生成所述目标兴趣点对应的评论文本之后，还包括：
确定所述评论文本与每个评论模板间的匹配度；
根据匹配度最高的评论模板对应的评论分值范围，确定所述评论文本对应的评论得分。
9.一种评论文本的生成装置，包括：
获取模块，用于获取评论请求，其中，所述评论请求中包括目标兴趣点；
确定模块，用于确定所述目标兴趣点所属的类型；
第一展示模块，用于展示与所述目标兴趣点所属的类型关联的各个候选评论维度；
第二展示模块，用于在任一候选评论维度被选中的情况下，展示所述任一候选评论维度关联的各个参考文本；
生成模块，用于根据被选中的参考文本，生成所述目标兴趣点对应的评论文本。
10.如权利要求9所述的装置，其中，所述第一展示模块，包括：
第一确定单元，用于确定每个所述候选评论维度对应的被选中概率；
第二确定单元，用于根据各个所述候选评论维度分别对应的被选中概率，确定每个所述候选评论维度的展示顺序；
展示单元，用于基于所述展示顺序，展示所述各个候选评论维度。
11.如权利要求10所述的装置，其中，所述第一确定单元，具体用于：
根据每个所述候选评论维度对应的历史被选中次数，确定每个所述候选评论维度对应的被选中概率；
或者，
根据触发所述评论请求的目标对象的属性及每个所述候选评论维度对应的历史使用数据，确定每个所述候选评论维度对应的被选中概率。
12.如权利要求9所述的装置，其中，所述第二展示模块，具体用于：
在所述任一候选评论维度被选中、且所述任一候选评论维度中包括至少两个子维度的情况下，展示所述至少两个子维度；
在任一子维度被选中的情况下，展示所述任一子维度关联的各个参考文本。
13.如权利要求9所述的装置，其中，
所述获取模块，还用于获取各个兴趣点对应的历史评论文本；
所述确定模块，还用于对每个所述历史评论文本进行解析，以确定每个兴趣点对应的评论维度；
所述确定模块，还用于根据每个所述兴趣点对应的评论维度及每个所述兴趣点所属的类型，确定每个类型兴趣点对应的候选评论维度。
14.如权利要求13所述的装置，其中，
所述确定模块，还用于确定每个所述历史评论文本对应的目标评论维度及摘要；
所述确定模块，还用于将所述摘要确定为所述目标评论维度关联的参考文本。
15.如权利要求9-14任一所述的装置，其中，所述生成模块，具体用于：
确定每个被选中的参考文本关联的评论维度及每个所述评论维度的权重；
根据每个被选中的参考文本关联的评论维度，生成每个所述评论维度对应的评论子文本；
根据每个所述评论维度的权重，将多个所述评论子文本进行排序，以生成所述目标兴趣点对应的评论文本。
16.如权利要求9-14任一所述的装置，其中，
所述确定模块，还用于确定所述评论文本与每个评论模板间的匹配度；
所述确定模块，还用于根据匹配度最高的评论模板对应的评论分值范围，确定所述评论文本对应的评论得分。
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，其中，所述计算机指令用于使所述计算机执行根据权利要求1-8中任一项所述的方法。
19.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-8中任一项所述的方法。
CN202110695051.0A 2021-06-22 2021-06-22 评论文本的生成方法、装置、电子设备和存储介质 Active CN113553421B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110695051.0A CN113553421B (zh) 2021-06-22 2021-06-22 评论文本的生成方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110695051.0A CN113553421B (zh) 2021-06-22 2021-06-22 评论文本的生成方法、装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN113553421A true CN113553421A (zh) 2021-10-26
CN113553421B CN113553421B (zh) 2023-05-05

Family

ID=78102290

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110695051.0A Active CN113553421B (zh) 2021-06-22 2021-06-22 评论文本的生成方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN113553421B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104731874A (zh) * 2015-03-05 2015-06-24 北京汇行科技有限公司 一种评价信息生成方法和装置
CN107153641A (zh) * 2017-05-08 2017-09-12 北京百度网讯科技有限公司 评论信息确定方法、装置、服务器及存储介质
CN107577759A (zh) * 2017-09-01 2018-01-12 安徽广播电视大学 用户评论自动推荐方法
CN107609960A (zh) * 2017-10-18 2018-01-19 口碑(上海)信息技术有限公司 推荐理由生成方法及装置
CN107679217A (zh) * 2017-10-19 2018-02-09 北京百度网讯科技有限公司 基于数据挖掘的关联内容提取方法和装置
CN108153856A (zh) * 2017-12-22 2018-06-12 北京百度网讯科技有限公司 用于输出信息的方法和装置
CN108491540A (zh) * 2018-03-30 2018-09-04 北京百度网讯科技有限公司 文本信息推送方法、装置及智能终端
US20180322188A1 (en) * 2015-10-30 2018-11-08 Microsoft Technology Licensing, Llc Automatic conversation creator for news
CN110519617A (zh) * 2019-07-18 2019-11-29 平安科技（深圳）有限公司 视频评论处理方法、装置、计算机设备及存储介质
JP2020027600A (ja) * 2018-08-17 2020-02-20 ネイバー コーポレーションＮＡＶＥＲ Ｃｏｒｐｏｒａｔｉｏｎ 関心地点リストの購読とレビュー情報とに基づいて報酬を提供する方法およびシステム
CN111475731A (zh) * 2020-04-13 2020-07-31 腾讯科技（深圳）有限公司 数据处理方法、装置、存储介质及设备
CN112015721A (zh) * 2020-09-14 2020-12-01 广州立信电子科技有限公司 一种基于大数据的电商平台存储数据库的优化方法
CN112380847A (zh) * 2020-11-18 2021-02-19 北京百度网讯科技有限公司 兴趣点处理方法、装置、电子设备及存储介质

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104731874A (zh) * 2015-03-05 2015-06-24 北京汇行科技有限公司 一种评价信息生成方法和装置
US20180322188A1 (en) * 2015-10-30 2018-11-08 Microsoft Technology Licensing, Llc Automatic conversation creator for news
CN107153641A (zh) * 2017-05-08 2017-09-12 北京百度网讯科技有限公司 评论信息确定方法、装置、服务器及存储介质
CN107577759A (zh) * 2017-09-01 2018-01-12 安徽广播电视大学 用户评论自动推荐方法
CN107609960A (zh) * 2017-10-18 2018-01-19 口碑(上海)信息技术有限公司 推荐理由生成方法及装置
CN107679217A (zh) * 2017-10-19 2018-02-09 北京百度网讯科技有限公司 基于数据挖掘的关联内容提取方法和装置
CN108153856A (zh) * 2017-12-22 2018-06-12 北京百度网讯科技有限公司 用于输出信息的方法和装置
CN108491540A (zh) * 2018-03-30 2018-09-04 北京百度网讯科技有限公司 文本信息推送方法、装置及智能终端
JP2020027600A (ja) * 2018-08-17 2020-02-20 ネイバー コーポレーションＮＡＶＥＲ Ｃｏｒｐｏｒａｔｉｏｎ 関心地点リストの購読とレビュー情報とに基づいて報酬を提供する方法およびシステム
CN110519617A (zh) * 2019-07-18 2019-11-29 平安科技（深圳）有限公司 视频评论处理方法、装置、计算机设备及存储介质
CN111475731A (zh) * 2020-04-13 2020-07-31 腾讯科技（深圳）有限公司 数据处理方法、装置、存储介质及设备
CN112015721A (zh) * 2020-09-14 2020-12-01 广州立信电子科技有限公司 一种基于大数据的电商平台存储数据库的优化方法
CN112380847A (zh) * 2020-11-18 2021-02-19 北京百度网讯科技有限公司 兴趣点处理方法、装置、电子设备及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
PRIYANKA W. FALKE M.E. COMPUTER ENGINEERING, SSGM COLLEGE OF ENGINEERING, SHEGAON, M.S., INDIA ; V. S. MAHALLE: "Secure spatial Top-k query processing via untrusted location based services accessing outsourced databases", IEEE *
李金海: "基于在线评论挖掘的网络购物混合推荐模型及策略研究", 中国博士学位论文全文数据库 *

Also Published As

Publication number Publication date
CN113553421B (zh) 2023-05-05

Similar Documents

Publication Publication Date Title
CN109657054B (zh) 摘要生成方法、装置、服务器及存储介质
CN108153856B (zh) 用于输出信息的方法和装置
CN110209897B (zh) 智能对话方法、装置、存储介质及设备
CN112560479B (zh) 摘要抽取模型训练方法、摘要抽取方法、装置和电子设备
US10671619B2 (en) Information processing system and information processing method
CN110472043B (zh) 一种针对评论文本的聚类方法及装置
WO2019134091A1 (en) Providing emotional care in a session
CN111708888A (zh) 基于人工智能的分类方法、装置、终端和存储介质
CN111212303A (zh) 视频推荐方法、服务器和计算机可读存储介质
JP7498129B2 (ja) 情報をプッシュするための方法及び装置、電子機器、記憶媒体並びにコンピュータプログラム
CN113569018A (zh) 问答对挖掘方法及装置
CN113360001A (zh) 输入文本的处理方法、装置、电子设备和存储介质
CN112560461A (zh) 新闻线索的生成方法、装置、电子设备及存储介质
CN112818227A (zh) 内容推荐方法、装置、电子设备及存储介质
CN115248890B (zh) 用户兴趣画像的生成方法、装置、电子设备以及存储介质
CN112527127B (zh) 输入法长句预测模型的训练方法、装置、电子设备及介质
CN114417871A (zh) 模型训练及命名实体识别方法、装置、电子设备及介质
CN112860995B (zh) 交互方法、装置、客户端、服务器以及存储介质
CN113077312A (zh) 酒店推荐方法、系统、设备及存储介质
CN113792230B (zh) 服务链接方法、装置、电子设备和存储介质
CN113553421B (zh) 评论文本的生成方法、装置、电子设备和存储介质
CN111274384A (zh) 一种文本标注方法及其设备、计算机存储介质
CN106959945B (zh) 基于人工智能的为新闻生成短标题的方法和装置
CN115048523A (zh) 文本分类方法、装置、设备以及存储介质
CN115080741A (zh) 一种问卷调查分析方法、装置、存储介质及设备

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