CN116069936B - 一种数码传媒文章的生成方法和装置 - Google Patents
一种数码传媒文章的生成方法和装置 Download PDFInfo
- Publication number
- CN116069936B CN116069936B CN202310177130.1A CN202310177130A CN116069936B CN 116069936 B CN116069936 B CN 116069936B CN 202310177130 A CN202310177130 A CN 202310177130A CN 116069936 B CN116069936 B CN 116069936B
- Authority
- CN
- China
- Prior art keywords
- article
- keywords
- label
- sentence
- content
- 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
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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 Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Probability & Statistics with Applications (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开涉及一种数码传媒文章的生成方法和装置。所述方法包括:采集多种数码产品的参数,获得参数库;采集多个数码产品网站的文章,获得文章数据库;通过参数库中的参数,为文章数据库中的文章标题、文章正文、文章段落和文章句子进行标注;根据文章标题标注、文章正文标注、文章段落标注和文章句子标注,获得内容关键词;根据内容关键词,以及文章标题标注、文章正文标注、文章段落标注和文章句子标注,输出内容段落。根据本公开,可基于文章和参数进行标注,并基于多个层级的标注确定内容关键词,从而生成内容段落,可获得逻辑性更强、原创度更高、所需修改更少的内容段落,大幅降低人工工作量,提高传媒内容的产出效率。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种数码传媒文章的生成方法和装置。
背景技术
当前市场对内容原创稿件的需求越来越大,在资讯大爆炸的时代,碎片化信息量增长的速度远超过人类的接受能力,而内容创作者的时间和精力是宝贵而稀缺的,在3C数码领域(Computer,Communication and Consumer Electronics,计算机、通信和消费电子产品):手机、智能终端、智能穿戴等产品已经非常普遍,且更新换代速度极快,这意味着市场对3C数码领域的传媒内容的需求是非常巨大的,而媒体工作者在撰写传媒内容时压力巨大,存在专有领域知识储备不足、产品更新速度快导致资讯的更新速度快、准备的内容精准度低、素材寻找困难、原创度低等困难,难以满足市场的需求。
在相关技术中,人工智能AI撰稿系统可根据模型与部分关键词生成初稿,然后由写作人员进行二次加工才可勉强使用。很多时候人工智能模型生成的稿件,没有逻辑性、原创度低、出错概率大,使得媒体工作者需要耗费大量精力去阅读和理解初稿,然后查询相关的具体信息与参数进行修正,费时费力,对于缓解媒体工作者的压力作用有限。
公开于本申请背景技术部分的信息仅旨在加深对本申请的一般背景技术的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
发明内容
本公开提出了一种数码传媒文章的生成方法和装置。
根据本公开的一方面,提供了一种数码传媒文章的生成方法,包括:
采集多种数码产品的参数,获得参数库;
采集多个数码产品网站的文章,获得文章数据库;
通过所述参数库中的参数,为所述文章数据库中的文章标题、文章正文、文章段落和文章句子分别进行标注,分别获得文章标题标注、文章正文标注、文章段落标注和文章句子标注;
根据所述文章标题标注、所述文章正文标注、所述文章段落标注和所述文章句子标注,获得内容关键词;
根据所述内容关键词,以及所述文章标题标注、文章正文标注、文章段落标注和文章句子标注,输出内容段落。
在本公开的一些实施例中,通过所述参数库中的参数,为所述文章数据库中的文章标题、文章正文、文章段落和文章句子分别进行标注,分别获得文章标题标注、文章正文标注、文章段落标注和文章句子标注,包括:
根据所述参数库中的参数,获得类别信息、品牌信息和参数信息;
根据所述类别信息、品牌信息和参数信息,分别对所述文章标题、文章正文、文章段落和文章句子进行标注,获得所述文章标题标注、所述文章正文标注、所述文章段落标注和所述文章句子标注。
在本公开的一些实施例中,所述内容关键词包括标题关键词;
根据所述文章标题标注、所述文章正文标注、所述文章段落标注和所述文章句子标注,获得内容关键词,包括:
对文章标题进行预处理,获得预处理后的文章标题;
将预处理后的文章标题以及所述文章标题标注按照产品类型、产品品牌和产品型号进行三个层级的分类,获得标题分类信息;
根据所述标题分类信息,确定所述预处理后的文章标题以及所述文章标题标注中的标题关键词。
在本公开的一些实施例中,所述内容关键词包括正文关键词;
根据所述文章标题标注、所述文章正文标注、所述文章段落标注和所述文章句子标注,获得内容关键词,包括:
对文章正文进行预处理,获得预处理后的文章正文;
将预处理后的文章正文以及所述文章正文标注按照产品类型、产品品牌和产品型号进行三个层级的分类,获得正文分类信息;
根据所述正文分类信息和所述标题关键词,确定所述正文关键词。
在本公开的一些实施例中,所述内容关键词包括段落关键词;
根据所述文章标题标注、所述文章正文标注、所述文章段落标注和所述文章句子标注,获得内容关键词,包括:
对文章段落进行预处理,获得预处理后的文章段落;
将预处理后的文章段落以及所述文章段落标注按照产品类型、产品品牌和产品型号进行三个层级的分类,获得段落分类信息;
根据所述段落分类信息和所述正文关键词,确定所述段落关键词。
在本公开的一些实施例中,所述内容关键词包括句子关键词;
根据所述文章标题标注、所述文章正文标注、所述文章段落标注和所述文章句子标注,获得内容关键词,包括:
对文章句子进行预处理,获得预处理后的文章句子;
将预处理后的文章句子以及所述文章句子标注按照产品类型、产品品牌和产品型号进行三个层级的分类,获得句子分类信息;
根据所述句子分类信息和所述段落关键词,确定所述句子关键词。
在本公开的一些实施例中,根据所述标题分类信息,确定所述预处理后的文章标题以及所述文章标题标注中的标题关键词,包括:
根据
I1=log(∑标题分类信息中各类别的文档数×总文档数/含有关键词的文档数),确定关键词的第一评价分数;
根据
确定关键词的第二评价分数,其中,w1表示产品类型分类方式中关键词的权重集,w2表示产品品牌分类方式中关键词的权重集,w3表示产品型号分类方式中关键词的权重集,W表示所有文档中关键词的权重集,W()表示根据所有文档中关键词的权重集进行的映射,mk表示不同类别的关键词在其他类别的关键词集中出现的频率;
确定使第二评价分数大于0,且使所述第一评价分数和所述第二评价分数之间的差距小于或等于预设阈值的关键词,作为所述标题关键词。
在本公开的一些实施例中,根据所述内容关键词,以及所述文章标题标注、文章正文标注、文章段落标注和文章句子标注,输出内容段落,包括:
生成多个语句段落;
根据所述内容关键词,以及所述文章标题标注、所述文章正文标注、所述文章段落标注和所述文章句子标注,对所述语句段落进行验证;
将验证通过的语句段落输入解码器,输出语句内容;
根据所述内容关键词,以及所述文章标题标注、所述文章正文标注、所述文章段落标注和所述文章句子标注,对所述语句内容进行挖空,获得所述内容段落。
在本公开的一些实施例中,根据所述内容关键词,以及所述文章标题标注、所述文章正文标注、所述文章段落标注和所述文章句子标注,对所述语句内容进行挖空,获得所述内容段落,包括:
确定所述语句内容中,与所述内容关键词、所述文章标题标注、所述文章正文标注、所述文章段落标注或所述文章句子标注相同的待挖空内容;
按照预设比例,去除部分所述待挖空内容,获得所述内容段落。
根据本公开的另一方面,提供了一种数码传媒文章的生成装置,所述装置包括:
参数库模块,用于采集多种数码产品的参数,获得参数库;
文章数据库模块,用于采集多个数码产品网站的文章,获得文章数据库;
标注模块,用于通过所述参数库中的参数,为所述文章数据库中的文章标题、文章正文、文章段落和文章句子分别进行标注,分别获得文章标题标注、文章正文标注、文章段落标注和文章句子标注;
关键词模块,用于根据所述文章标题标注、所述文章正文标注、所述文章段落标注和所述文章句子标注,获得内容关键词;
输出模块,用于根据所述内容关键词,以及所述文章标题标注、文章正文标注、文章段落标注和文章句子标注,输出内容段落。
在本公开的一些实施例中,所述标注模块进一步用于:
根据所述参数库中的参数,获得类别信息、品牌信息和参数信息;
根据所述类别信息、品牌信息和参数信息,分别对所述文章标题、文章正文、文章段落和文章句子进行标注,获得所述文章标题标注、所述文章正文标注、所述文章段落标注和所述文章句子标注。
在本公开的一些实施例中,所述内容关键词包括标题关键词;所述关键词模块进一步用于:
对文章标题进行预处理,获得预处理后的文章标题;
将预处理后的文章标题以及所述文章标题标注按照产品类型、产品品牌和产品型号进行三个层级的分类,获得标题分类信息;
根据所述标题分类信息,确定所述预处理后的文章标题以及所述文章标题标注中的标题关键词。
在本公开的一些实施例中,所述内容关键词包括正文关键词;所述关键词模块进一步用于:
对文章正文进行预处理,获得预处理后的文章正文;
将预处理后的文章正文以及所述文章正文标注按照产品类型、产品品牌和产品型号进行三个层级的分类,获得正文分类信息;
根据所述正文分类信息和所述标题关键词,确定所述正文关键词。
在本公开的一些实施例中,所述内容关键词包括段落关键词;所述关键词模块进一步用于:
对文章段落进行预处理,获得预处理后的文章段落;
将预处理后的文章段落以及所述文章段落标注按照产品类型、产品品牌和产品型号进行三个层级的分类,获得段落分类信息;
根据所述段落分类信息和所述正文关键词,确定所述段落关键词。
在本公开的一些实施例中,所述内容关键词包括句子关键词;所述关键词模块进一步用于:
根据所述文章标题标注、所述文章正文标注、所述文章段落标注和所述文章句子标注,获得内容关键词,包括:
对文章句子进行预处理,获得预处理后的文章句子;
将预处理后的文章句子以及所述文章句子标注按照产品类型、产品品牌和产品型号进行三个层级的分类,获得句子分类信息;
根据所述句子分类信息和所述段落关键词,确定所述句子关键词。
在本公开的一些实施例中,所述关键词模块进一步用于:
根据
I1=log(∑标题分类信息中各类别的文档数×总文档数/含有关键词的文档数),确定关键词的第一评价分数;
根据确定关键词的第二评价分数,其中,w1表示产品类型分类方式中关键词的权重集,w2表示产品品牌分类方式中关键词的权重集,w3表示产品型号分类方式中关键词的权重集,W表示所有文档中关键词的权重集,W()表示根据所有文档中关键词的权重集进行的映射,mk表示不同类别的关键词在其他类别的关键词集中出现的频率;
确定使第二评价分数大于0,且使所述第一评价分数和所述第二评价分数之间的差距小于或等于预设阈值的关键词,作为所述标题关键词。
在本公开的一些实施例中,所述输出模块进一步用于:
生成多个语句段落;
根据所述内容关键词,以及所述文章标题标注、所述文章正文标注、所述文章段落标注和所述文章句子标注,对所述语句段落进行验证;
将验证通过的语句段落输入解码器,输出语句内容;
根据所述内容关键词,以及所述文章标题标注、所述文章正文标注、所述文章段落标注和所述文章句子标注,对所述语句内容进行挖空,获得所述内容段落。
在本公开的一些实施例中,所述输出模块进一步用于:
确定所述语句内容中,与所述内容关键词、所述文章标题标注、所述文章正文标注、所述文章段落标注或所述文章句子标注相同的待挖空内容;
按照预设比例,去除部分所述待挖空内容,获得所述内容段落。
根据本公开的另一方面,提供了一种数码传媒文章的生成设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以执行上述方法。
根据本公开的另一方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。
根据本公开的实施例的数码传媒文章的生成方法,可基于数码领域的文章和参数进行标注,并基于多个层级的标注确定内容关键词,从而基于关键词和标注生成内容段落,可获得逻辑性更强、原创度更高、所需修改更少的内容段落,并可进行挖空,使创作者可填写表达文章主要逻辑的词语以及主要参数,减少在不具有重要意义的语句上浪费的时间和经历,可大幅降低人工工作量,提高传媒内容的产出效率。
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和解释性的,而非限制本公开。根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将更清楚。
附图说明
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,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,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实施例,
图1示出根据本公开实施例的数码传媒文章的生成方法的流程图;
图2示出根据本公开实施例的确定内容关键字的示意图;
图3示出根据本公开实施例的输出内容段落的示意图;
图4示出根据本公开实施例的数码传媒文章的生成装置的框图;
图5示出根据本公开实施例的一种数码传媒文章的生成设备的框图;
图6示出根据本公开实施例的一种电子设备的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外,为了更好地说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
针对相关技术中存在的问题,本公开提出一种数码传媒文章的生成方法,可基于数码领域的文章和参数进行标注,并基于多个层级的标注确定内容关键词,从而基于关键词和标注生成内容段落,可获得逻辑性更强、原创度更高、所需修改更少的内容段落,大幅降低人工工作量,提高传媒内容的产出效率。
图1示出根据本公开实施例的数码传媒文章的生成方法的流程图,如图1所示,所述方法包括:
步骤S11,采集多种数码产品的参数,获得参数库;
步骤S12,采集多个数码产品网站的文章,获得文章数据库;
步骤S13,通过所述参数库中的参数,为所述文章数据库中的文章标题、文章正文、文章段落和文章句子分别进行标注,分别获得文章标题标注、文章正文标注、文章段落标注和文章句子标注;
步骤S14,根据所述文章标题标注、所述文章正文标注、所述文章段落标注和所述文章句子标注,获得内容关键词;
步骤S15,根据所述内容关键词,以及所述文章标题标注、文章正文标注、文章段落标注和文章句子标注,输出内容段落。
在本公开的一些实施例中,在步骤S11中,可获得多种数码产品的参数信息,构建参数库。在示例中,可在数码领域的常用网站中,采集手机、笔记本电脑、台式机、数码影音产品等类别的数码产品的参数信息。每个类别的数码产品的参数信息可包括产品品类、品牌、型号、配置等参数信息。例如,手机的配置参数可包括芯片型号、屏幕尺寸、内存、支持系统、摄像头型号、电池容量等配置参数,笔记本电脑的配置参数可包括处理器、存储器、显示器、显卡、多媒体、网卡、数据接口、电源、电池、外观、接口等配置参数。数码影音产品的产品品类可包括单反相机、摄像机、音箱、耳机等。在获得多种数码产品的多种参数信息后,可构建参数库。本公开对参数信息的具体类型不做限制。
在本公开的一些实施例中,在数码产品网站的介绍数码产品的网页中,或者购物网站中售卖数码产品的网页中,可包括数码产品的参数表,可从参数表中获得各种数码产品的参数信息,并构建参数库。本公开对参数信息的获取方式不做限制。
在本公开的一些实施例中,在步骤S2中,可采集多个数码产品网站的文章,获得文章数据库。在示例中,可采集多个常用的数码产品网站的文章。在示例中,可在某个网站的多种数码产品的板块中,采集近期的多个文章,例如,近一个月、近三个月、近半年等。并且,在采集文章时,可将文章的标题、正文和链接均进行采集。在采集后,可将文章添加至文章数据库中,形成具有一定规模的文章数据库。例如,所述文章数据库中可包括数十万个数码产品领域的文章。
在本公开的一些实施例中,以上获得了大量的参数信息和文章,这些参数信息和文章可作为自动生成内容段落的基础素材。在步骤S13中,可基于参数信息对文章进行标注,例如,利用参数信息作为标签,对文章进行标注。
在本公开的一些实施例中,步骤S13可包括:根据所述参数库中的参数,获得类别信息、品牌信息和参数信息;根据所述类别信息、品牌信息和参数信息,分别对所述文章标题、文章正文、文章段落和文章句子进行标注,获得所述文章标题标注、所述文章正文标注、所述文章段落标注和所述文章句子标注。
在本公开的一些实施例中,可在参数库的多个参数中,提取出关键词,作为标注。例如,可提取CPU型号、CPU频率、CPU核心数、GPU品牌、RAM容量、ROM容量、屏幕的长度、宽度和高度、数码产品的重量等。进一步地,可将这些关键词进行分类,可获得能够表示数码产品的类别信息的关键词,例如,手机、笔记本电脑、数码相机等;还可获得能够表示数码产品的品牌信息的关键词;进一步地,还可获得能够表示数码产品的参数信息的关键词。并可将类别信息的关键词、品牌信息的关键词和参数信息的关键词作为标注,为文章提供标签。
在本公开的一些实施例中,在标注过程中,可对文章进行多个层级的标注,例如,可提取各个文章的标题,形成标题文本集,并利用以上类别信息、品牌信息和参数信息对标题文本集中的每个文章标题进行标注,获得文章标题标注。例如,可提取各个文章的正文,形成文章文本集,并利用以上类别信息、品牌信息和参数信息对文章文本集中的每个文章正文进行标注,获得文章正文标注。例如,可提取各个文章的各个段落,形成段落文本集,并利用以上类别信息、品牌信息和参数信息对段落文本集中的每个文章段落进行标注,获得文章段落标注。又例如,可提取各个文章的各个句子,形成句子文本集,并利用以上类别信息、品牌信息和参数信息对句子文本集中的每个文章句子进行标注,获得文章句子标注。
在本公开的一些实施例中,在对每个文章标题进行标注时,可分别判断类别信息、品牌信息和参数信息中,是否存在与该标题的语义匹配的信息,如果有,则利用匹配的信息作为文章标题的标注,即,获得文章标题标注。
在本公开的一些实施例中,在对每个文章的正文进行标注时,可分别判断类别信息、品牌信息和参数信息中,是否存在与该正文的语义匹配的信息,如果有,则利用匹配的信息作为文章正文的标注,即,获得文章正文标注。
在本公开的一些实施例中,在对每个文章的各个段落进行标注时,可分别判断类别信息、品牌信息和参数信息中,是否存在与该段落的语义匹配的信息,如果有,则利用匹配的信息作为段落的标注,即,获得文章段落标注。
在本公开的一些实施例中,在对每个文章的各个句子进行标注时,可分别判断类别信息、品牌信息和参数信息中,是否存在与该句子的语义匹配的信息,如果有,则利用匹配的信息作为句子的标注,即,获得文章句子标注。
在本公开的一些实施例中,以上为基于参数对文章的标题、正文、段落和句子进行标注,但能够反映标题、正文、段落和句子的语义的不仅包括参数,还可能包括其他关键字,例如,表达感情色彩的关键字、表达销量信息的关键字、解释功能用法的关键字等,因此,仅通过参数获得的关键字对文章的标题、正文、段落和句子进行标注是不充分的,还可确定文章的标题、正文、段落和句子中的其他关键字,即,内容关键字。
图2示出根据本公开实施例的确定内容关键字的示意图。
在本公开的一些实施例中,在步骤S14中,内容关键词可包括在文章标题中提取的标题关键词,在文章正文中提取的正文关键词,在文章段落中提取的段落关键词,在文章句子中提取的句子关键词。
在本公开的一些实施例中,可首先获取标题关键字,步骤S14可包括:对文章标题进行预处理,获得预处理后的文章标题;将预处理后的文章标题以及所述文章标题标注按照产品类型、产品品牌和产品型号进行三个层级的分类,获得标题分类信息;根据所述标题分类信息,确定所述预处理后的文章标题以及所述文章标题标注中的标题关键词。
在本公开的一些实施例中,可获取上述标题文本集,并对每个文章标题进行预处理,获得预处理后的文章标题。所述预处理可包括分词和去停用词处理,获得预处理后的文章标题。
在本公开的一些实施例中,可按照文章标题的内容进行分类,例如,可按照产品类型、产品品牌和产品型号三个层级的分类方式,对文章标题的内容进行分类。例如,某个文章为描述X品牌的Y型号的手机的文章,则其标题按照产品类型分类为手机,按照产品品牌分类为X品牌,按照产品型号分类为Y型号,在按照三个层级的分类方式进行分类后,可获得标题分类信息。在分类过程中,可基于文章标题的标注以及文章标题中涉及的参数信息进行分类。
在本公开的一些实施例中,可根据标题分类信息,确定预处理后的文章标题和文章标题标注中的标题关键词。在相关技术中,TF-IDF(term frequemcy-inverse documnetfrequency,词频-逆文档频率)算法可用于对文本中的各个词语进行加权,从而确定各个词语的重要程度,进而确定文本中的关键词,但该算法存在诸多不足,例如,该算法忽略了词语在文本中的位置,对于人物、地点、时间、物品等出现较少但较为重要的信息难以确定其重要程度,以及常使得出现频率较低的词语权值较高,造成权值计算的误差等。
在本公开的一些实施例中,针对上述算法的缺陷,本公开可在计算过程中更多地考虑词语在文本中的位置,例如,考虑关键词所处的位置为标题、正文、段落或句子中,从而减少计算误差。
在本公开的一些实施例中,根据所述标题分类信息,确定所述预处理后的文章标题以及所述文章标题标注中的标题关键词,包括:
根据公式(1),确定关键词的第一评价分数;
I1=log(Σ标题分类信息中各类别的文档数×总文档数/含有关键词的文档数)(1)
根据公式(2),确定关键词的第二评价分数,
其中,w1表示产品类型分类方式中关键词的权重集,w2表示产品品牌分类方式中关键词的权重集,w3表示产品型号分类方式中关键词的权重集,W表示所有文档中关键词的权重集,W()表示根据所有文档中关键词的权重集进行的映射,mk表示不同类别的关键词在其他类别的关键词集中出现的频率;
确定使第二评价分数大于0,且使所述第一评价分数和所述第二评价分数之间的差距小于或等于预设阈值的关键词,作为所述标题关键词。
在本公开的一些实施例中,可通过相关技术中方法,确定标题分类信息的三个层级的分类中,每个表示分类的词语的权重信息,例如,TF-IDF算法或计算词频等方法,本公开对此不做限制。并将每个分类的词语集中的词语按照权重进行排序,得到三个层级的分类信息对应的权重集,即,表示产品类型分类方式中关键词的权重集w1,表示产品品牌分类方式中关键词的权重集w2和表示产品型号分类方式中关键词的权重集w3。
在本公开的一些实施例中,可首先基于公式(1)确定各个关键词的第一评价分数。公式(1)中,标题文本集中的各个标题按照上述分类方式进行分类后,获得三个层次的标题集,标题分类信息中各类别的文档数表示在三个层次的标题集中,每个标题集中标题的数量。总文档数表示标题文本集中的标题总数,含有关键词的文档数表示标题文本集中含有关键词的标题的数量。可将每个标题集中标题的数量与总文档数相乘再除以含有关键词的文档数,并进行求和,进一步地,将求和结果取对数,即可获得该关键词的第一评价分数。
在本公开的一些实施例中,还可根据公式(2)确定关键词的第二评价分数,其中,W为标题中的每个关键词的权重集,W()为利用该权重集中各关键词的映射函数,例如,加权求和函数等,本公开对映射函数的类型不做限制。在示例中,W(w1,w2,w3)可表示对三个权重集w1,w2和w3中的各个权重均进行加权求和,W(w1mk)则表示:可将w1中的权重作为向量元素,并与mk相乘,并将相乘后获得的向量的每个元素进行加权求和,W(w2mk)和W(w3mk)与W(w1mk)的计算方法相似,在此不再赘述。
在本公开的一些实施例中,如果某个关键词的重要程度较高,则其第二评价分数大于0,进一步地,可选择第一评价分数和第二评价分数之间的差距小于或等于预设阈值的关键词,例如,第一评价分数达到第二评价分数的80%,或第二评价分数达到第一评价分数的80%的关键词,作为标题关键词。可迭代执行多次上述处理,从而确定标题文本集中各个文章标题的标题关键词。
在本公开的一些实施例中,在确定标题关键词后,可进一步确定正文关键词。根据所述文章标题标注、所述文章正文标注、所述文章段落标注和所述文章句子标注,获得内容关键词,包括:对文章正文进行预处理,获得预处理后的文章正文;将预处理后的文章正文以及所述文章正文标注按照产品类型、产品品牌和产品型号进行三个层级的分类,获得正文分类信息;根据所述正文分类信息和所述标题关键词,确定所述正文关键词。
在本公开的一些实施例中,对于文章正文的预处理可与以上对于文章标题的预处理方式相同,分类方式也可与上述对于文章标题的分类方式相同,在此不再赘述。并且,在分词和分类的过程中,还可参考文章标题的标题关键词进行分词和分类,从而提升分词和分类的准确性。
在本公开的一些实施例中,确定文章正文中的正文关键词时,同样可采用公式(1)和(2)分别确定第一评价分数和第二评价分数,并选择第二评价分数为正,且第一评价分数和第二评价分数之间的差距小于或等于预设阈值的关键词作为正文关键词,且在利用公式(1)和(2)计算的过程中,计算的关键词除了正文中的关键词,还可包括以上确定的标题关键词,即,将标题关键词代入了正文关键词的计算和选择中,筛选出的正文关键词在正文中的重要性和代表性更高。类似地,可基于上述过程确定文章文本集中各个文章的正文关键词。
在本公开的一些实施例中,在确定正文关键词后,可进一步确定段落关键词,根据所述文章标题标注、所述文章正文标注、所述文章段落标注和所述文章句子标注,获得内容关键词,包括:对文章段落进行预处理,获得预处理后的文章段落;将预处理后的文章段落以及所述文章段落标注按照产品类型、产品品牌和产品型号进行三个层级的分类,获得段落分类信息;根据所述段落分类信息和所述正文关键词,确定所述段落关键词。
在本公开的一些实施例中,对于文章段落的预处理可与以上对于文章标题的预处理方式相同,分类方式也可与上述对于文章标题的分类方式相同,在此不再赘述。并且,在分词和分类的过程中,还可参考文章正文的正文关键词进行分词和分类,从而提升分词和分类的准确性。
在本公开的一些实施例中,确定文章段落中的段落关键词时,同样可采用公式(1)和(2)分别确定第一评价分数和第二评价分数,并选择第二评价分数为正,且第一评价分数和第二评价分数之间的差距小于或等于预设阈值的关键词作为段落关键词,且在利用公式(1)和(2)计算的过程中,计算的关键词除了段落中的关键词,还可包括以上确定的正文关键词,即,将正文关键词代入了段落关键词的计算和选择中,筛选出的段落关键词在段落中的重要性和代表性更高。类似地,可基于上述过程确定段落文本集中各个段落的段落关键词。
在本公开的一些实施例中,在确定段落关键词后,可进一步确定句子关键词,根据所述文章标题标注、所述文章正文标注、所述文章段落标注和所述文章句子标注,获得内容关键词,包括:对文章句子进行预处理,获得预处理后的文章句子;将预处理后的文章句子以及所述文章句子标注按照产品类型、产品品牌和产品型号进行三个层级的分类,获得句子分类信息;根据所述句子分类信息和所述段落关键词,确定所述句子关键词。
在本公开的一些实施例中,对于句子的预处理可与以上对于文章标题的预处理方式相同,分类方式也可与上述对于文章标题的分类方式相同,在此不再赘述。并且,在分词和分类的过程中,还可参考文章段落的段落关键词进行分词和分类,从而提升分词和分类的准确性。
在本公开的一些实施例中,确定句子中的句子关键词时,同样可采用公式(1)和(2)分别确定第一评价分数和第二评价分数,并选择第二评价分数为正,且第一评价分数和第二评价分数之间的差距小于或等于预设阈值的关键词作为句子关键词,且在利用公式(1)和(2)计算的过程中,计算的关键词除了句子中的关键词,还可包括以上确定的段落关键词,即,将段落关键词代入了句子关键词的计算和选择中,筛选出的句子关键词在句子中的重要性和代表性更高。类似地,可基于上述过程确定句子文本集中各个句子的句子关键词。
在本公开的一些实施例中,以上获得了标题关键词、正文关键词、段落关键词和句子关键词,即,获得了内容关键词。可在步骤S15中,基于获得内容关键词,以及上述文章标题标注、文章正文标注、文章段落标注和文章句子标注,输出内容段落。
在本公开的一些实施例中,步骤S15可包括:生成多个语句段落;根据所述内容关键词,以及所述文章标题标注、所述文章正文标注、所述文章段落标注和所述文章句子标注,对所述语句段落进行验证;将验证通过的语句段落输入解码器,输出语句内容;根据所述内容关键词,以及所述文章标题标注、所述文章正文标注、所述文章段落标注和所述文章句子标注,对所述语句内容进行挖空,获得所述内容段落。
图3示出根据本公开实施例的输出内容段落的示意图。
在本公开的一些实施例中,可基于标题和文章生成多个语句段落。在示例中,可利用BERT(Bidirectional Encoder Representation from Transformers,双向编码表示转换)模型和GPT2.0模型基于以上预处理后的文章标题和预处理后的文章正文生成。BERT模型可读取预处理的文章标题和文章正文,获得机器可识别的信息,例如,向量等,GPT2.0模型为多层解码器构成的神经网络模型,可对机器可识别信息进行解码,获得多个语句段落。例如,可获得10万段以上的语句段落。
在相关技术中,可使用Seq2Seq模型进行匹配验证,但Seq2Seq模型具有精度较低,逻辑性较差,内容边界不清晰等问题,因此,可对Seq2Seq模型进行改进,并使用改进的Seq2Seq模型进行匹配验证。
在本公开的一些实施例中,可对Seq2Seq模型加入段落验证、句子验证、参数验证等过程,可在Seq2Seq模型的编码器和解码器中共享内容关键词的词向量,从而利用生成的语句段落的段落、句子、参数与上述词向量进行验证。
在本公开的一些实施例中,可生成用于验证的向量X=(X1,X2,…,XN),N为内容关键词以及标注的数量,在验证语句段落时,如果第i个内容关键词出现在语句段落中,则Xi=1,否则Xi=0。使得Xi=1的语句段落可进行标记,进而可将具有标记的语句段落输入解码器,获得语句内容。并且,可迭代执行上述过程,并利用在先获得的语句内容输入解码器,从而获得与内容关键词以及标注更匹配的语句内容。
在本公开的一些实施例中,多个语句内容可形成段落,为提升段落内容的原创性和准确性,可对语句内容形成的段落进行挖空。根据所述内容关键词,以及所述文章标题标注、所述文章正文标注、所述文章段落标注和所述文章句子标注,对所述语句内容进行挖空,获得所述内容段落,包括:确定所述语句内容中,与所述内容关键词、所述文章标题标注、所述文章正文标注、所述文章段落标注或所述文章句子标注相同的待挖空内容;按照预设比例,去除部分所述待挖空内容,获得所述内容段落。
在本公开的一些实施例中,可确定出生成的段落中与内容关键词和标注匹配的内容,这些内容通常表示具体参数,或者关键的语义信息,为提升文章的准确性和原创性,可将这些内容按照预设比例进行挖空,即,去除一部分上述内容,例如,按照10%-20%的比例进行去除,从而获得内容段落。
在示例中,在挖空后,内容段落可以是“这块屏幕不仅好看,而且素质也是拉满的。除了支持____色域,______在屏幕上首次实现了支持____的同时还支持____Hz调光,兼顾交互顺滑也能减轻频闪对双眼刺激。在手机最低亮度下可以看到,____的频闪十分轻微,比常规的_____屏幕的设备更护眼。”可由内容创作者在挖空处填写具体内容,获得原创的文章段落。并使得内容创作者仅需要构思文章的主要逻辑以及获取文章中涉及的主要参数,而不需要在不具有重要意义的语句上浪费大量的人力和时间。
根据本公开的实施例的数码传媒文章的生成方法,可基于数码领域的文章和参数进行标注,并基于多个层级的标注确定内容关键词,从而基于关键词和标注生成内容段落,可获得逻辑性更强、原创度更高、所需修改更少的内容段落,并可进行挖空,使创作者可填写表达文章主要逻辑的词语以及主要参数,减少在不具有重要意义的语句上浪费的时间和经历,可大幅降低人工工作量,提高传媒内容的产出效率。
图4示出根据本公开实施例的数码传媒文章的生成装置的框图,如图4所示,所述装置包括:
参数库模块11,用于采集多种数码产品的参数,获得参数库;
文章数据库模块12,用于采集多个数码产品网站的文章,获得文章数据库;
标注模块13,用于通过所述参数库中的参数,为所述文章数据库中的文章标题、文章正文、文章段落和文章句子分别进行标注,分别获得文章标题标注、文章正文标注、文章段落标注和文章句子标注;
关键词模块14,用于根据所述文章标题标注、所述文章正文标注、所述文章段落标注和所述文章句子标注,获得内容关键词;
输出模块15,用于根据所述内容关键词,以及所述文章标题标注、文章正文标注、文章段落标注和文章句子标注,输出内容段落。
在本公开的一些实施例中,所述标注模块进一步用于:
根据所述参数库中的参数,获得类别信息、品牌信息和参数信息;
根据所述类别信息、品牌信息和参数信息,分别对所述文章标题、文章正文、文章段落和文章句子进行标注,获得所述文章标题标注、所述文章正文标注、所述文章段落标注和所述文章句子标注。
在本公开的一些实施例中,所述内容关键词包括标题关键词;所述关键词模块进一步用于:
对文章标题进行预处理,获得预处理后的文章标题;
将预处理后的文章标题以及所述文章标题标注按照产品类型、产品品牌和产品型号进行三个层级的分类,获得标题分类信息;
根据所述标题分类信息,确定所述预处理后的文章标题以及所述文章标题标注中的标题关键词。
在本公开的一些实施例中,所述内容关键词包括正文关键词;所述关键词模块进一步用于:
对文章正文进行预处理,获得预处理后的文章正文;
将预处理后的文章正文以及所述文章正文标注按照产品类型、产品品牌和产品型号进行三个层级的分类,获得正文分类信息;
根据所述正文分类信息和所述标题关键词,确定所述正文关键词。
在本公开的一些实施例中,所述内容关键词包括段落关键词;所述关键词模块进一步用于:
对文章段落进行预处理,获得预处理后的文章段落;
将预处理后的文章段落以及所述文章段落标注按照产品类型、产品品牌和产品型号进行三个层级的分类,获得段落分类信息;
根据所述段落分类信息和所述正文关键词,确定所述段落关键词。
在本公开的一些实施例中,所述内容关键词包括句子关键词;所述关键词模块进一步用于:
根据所述文章标题标注、所述文章正文标注、所述文章段落标注和所述文章句子标注,获得内容关键词,包括:
对文章句子进行预处理,获得预处理后的文章句子;
将预处理后的文章句子以及所述文章句子标注按照产品类型、产品品牌和产品型号进行三个层级的分类,获得句子分类信息;
根据所述句子分类信息和所述段落关键词,确定所述句子关键词。
在本公开的一些实施例中,所述关键词模块进一步用于:
根据
I1=log(Σ标题分类信息中各类别的文档数×总文档数/含有关键词的文档数),确定关键词的第一评价分数;
根据确定关键词的第二评价分数,其中,w1表示产品类型分类方式中关键词的权重集,w2表示产品品牌分类方式中关键词的权重集,w3表示产品型号分类方式中关键词的权重集,W表示所有文档中关键词的权重集,W()表示根据所有文档中关键词的权重集进行的映射,mk表示不同类别的关键词在其他类别的关键词集中出现的频率;
确定使第二评价分数大于0,且使所述第一评价分数和所述第二评价分数之间的差距小于或等于预设阈值的关键词,作为所述标题关键词。
在本公开的一些实施例中,所述输出模块进一步用于:
生成多个语句段落;
根据所述内容关键词,以及所述文章标题标注、所述文章正文标注、所述文章段落标注和所述文章句子标注,对所述语句段落进行验证;
将验证通过的语句段落输入解码器,输出语句内容;
根据所述内容关键词,以及所述文章标题标注、所述文章正文标注、所述文章段落标注和所述文章句子标注,对所述语句内容进行挖空,获得所述内容段落。
在本公开的一些实施例中,所述输出模块进一步用于:
确定所述语句内容中,与所述内容关键词、所述文章标题标注、所述文章正文标注、所述文章段落标注或所述文章句子标注相同的待挖空内容;
按照预设比例,去除部分所述待挖空内容,获得所述内容段落。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述。
本公开实施例还提出一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以执行上述方法。
本公开实施例还提供了一种计算机程序产品,包括计算机可读代码,当计算机可读代码在设备上运行时,设备中的处理器执行用于实现如上任一实施例提供的云应用管理方法的指令。
本公开实施例还提供了另一种计算机程序产品,用于存储计算机可读指令,指令被执行时使得计算机执行上述任一实施例提供的云应用管理方法的操作。
电子设备可以被提供为终端、服务器或其它形态的设备。
图5示出根据本公开实施例的一种数码传媒文章的生成设备800的框图。例如,设备800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等终端。
参照图5,设备800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出接口812,传感器组件814,以及通信组件816。
处理组件802通常控制设备800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在设备800的操作。这些数据的示例包括用于在设备800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为设备800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或多个电源,及其他与为设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边缘,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当设备800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当设备800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
输入/输出接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为设备800提供各个方面的状态评估。例如,传感器组件814可以检测到设备800的打开/关闭状态,组件的相对定位,例如所述组件为设备800的显示器和小键盘,传感器组件814还可以检测设备800或设备800中的组件的位置改变,用户与设备800接触的存在或不存在,设备800方位或加速/减速和设备800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于设备800和其他设备之间有线或无线方式的通信。设备800可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器804,上述计算机程序指令可由设备800的处理器820执行以完成上述方法。
图6示出根据本公开实施例的一种电子设备1900的框图。例如,电子设备1900可以被提供为一服务器。参照图6,电子设备1900包括处理单元1922,其进一步包括一个或多个处理器,以及由存储单元1932所代表的存储器资源,用于存储可由处理单元1922的执行的指令,例如应用程序。存储单元1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理单元1922被配置为执行指令,以执行上述方法。
电子设备1900还可以包括一个电源模块1926被配置为执行电子设备1900的电源管理,一个有线或无线的网络接口1950被配置为将电子设备1900连接到网络,和一个I/O接口1958。电子设备1900可以操作基于存储在存储单元1932的操作系统,例如WindowsServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储单元1932,上述计算机程序指令可由电子设备1900的处理单元1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中,所述计算机程序产品具体体现为计算机存储介质,在另一个可选实施例中,计算机程序产品具体体现为软件产品,例如软件开发包(Software Development Kit,SDK)等等。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (4)
1.一种数码传媒文章的生成方法,其特征在于,包括:
采集多种数码产品的参数,获得参数库;
采集多个数码产品网站的文章,获得文章数据库;
通过所述参数库中的参数,为所述文章数据库中的文章标题、文章正文、文章段落和文章句子分别进行标注,分别获得文章标题标注、文章正文标注、文章段落标注和文章句子标注;
根据所述文章标题标注、所述文章正文标注、所述文章段落标注和所述文章句子标注,获得内容关键词;
根据所述内容关键词,以及所述文章标题标注、文章正文标注、文章段落标注和文章句子标注,输出内容段落;
所述内容关键词包括标题关键词;
根据所述文章标题标注、所述文章正文标注、所述文章段落标注和所述文章句子标注,获得内容关键词,包括:
对文章标题进行预处理,获得预处理后的文章标题;
将预处理后的文章标题以及所述文章标题标注按照产品类型、产品品牌和产品型号进行三个层级的分类,获得标题分类信息;
根据所述标题分类信息,确定所述预处理后的文章标题以及所述文章标题标注中的标题关键词;
所述内容关键词包括正文关键词;
根据所述文章标题标注、所述文章正文标注、所述文章段落标注和所述文章句子标注,获得内容关键词,包括:
对文章正文进行预处理,获得预处理后的文章正文;
将预处理后的文章正文以及所述文章正文标注按照产品类型、产品品牌和产品型号进行三个层级的分类,获得正文分类信息;
根据所述正文分类信息和所述标题关键词,确定所述正文关键词;
所述内容关键词包括段落关键词;
根据所述文章标题标注、所述文章正文标注、所述文章段落标注和所述文章句子标注,获得内容关键词,包括:
对文章段落进行预处理,获得预处理后的文章段落;
将预处理后的文章段落以及所述文章段落标注按照产品类型、产品品牌和产品型号进行三个层级的分类,获得段落分类信息;
根据所述段落分类信息和所述正文关键词,确定所述段落关键词;
所述内容关键词包括句子关键词;
根据所述文章标题标注、所述文章正文标注、所述文章段落标注和所述文章句子标注,获得内容关键词,包括:
对文章句子进行预处理,获得预处理后的文章句子;
将预处理后的文章句子以及所述文章句子标注按照产品类型、产品品牌和产品型号进行三个层级的分类,获得句子分类信息;
根据所述句子分类信息和所述段落关键词,确定所述句子关键词;
根据所述标题分类信息,确定所述预处理后的文章标题以及所述文章标题标注中的标题关键词,包括:
根据
I1=log(∑标题分类信息中各类别的文档数×总文档数/含有关键词的文档数),
确定关键词的第一评价分数;
根据
确定关键词的第二评价分数,其中,w1表示产品类型分类方式中关键词的权重集,w2表示产品品牌分类方式中关键词的权重集,w3表示产品型号分类方式中关键词的权重集,W表示所有文档中关键词的权重集,W()表示根据所有文档中关键词的权重集进行的映射,mk表示不同类别的关键词在其他类别的关键词集中出现的频率;
确定使第二评价分数大于0,且使所述第一评价分数和所述第二评价分数之间的差距小于或等于预设阈值的关键词,作为所述标题关键词;
根据所述内容关键词,以及所述文章标题标注、文章正文标注、文章段落标注和文章句子标注,输出内容段落,包括:
生成多个语句段落;
根据所述内容关键词,以及所述文章标题标注、所述文章正文标注、所述文章段落标注和所述文章句子标注,对所述语句段落进行验证;
将验证通过的语句段落输入解码器,输出语句内容;
根据所述内容关键词,以及所述文章标题标注、所述文章正文标注、所述文章段落标注和所述文章句子标注,对所述语句内容进行挖空,获得所述内容段落。
2.根据权利要求1所述的数码传媒文章的生成方法,其特征在于,通过所述参数库中的参数,为所述文章数据库中的文章标题、文章正文、文章段落和文章句子分别进行标注,分别获得文章标题标注、文章正文标注、文章段落标注和文章句子标注,包括:
根据所述参数库中的参数,获得类别信息、品牌信息和参数信息;
根据所述类别信息、品牌信息和参数信息,分别对所述文章标题、文章正文、文章段落和文章句子进行标注,获得所述文章标题标注、所述文章正文标注、所述文章段落标注和所述文章句子标注。
3.根据权利要求1所述的数码传媒文章的生成方法,其特征在于,根据所述内容关键词,以及所述文章标题标注、所述文章正文标注、所述文章段落标注和所述文章句子标注,对所述语句内容进行挖空,获得所述内容段落,包括:
确定所述语句内容中,与所述内容关键词、所述文章标题标注、所述文章正文标注、所述文章段落标注或所述文章句子标注相同的待挖空内容;
按照预设比例,去除部分所述待挖空内容,获得所述内容段落。
4.一种数码传媒文章的生成装置,其特征在于,包括:
参数库模块,用于采集多种数码产品的参数,获得参数库;
文章数据库模块,用于采集多个数码产品网站的文章,获得文章数据库;
标注模块,用于通过所述参数库中的参数,为所述文章数据库中的文章标题、文章正文、文章段落和文章句子分别进行标注,分别获得文章标题标注、文章正文标注、文章段落标注和文章句子标注;
关键词模块,用于根据所述文章标题标注、所述文章正文标注、所述文章段落标注和所述文章句子标注,获得内容关键词;
输出模块,用于根据所述内容关键词,以及所述文章标题标注、文章正文标注、文章段落标注和文章句子标注,输出内容段落;
所述内容关键词包括标题关键词;所述关键词模块进一步用于:
对文章标题进行预处理,获得预处理后的文章标题;
将预处理后的文章标题以及所述文章标题标注按照产品类型、产品品牌和产品型号进行三个层级的分类,获得标题分类信息;
根据所述标题分类信息,确定所述预处理后的文章标题以及所述文章标题标注中的标题关键词;
所述内容关键词包括正文关键词;所述关键词模块进一步用于:
对文章正文进行预处理,获得预处理后的文章正文;
将预处理后的文章正文以及所述文章正文标注按照产品类型、产品品牌和产品型号进行三个层级的分类,获得正文分类信息;
根据所述正文分类信息和所述标题关键词,确定所述正文关键词;
所述内容关键词包括段落关键词;所述关键词模块进一步用于:
对文章段落进行预处理,获得预处理后的文章段落;
将预处理后的文章段落以及所述文章段落标注按照产品类型、产品品牌和产品型号进行三个层级的分类,获得段落分类信息;
根据所述段落分类信息和所述正文关键词,确定所述段落关键词;
所述内容关键词包括句子关键词;所述关键词模块进一步用于:
根据所述文章标题标注、所述文章正文标注、所述文章段落标注和所述文章句子标注,获得内容关键词,包括:
对文章句子进行预处理,获得预处理后的文章句子;
将预处理后的文章句子以及所述文章句子标注按照产品类型、产品品牌和产品型号进行三个层级的分类,获得句子分类信息;
根据所述句子分类信息和所述段落关键词,确定所述句子关键词;
所述关键词模块进一步用于:
根据
I1=log(∑标题分类信息中各类别的文档数×总文档数/含有关键词的文档数),确定关键词的第一评价分数;
根据确定关键词的第二评价分数,其中,w1表示产品类型分类方式中关键词的权重集,w2表示产品品牌分类方式中关键词的权重集,w3表示产品型号分类方式中关键词的权重集,W表示所有文档中关键词的权重集,W()表示根据所有文档中关键词的权重集进行的映射,mk表示不同类别的关键词在其他类别的关键词集中出现的频率;
确定使第二评价分数大于0,且使所述第一评价分数和所述第二评价分数之间的差距小于或等于预设阈值的关键词,作为所述标题关键词;
所述输出模块进一步用于:
生成多个语句段落;
根据所述内容关键词,以及所述文章标题标注、所述文章正文标注、所述文章段落标注和所述文章句子标注,对所述语句段落进行验证;
将验证通过的语句段落输入解码器,输出语句内容;
根据所述内容关键词,以及所述文章标题标注、所述文章正文标注、所述文章段落标注和所述文章句子标注,对所述语句内容进行挖空,获得所述内容段落。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310177130.1A CN116069936B (zh) | 2023-02-28 | 2023-02-28 | 一种数码传媒文章的生成方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310177130.1A CN116069936B (zh) | 2023-02-28 | 2023-02-28 | 一种数码传媒文章的生成方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116069936A CN116069936A (zh) | 2023-05-05 |
CN116069936B true CN116069936B (zh) | 2023-08-01 |
Family
ID=86178517
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310177130.1A Active CN116069936B (zh) | 2023-02-28 | 2023-02-28 | 一种数码传媒文章的生成方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116069936B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113656576A (zh) * | 2021-08-27 | 2021-11-16 | 咪咕数字传媒有限公司 | 一种文章概述生成方法、装置、计算设备和存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180349360A1 (en) * | 2017-01-05 | 2018-12-06 | Social Networking Technology, Inc. | Systems and methods for automatically generating news article |
CN111274776B (zh) * | 2020-01-21 | 2020-12-15 | 中国搜索信息科技股份有限公司 | 一种基于关键词的文章生成方法 |
CN111859950A (zh) * | 2020-06-18 | 2020-10-30 | 达而观信息科技(上海)有限公司 | 一种自动化生成讲稿的方法 |
CN112328762B (zh) * | 2020-11-04 | 2023-12-19 | 平安科技(深圳)有限公司 | 基于文本生成模型的问答语料生成方法和装置 |
CN113705210A (zh) * | 2021-08-06 | 2021-11-26 | 北京搜狗科技发展有限公司 | 一种文章大纲生成方法、装置和用于生成文章大纲的装置 |
-
2023
- 2023-02-28 CN CN202310177130.1A patent/CN116069936B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113656576A (zh) * | 2021-08-27 | 2021-11-16 | 咪咕数字传媒有限公司 | 一种文章概述生成方法、装置、计算设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116069936A (zh) | 2023-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112926339B (zh) | 文本相似度确定方法、系统、存储介质以及电子设备 | |
CN113515942A (zh) | 文本处理方法、装置、计算机设备及存储介质 | |
CN112163428A (zh) | 语义标签的获取方法、装置、节点设备及存储介质 | |
CN108121736A (zh) | 一种主题词确定模型的建立方法、装置及电子设备 | |
EP4310695A1 (en) | Data processing method and apparatus, computer device, and storage medium | |
CN111191438B (zh) | 一种情感分析方法、装置和电子设备 | |
WO2021017238A1 (zh) | 一种文本生成方法和装置 | |
CN112668320A (zh) | 基于词嵌入的模型训练方法、装置、电子设备及存储介质 | |
CN114328838A (zh) | 事件抽取方法、装置、电子设备及可读存储介质 | |
CN111538830B (zh) | 法条检索方法、装置、计算机设备及存储介质 | |
CN112328793A (zh) | 评论文本数据的处理方法、装置及存储介质 | |
CN110232181B (zh) | 评论分析方法及装置 | |
CN111274389B (zh) | 一种信息处理方法、装置、计算机设备及存储介质 | |
CN113688231A (zh) | 一种答案文本的摘要提取方法及装置、电子设备及介质 | |
CN113297525A (zh) | 网页分类方法、装置、电子设备、及存储介质 | |
CN117609443A (zh) | 基于大模型的智能交互方法、系统、终端、服务器及介质 | |
CN112328809A (zh) | 实体分类方法、装置及计算机可读存储介质 | |
CN116069936B (zh) | 一种数码传媒文章的生成方法和装置 | |
CN116127062A (zh) | 预训练语言模型的训练方法、文本情感分类方法及装置 | |
CN112149653B (zh) | 信息处理方法、装置、电子设备及存储介质 | |
CN114328884A (zh) | 一种图文去重方法及装置 | |
CN104699668B (zh) | 确定词语相似度的方法及装置 | |
CN110929122B (zh) | 一种数据处理方法、装置和用于数据处理的装置 | |
CN115688685A (zh) | 文本处理方法、装置、电子设备及存储介质 | |
CN113326411B (zh) | 一种网络行为知识增强方法、装置及电子设备 |
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 |