CN117312546A - 内容的发布方法、装置、电子设备及存储介质 - Google Patents
内容的发布方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117312546A CN117312546A CN202311181164.4A CN202311181164A CN117312546A CN 117312546 A CN117312546 A CN 117312546A CN 202311181164 A CN202311181164 A CN 202311181164A CN 117312546 A CN117312546 A CN 117312546A
- Authority
- CN
- China
- Prior art keywords
- abstract
- content
- target
- determining
- condition
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 230000004048 modification Effects 0.000 claims description 32
- 238000012986 modification Methods 0.000 claims description 32
- 238000004590 computer program Methods 0.000 claims description 11
- 239000012634 fragment Substances 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 10
- 238000003058 natural language processing Methods 0.000 abstract description 7
- 238000013135 deep learning Methods 0.000 abstract description 5
- 238000004891 communication Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提出一种内容的发布方法、装置、电子设备及存储介质,本公开涉及计算机技术领域,尤其涉及大语言模型、深度学习、自然语言处理等人工智能技术领域。具体实现方案为:在接收到内容发布请求的情况下,确定待发布的目标内容、目标内容关联的目标摘要、及目标摘要的生成方式;基于目标摘要的生成方式,确定目标摘要关联的摘要标签;将目标内容、目标摘要及摘要标签进行联合发布。由此,通过在内容发布时,将其关联的目标摘要与根据摘要的生成方式确定的摘要标签进行联合发布,从而使得用户不仅可以通过摘要快速了解内容,而且可以依据摘要的生成方式来正确理解和评估摘要的可靠性,提高了用户获取内容的效率和准确性。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及大语言模型、深度学习、自然语言处理等人工智能技术领域,具体涉及一种内容的发布方法、装置、电子设备及存储介质。
背景技术
在长内容场景下,由于内容量较大,导致用户阅读低效,因此,为全文内容提供一个摘要,以便于读者快速对全文内容做出判断,提高阅读和信息获取的效率极为重要。
发明内容
本公开旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本公开提供了一种内容的发布方法、装置、电子设备及存储介质。
根据本公开第一方面,提供了一种内容的发布方法,包括:
在接收到内容发布请求的情况下,确定待发布的目标内容、所述目标内容关联的目标摘要、及所述目标摘要的生成方式;
基于所述目标摘要的生成方式,确定所述目标摘要关联的摘要标签;
将所述目标内容、所述目标摘要及所述摘要标签进行联合发布。
根据本公开第二方面,提供了一种内容的发布装置,包括:
第一确定模块,用于在接收到内容发布请求的情况下,确定待发布的目标内容、所述目标内容关联的目标摘要、及所述目标摘要的生成方式;
第二确定模块,用于基于所述目标摘要的生成方式,确定所述目标摘要关联的摘要标签;
发布模块,用于将所述目标内容、所述目标摘要及所述摘要标签进行联合发布。
根据本公开的第三方面,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第一方面所述的内容的发布方法。
根据本公开第四方面,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第一方面所述的内容的发布方法。
根据本公开的第五方面,提供了一种计算机程序产品,包括计算机指令,所述计算机指令在被处理器执行时实现如第一方面所述的内容的发布方法的步骤。
本公开提供的内容的发布方法、装置、电子设备及存储介质,存在如下有益效果:
本公开中,在接收到内容发布请求的情况下,先确定待发布的目标内容、目标内容关联的目标摘要、及目标摘要的生成方式,然后基于目标摘要的生成方式,确定目标摘要关联的摘要标签,之后将目标内容、目标摘要及摘要标签进行联合发布。由此,通过在内容发布时,将其关联的目标摘要与根据摘要的生成方式确定的摘要标签进行联合发布,从而使得用户不仅可以通过摘要快速了解内容,而且可以依据摘要的生成方式来正确理解和评估摘要的可靠性,提高了用户获取内容的效率和准确性。
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
本公开上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,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是根据本公开一实施例提出的内容的发布方法的流程示意图;
图2是根据本公开另一实施例提出的内容的发布方法的流程示意图;
图3是根据本公开另一实施例提出的内容的发布方法的流程示意图;
图4是根据本公开另一实施例提出的内容的发布方法的流程示意图;
图5是根据本公开一实施例提出的内容的发布装置的结构示意图;
图6示出了适于用来实现本公开实施方式的示例性电子设备的框图。
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。
本公开实施例涉及大语言模型、深度学习、自然语言处理等人工智能技术领域。
人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
大语言模型(Large Language Model,LLM)是指使用大量文本数据训练的深度学习模型,可以生成自然语言文本或理解语言文本的含义。大语言模型可以处理多种自然语言任务,如文本分类、问答、对话等,是通向人工智能的一条重要途径。
深度学习是学习样本数据的内在规律和表示层次,这些学习过程中获得的信息对诸如文字,图像和声音等数据的解释有很大的帮助。深度学习的最终目标是让机器能够像人一样具有分析学习能力,能够识别文字、图像和声音等数据。
自然语言处理(Natural Language Processing,NLP)是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
下面参考附图描述本公开实施例的内容的发布方法、装置、电子设备及存储介质。
其中,需要说明的是,本实施例的内容的发布方法的执行主体为内容的发布装置,该装置可以由软件和/或硬件的方式实现,该装置可以配置在电子设备中,电子设备可以包括但不限于终端、服务器端等。本公开实施例中以内容的发布装置被配置到内容发布平台中为例进行说明。
图1是根据本公开一实施例提出的内容的发布方法的流程示意图。
如图1所示,该内容的发布方法,包括:
S101:在接收到内容发布请求的情况下,确定待发布的目标内容、目标内容关联的目标摘要、及目标摘要的生成方式。
需要说明的是,待发布的目标内容可以只包含文字,也可以既包含文字又包含图片,本公开对此不做限定。
其中,目标摘要的生成方式,是指目标摘要可能是用户自主对目标内容进行概括总结后得到的,或者也可能是自动生成的,比如,利用大语言模型自动生成的等等,本公开对此不做限定。
本公开实施例中,用户点击内容编辑界面中的发布确认控件后,内容发布平台可以接收到用户发送的内容发布请求,然后获取内容编辑界面中用户撰写的正文内容作为待发布的目标内容,以及目标内容关联的目标摘要、目标摘要的生成方式等。
可选的,内容发布平台在接收到内容发布请求的情况下,如果仅获取到了内容编辑界面中用户撰写的正文内容,此时就可以基于正文内容,自动生成关联的目标摘要。或者,也可以再向用户返回摘要输入界面,以提示用户进行摘要输入。或者,内容发布平台也可以仅在确定待发布的目标内容中包含的字符数量大于阈值的情况下,再自动生成关联的目标摘要,或者,提示用户进行摘要输入等等,本公开对此不做限定。
可选地,用户在输入待发布的目标内容之后,可以选择点击摘要生成控件来智能生成摘要,因此内容发布平台可以接收到摘要自动生成指令,然后利用大语言模型生成目标内容的第一摘要,然后将第一摘要确定为目标摘要,并确定目标摘要的生成方式为第一方式。
其中,第一方式是指自动生成。
本公开实施例中,内容发布平台可以将目标内容输入到大语言模型,自动生成目标内容关联的摘要,提高了摘要的生成效率,无需用户耗费大量的时间精力来人工撰写摘要,优化了用户在发布内容时的体验。
S102:基于目标摘要的生成方式,确定目标摘要关联的摘要标签。
其中,摘要的生成方式可以包含自动生成、手动输入等等。
本公开实施例中,为了便于读者可以直观的了解到摘要的生成方式,可以为不同的摘要生成方式,关联不同的摘要标签。需要说明的是,不同的摘要标签之间可以是图案不同,也可以是显示的文字不同,例如自动生成的摘要关联的标签可以是“AI摘要”,手动输入的摘要关联的标签可以是“摘要”,或者还可以是图案和显示的文字均不同。
S103:将目标内容、目标摘要及摘要标签进行联合发布。
本公开实施例中,内容发布平台确定了目标摘要关联的摘要标签后,就可以将目标内容、目标摘要以及摘要标签以一定的结构样式制作内容落地页,发布到内容显示界面中。
可选地,可以在监测到目标内容被修改的情况下,根据修改后的内容对目标摘要进行同步更新。
本公开实施例中,用户可能会在内容发布后,对目标内容进行修改,因此内容发布平台可以在监测到目标内容被修改的情况下,将修改后的内容输入到大语言模型中生成新的摘要,用新的摘要替换原来的目标摘要,从而可以实现内容发布后摘要的及时更新,保证了摘要的时效性和准确性。
本实施例中,内容发布平台在接收到内容发布请求的情况下,先确定待发布的目标内容、目标内容关联的目标摘要、及目标摘要的生成方式,然后基于目标摘要的生成方式,确定目标摘要关联的摘要标签,之后将目标内容、目标摘要及摘要标签进行联合发布。由此,通过在内容发布时,将其关联的目标治安与及根据摘要的生成方式确定的摘要标签进行联合发布,从而使得用户不仅可以通过摘要快速了解内容,而且可以依据摘要的生成方式来正确理解和评估摘要的可靠性,提高了用户获取内容的效率和准确性。
图2是本公开另一实施例提出的内容的发布方法的流程示意图。
如图2所示,该内容的发布方法,包括:
S201:在接收到摘要自动生成指令的情况下,利用大语言模型生成目标内容的第一摘要。
上述S201的描述说明可以具体参见上述实施例,在此不再赘述。
S202:显示第一摘要。
本公开实施例中,内容发布平台在生成第一摘要后,可以将第一摘要显示在内容编辑界面,便于用户直接读取到摘要的生成结果,并且用户可以对显示的第一摘要进行修改。
S203:在接收到针对第一摘要的修改指令的情况,获取修改后的摘要与第一摘要间的第一相似度。
本公开实施例中,用户可以对第一摘要中的词句进行删除、添加等修改操作,则内容发布平台就可以接收到针对第一摘要的修改指令,然后获得修改后的摘要,通过计算修改后的摘要与第一摘要间文本向量的距离等方式,确定修改后摘要与第一摘要间的第一相似度。
S204:在第一相似度大于第一阈值的情况下,将修改后的摘要确定为目标摘要,并确定目标摘要的生成方式为第二方式。
其中,第一阈值是预先设置在内容发布平台中,用于判断用户撰写的摘要是否过度偏离目标内容的值,可以是固定的,也可以是根据对摘要客观性的要求来确定的值,即对目标摘要的客观性要求较高时,设置的第一阈值较高,本公开对此不做限定。第二方式,是指目标摘要是由人工对自动生成的摘要进行修改后生成的,与第一方式关联的摘要标签不同。
本公开实施例中,当第一相似度大于第一阈值时,说明修改后的摘要满足内容发布平台对摘要的客观性要求,可以认为用户没有为了吸引读者而过度修改摘要,因此就可以将修改后的摘要确定为待发布的目标摘要,则目标摘要的生成方式为第二方式。
或者,在第一相似度小于或等于第一阈值的情况下,可以将修改后的摘要与待发布内容关联存入预设数据库中,其中,预设数据库中的数据为用于对大语言模型进行更新训练的数据。
本公开实施例中,当第一相似度小于或等于第一阈值的情况下,可能存在大语言模型生成的第一摘要缺少目标内容中重要信息、表意不准确等情况,因此内容发布平台可以将修改后的摘要与待发布内容关联存入预设数据库,在预设数据库中数据量达到一定量,或者每隔一定的时间长度的情况下,利用预设数据库中的数据对大语言模型进行更新训练,从而可以为大语言模型的更新提供了数据支持,进一步提高了自动生成的摘要的准确性和可靠性。
S205:在接收到内容发布请求的情况下,基于目标摘要的生成方式,确定目标摘要关联的摘要标签。
S206:将目标内容、目标摘要及摘要标签进行联合发布。
上述S205和S206的描述说明可以具体参见上述实施例,在此不再赘述。
本实施例中,内容发布平台在接收到摘要自动生成指令后,先利用大语言模型生成目标内容的第一摘要,然后显示第一摘要,在接收到针对第一摘要的修改指令的情况下,获取修改后的摘要与第一摘要间的第一相似度,然后当第一相似度大于第一阈值时,将修改后的摘要确定为目标摘要,并确定目标摘要的生成方式为第二方式,之后就在接收到内容发布请求后,确定摘要标签,将目标内容、目标摘要及摘要标签进行联合发布。由此,实现了用户对自动生成摘要的修改,进一步提高了摘要的准确性,并且通过计算摘要在修改前后的相似度,避免了用户对摘要的过度修改,保证了目标摘要的内容客观性。
图3是本公开另一实施例提出的内容的发布方法的流程示意图。
如图3所示,该内容的发布方法,包括:
S301:在接收到用户输入的第二摘要的情况下,将第二摘要确定为目标摘要,并确定目标摘要的生成方式为用户输入。
本公开实施例中,内容发布平台可以在接收到用户输入的第二摘要后,通过与大语言模型生成的摘要进行对比,判断用户自主撰写的第二摘要是否存在语句表达不客观,错误概括目标内容以及缺少重要信息等情况。
可选地,可以确定第二摘要与大语言模型生成的第一摘要间的第一相似度。然后在第一相似度小于或等于第一阈值的情况下,显示摘要修改提示界面。
需要说明的是,第一摘要的显示样式与第二摘要的显示样式不同,可能是显示的字体、颜色等等中的至少一项不同,通过不同的显示样式,可以便于直观快速地区分自动生成的第一摘要和用户输入的第二摘要,提高后续对第二摘要修改的效率。
本公开实施例中,内容发布平台可以计算第二摘要与大语言模型生成的第一摘要间的第一相似度,当第一相似度小于或等于第一阈值时,则第二摘要可能缺少重要信息或者语句表达错误,不满足对目标摘要的客观性要求,因此内容发布平台可以显示摘要修改提示界面,提示用户对第二摘要进行修改。从而对用户输入的摘要进行相似度校验,避免了不客观、错误摘要对读者的误导,进一步提高了发布内容中摘要的准确性和可靠性。
可选地,在摘要修改提示界面中,可以根据第二摘要与第一摘要间的匹配度,确定第二摘要中包含的待修改片段。然后在摘要修改提示界面中显示第二摘要及修改提示字符。
其中,待修改片段的显示样式与其他片段的显示样式不同,可以是字体不同,也可以是颜色不同,或者还可以是字号不同等等,本公开对此不做限定。
本公开实施例中,内容发布平台可以将第二摘要与第一摘要间不匹配的片段,确定为第二摘要中包含的待修改片段,然后以与其他片段不一样的形式在摘要修改提示界面中突出显示,例如可以其他片段的文字为黑色,待修改片段的文字为红色。然后,可以将待修改片段在第一摘要中相应的内容,作为修改提示字符,显示在摘要修改提示界面中第二摘要的相应位置。从而可以向用户明确摘要中需要修改的片段,以及修改提示,减轻了用户在修改摘要时的心理负担,进一步提高了用户摘要撰写的效率和准确性。
S302:在接收到内容发布请求的情况下,基于目标摘要的生成方式,确定目标摘要关联的摘要标签。
S303:将目标内容、目标摘要及摘要标签进行联合发布。
上述S302和S303的描述说明可以具体参见上述实施例,在此不再赘述。
本实施例中,内容发布平台在接收到用户输入的第二摘要的情况下,可以将第二摘要确定为目标摘要,并确定目标摘要的生成方式为用户输入,从而增加了目标摘要的生成方式的灵活性,保证了摘要的个性化。并且可以基于大语言模型生成的智能摘要对用户输入的摘要进行校验,进一步提高了发布内容中摘要的准确性和可靠性,提升了用户在发布内容时的体验。
图4是本公开另一实施例提出的内容的发布方法的流程示意图。
如图4所示,该内容的发布方法,包括:
S401:在接收到内容发布请求的情况下,确定待发布的目标内容、目标内容关联的目标摘要、及目标摘要的生成方式。
S402:基于目标摘要的生成方式,确定目标摘要关联的摘要标签。
S403:将目标内容、目标摘要及摘要标签进行联合发布。
上述S401—S403的描述说明可以具体参见上述实施例,在此不再赘述。
S404:在监测到内容显示界面中部分内容被选中的情况下,确定被选中内容的规模。
其中,被选中内容的规模,可以根据内容包含的字数或者行数等来确定,本公开对此不做限定。
本公开实施例中,用户在内容显示界面中阅读已发布内容时,内容发布平台可以监测用户在显示界面中的选取操作,来对被选取内容提供摘要生成服务。由于当被选中的内容的规模较小,例如字数只有20字,或只有一行文字时,用户很容易就可以获取到信息,因此内容发布平台对规模较小的内容是不必要生成摘要的。所以当监测到部分内容被选中的情况下,可以先确定被选中内容的规模。
S405:在被选中内容的规模大于规模阈值的情况下,确定被选中内容的第三摘要。
其中,规模阈值可以是预先设置在内容发布平台中的一个固定值,或者也可以是根据大语言模型对生成摘要的输入数据要求来确定的值。
本公开实施例中,当被选中内容的规模大于规模阈值的情况下,可以说明被选中内容中包含的字数或行数足够大,用户需要生成被选中内容相应的摘要来快速掌握关键信息,因此内容发布平台可以将被选中内容输入到大语言模型中获取被选中内容关联的第三摘要。
S406:显示第三摘要。
可选地,可以在内容显示界面中的预设位置显示第三摘要。
其中,预设位置可能是被选中内容的下方,或者也可能是内容显示界面的侧边栏等等,本公开对此不做限定。
或者,还可以在预设的显示窗口中显示第三摘要,其中,预设的显示窗口的显示优先级高于内容显示窗口的显示优先级。
也就是说,可以在当前内容显示界面的上方弹出一个新的显示窗口,来显示被选中内容关联的第三摘要。
本公开实施例中,通过不同方式来显示被选中内容的摘要,可以将摘要以更直观、更合理的方式展示给用户,提升了用户的阅读体验。
本实施例中,内容发布平台将目标内容、目标摘要及摘要标签进行联合发布之后,在监测到内容显示界面中部分内容被选中的情况下,先确定被选中内容的规模,然后在被选中内容的规模大于规模阈值的情况下,确定被选中内容的第三摘要,并显示第三摘要。由此,通过对已发布内容的选中内容,判断内容规模,生成选中内容关联的摘要,扩大了智能生成摘要的使用场景,使得用户可以根据需求指定内容的关键信息,提升了用户的阅读效率和体验。
图5是本公开一实施例提出的内容的发布装置的结构示意图。
如图5所示,该内容的发布装置500,包括:
第一确定模块501,用于在接收到内容发布请求的情况下,确定待发布的目标内容、目标内容关联的目标摘要、及目标摘要的生成方式;
第二确定模块502,用于基于目标摘要的生成方式,确定目标摘要关联的摘要标签;
发布模块503,用于将目标内容、目标摘要及摘要标签进行联合发布。
在一些实施例中,上述第一确定模块501,还可以用于:
在接收到摘要自动生成指令的情况下,利用大语言模型生成目标内容的第一摘要;
将第一摘要确定为目标摘要,并确定目标摘要的生成方式为第一方式。
在一些实施例中,上述第一确定模块501,还可以用于:
显示第一摘要;
在接收到针对第一摘要的修改指令的情况,获取修改后的摘要与第一摘要间的第一相似度;
在第一相似度大于第一阈值的情况下,将修改后的摘要确定为目标摘要,并确定目标摘要的生成方式为第二方式。
在一些实施例中,上述第一确定模块501,还可以用于:
在第一相似度小于或等于第一阈值的情况下,将修改后的摘要与待发布内容关联存入预设数据库中,其中,预设数据库中的数据为用于对大语言模型进行更新训练的数据。
在一些实施例中,上述第一确定模块501,还可以用于:
确定第二摘要与大语言模型生成的第一摘要间的第一相似度;
在第一相似度小于或等于第一阈值的情况下,显示摘要修改提示界面。
在一些实施例中,上述第一确定模块501,还可以用于:
根据第二摘要与第一摘要间的匹配度,确定第二摘要中包含的待修改片段;
在摘要修改提示界面中显示第二摘要及修改提示字符,其中,待修改片段的显示样式与其他片段的显示样式不同。
在一些实施例中,上述第一摘要的显示样式与第二摘要的显示样式不同。
在一些实施例中,上述发布模块503,还可以用于:
在监测到目标内容被修改的情况下,根据修改后的内容对目标摘要进行更新。
在一些实施例中,上述发布模块503,还可以用于:
在监测到内容显示界面中部分内容被选中的情况下,确定被选中内容的规模;
在被选中内容的规模大于规模阈值的情况下,确定被选中内容的第三摘要;
显示第三摘要。
在一些实施例中,上述发布模块503,还可以用于:
在内容显示界面中的预设位置显示第三摘要;或者,
在预设的显示窗口中显示第三摘要,其中,预设的显示
窗口的显示优先级高于内容显示界面的显示优先级。
需要说明的是,前述对内容的发布方法的解释说明也适用于本实施例的内容的发布装置,此处不再赘述。
本实施例中,内容发布平台在接收到内容发布请求的情况下,先确定待发布的目标内容、目标内容关联的目标摘要、及目标摘要的生成方式,然后基于目标摘要的生成方式,确定目标摘要关联的摘要标签,之后将目标内容、目标摘要及摘要标签进行联合发布。由此,通过在内容发布时,将其关联的目标摘要与根据摘要的生成方式确定的摘要标签进行联合发布,从而使得用户不仅可以通过摘要快速了解内容,而且可以依据摘要的生成方式来正确理解和评估摘要的可靠性,提高了用户获取内容的效率和准确性。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图6示出了可以用来实施本公开的实施例的示例电子设备600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6所示,设备600包括计算单元601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM 603中,还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储单元608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600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601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601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601执行上文所描述的各个方法和处理,例如内容的发布方法。例如,在一些实施例中,内容的发布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608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时,可以执行上文描述的内容的发布方法的一个或多个步骤。备选地,在其他实施例中,计算单元601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行内容的发布方法。
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)、互联网及区块链网络。
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。
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。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本公开的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。在本公开的描述中,所使用的词语“如果”及“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“在……情况下”。
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 (25)
1.一种内容的发布方法,包括:
在接收到内容发布请求的情况下,确定待发布的目标内容、所述目标内容关联的目标摘要、及所述目标摘要的生成方式;
基于所述目标摘要的生成方式,确定所述目标摘要关联的摘要标签;
将所述目标内容、所述目标摘要及所述摘要标签进行联合发布。
2.如权利要求1所述的方法,其中,在所述接收到内容发布请求之前,还包括:
在接收到摘要自动生成指令的情况下,利用大语言模型生成所述目标内容的第一摘要;
将所述第一摘要确定为目标摘要,并确定所述目标摘要的生成方式为第一方式。
3.如权利要求2所述的方法,其中,在所述利用大语言模型生成所述目标内容的第一摘要之后,还包括:
显示所述第一摘要;
在接收到针对所述第一摘要的修改指令的情况,获取修改后的摘要与所述第一摘要间的第一相似度;
在所述第一相似度大于第一阈值的情况下,将所述修改后的摘要确定为所述目标摘要,并确定所述目标摘要的生成方式为第二方式。
4.如权利要求3所述的方法,其中,在所述获取修改后的摘要与所述第一摘要间的第一相似度之后,还包括:
在所述第一相似度小于或等于所述第一阈值的情况下,将所述修改后的摘要与所述待发布内容关联存入预设数据库中,其中,所述预设数据库中的数据为用于对所述大语言模型进行更新训练的数据。
5.如权利要求1所述的方法,其中,在所述接收到内容发布请求之前,还包括:
在接收到用户输入的第二摘要的情况下,将所述第二摘要确定为目标摘要,并确定所述目标摘要的生成方式为用户输入。
6.如权利要求5所述的方法,其中,在所述接收到用户输入的第二摘要之后,还包括:
确定所述第二摘要与大语言模型生成的第一摘要间的第一相似度;
在所述第一相似度小于或等于第一阈值的情况下,显示摘要修改提示界面。
7.如权利要求6所述的方法,其中,所述显示摘要修改提示界面,包括:
根据所述第二摘要与所述第一摘要间的匹配度,确定所述第二摘要中包含的待修改片段;
在所述摘要修改提示界面中显示所述第二摘要及修改提示字符,其中,所述待修改片段的显示样式与其他片段的显示样式不同。
8.如权利要求5所述的方法,其中,所述第一摘要的显示样式与所述第二摘要的显示样式不同。
9.如权利要求1-8任一所述的方法,其中,在所述将所述目标内容、所述目标摘要及所述摘要标签进行联合发布之后,还包括:
在监测到所述目标内容被修改的情况下,根据修改后的内容对所述目标摘要进行更新。
10.如权利要求1-8任一所述的方法,其中,在所述将所述待目标内容、所述目标摘要及所述摘要标签进行联合发布之后,还包括:
在监测到内容显示界面中部分内容被选中的情况下,确定所述被选中内容的规模;
在所述被选中内容的规模大于规模阈值的情况下,确定所述被选中内容的第三摘要;
显示所述第三摘要。
11.如权利要求10所述的方法,其中,所述显示所述第三摘要,包括:
在所述内容显示界面中的预设位置显示所述第三摘要;或者,
在预设的显示窗口中显示所述第三摘要,其中,所述预设的显示窗口的显示优先级高于所述内容显示界面的显示优先级。
12.一种内容的发布装置,包括:
第一确定模块,用于在接收到内容发布请求的情况下,确定待发布的目标内容、所述目标内容关联的目标摘要、及所述目标摘要的生成方式;
第二确定模块,用于基于所述目标摘要的生成方式,确定所述目标摘要关联的摘要标签;
发布模块,用于将所述目标内容、所述目标摘要及所述摘要标签进行联合发布。
13.如权利要求12所述的装置,其中,所述第一确定模块,还用于:
在接收到摘要自动生成指令的情况下,利用大语言模型生成所述目标内容的第一摘要;
将所述第一摘要确定为目标摘要,并确定所述目标摘要的生成方式为第一方式。
14.如权利要求13所述的装置,其中,所述第一确定模块,还用于:
显示所述第一摘要;
在接收到针对所述第一摘要的修改指令的情况,获取修改后的摘要与所述第一摘要间的第一相似度;
在所述第一相似度大于第一阈值的情况下,将所述修改后的摘要确定为所述目标摘要,并确定所述目标摘要的生成方式为第二方式。
15.如权利要求14所述的装置,其中,所述第一确定模块,还用于:
在所述第一相似度小于或等于所述第一阈值的情况下,将所述修改后的摘要与所述待发布内容关联存入预设数据库中,其中,所述预设数据库中的数据为用于对所述大语言模型进行更新训练的数据。
16.如权利要求12所述的装置,其中,所述第一确定模块,还用于:
在接收到用户输入的第二摘要的情况下,将所述第二摘要确定为目标摘要,并确定所述目标摘要的生成方式为用户输入。
17.如权利要求16所述的装置,其中,所述第一确定模块,还用于:
确定所述第二摘要与大语言模型生成的第一摘要间的第一相似度;
在所述第一相似度小于或等于第一阈值的情况下,显示摘要修改提示界面。
18.如权利要求17所述的装置,其中,所述第一确定模块,还用于:
根据所述第二摘要与所述第一摘要间的匹配度,确定所述第二摘要中包含的待修改片段;
在所述摘要修改提示界面中显示所述第二摘要及修改提示字符,其中,所述待修改片段的显示样式与其他片段的显示样式不同。
19.如权利要求16所述的装置,其中,所述第一摘要的显示样式与所述第二摘要的显示样式不同。
20.如权利要求12-19任一所述的装置,其中,所述发布模块,还用于:
在监测到所述目标内容被修改的情况下,根据修改后的内容对所述目标摘要进行更新。
21.如权利要求12-19任一所述的装置,其中,所述发布模块,还用于:
在监测到内容显示界面中部分内容被选中的情况下,确定所述被选中内容的规模;
在所述被选中内容的规模大于规模阈值的情况下,确定所述被选中内容的第三摘要;
显示所述第三摘要。
22.如权利要求21所述的装置,其中,所述发布模块,还用于:
在所述内容显示界面中的预设位置显示所述第三摘要;或者,
在预设的显示窗口中显示所述第三摘要,其中,所述预设的显示窗口的显示优先级高于所述内容显示界面的显示优先级。
23.一种电子设备,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1-11中任一项所述的内容的发布方法。
24.一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,其中,所述计算机指令用于使所述计算机执行权利要求1-11中任一项所述的内容的发布方法。
25.一种计算机程序产品,其特征在于,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1-11中任一项所述内容的发布方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311181164.4A CN117312546A (zh) | 2023-09-13 | 2023-09-13 | 内容的发布方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311181164.4A CN117312546A (zh) | 2023-09-13 | 2023-09-13 | 内容的发布方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117312546A true CN117312546A (zh) | 2023-12-29 |
Family
ID=89249073
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311181164.4A Pending CN117312546A (zh) | 2023-09-13 | 2023-09-13 | 内容的发布方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117312546A (zh) |
-
2023
- 2023-09-13 CN CN202311181164.4A patent/CN117312546A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109599095B (zh) | 一种语音数据的标注方法、装置、设备和计算机存储介质 | |
CN108090043B (zh) | 基于人工智能的纠错举报处理方法、装置及可读介质 | |
CN113657100B (zh) | 实体识别方法、装置、电子设备及存储介质 | |
CN112527281B (zh) | 基于人工智能的算子升级方法、装置、电子设备及介质 | |
CN113836314B (zh) | 知识图谱构建方法、装置、设备以及存储介质 | |
CN113887627A (zh) | 噪音样本的识别方法、装置、电子设备以及存储介质 | |
CN113221565A (zh) | 实体识别模型的训练方法、装置、电子设备及存储介质 | |
CN113704058B (zh) | 一种业务模型的监控方法、装置及电子设备 | |
CN112466277B (zh) | 韵律模型训练方法、装置、电子设备及存储介质 | |
CN117312140A (zh) | 测试用例的生成方法、装置、电子设备及存储介质 | |
CN117573507A (zh) | 测试用例生成方法、装置、电子设备及存储介质 | |
CN112784588A (zh) | 用于标注文本的方法、装置、设备以及存储介质 | |
CN115248890A (zh) | 用户兴趣画像的生成方法、装置、电子设备以及存储介质 | |
CN114490990B (zh) | 待标注文本的确定方法、装置、设备和存储介质 | |
CN117312546A (zh) | 内容的发布方法、装置、电子设备及存储介质 | |
CN113554062B (zh) | 多分类模型的训练方法、设备和存储介质 | |
CN114817476A (zh) | 语言模型的训练方法、装置、电子设备和存储介质 | |
CN113961672A (zh) | 信息标注方法、装置、电子设备和存储介质 | |
CN114037052A (zh) | 检测模型的训练方法、装置、电子设备及存储介质 | |
CN114281981B (zh) | 新闻简报的生成方法、装置和电子设备 | |
CN113705206B (zh) | 情感预测模型的训练方法、装置、设备及存储介质 | |
CN114565030B (zh) | 特征筛选方法、装置、电子设备和存储介质 | |
CN115168599B (zh) | 多三元组抽取方法、装置、设备、介质及产品 | |
CN116842926A (zh) | 模板的生成方法、装置、电子设备及存储介质 | |
CN117421401A (zh) | 对话处理方法、装置、电子设备及存储介质 |
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 |