CN117574168A - 信息报告的生成方法及其装置 - Google Patents
信息报告的生成方法及其装置 Download PDFInfo
- Publication number
- CN117574168A CN117574168A CN202311532438.XA CN202311532438A CN117574168A CN 117574168 A CN117574168 A CN 117574168A CN 202311532438 A CN202311532438 A CN 202311532438A CN 117574168 A CN117574168 A CN 117574168A
- Authority
- CN
- China
- Prior art keywords
- information data
- texts
- title
- target
- information
- 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 63
- 238000012216 screening Methods 0.000 claims abstract description 8
- 238000006243 chemical reaction Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 19
- 238000004458 analytical method Methods 0.000 claims description 17
- 230000004044 response Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 12
- 230000011218 segmentation Effects 0.000 claims description 12
- 238000004140 cleaning Methods 0.000 claims description 8
- 230000009193 crawling Effects 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 8
- 230000008569 process Effects 0.000 abstract description 8
- 238000003058 natural language processing Methods 0.000 abstract description 7
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 235000002198 Annona diversifolia Nutrition 0.000 description 1
- 241000282842 Lama glama Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 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
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000007781 pre-processing Methods 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
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
- G06N5/025—Extracting rules from data
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了信息报告的生成方法及其装置,涉及人工智能技术领域,尤其涉及自然语言处理、语言生成、文本生成等技术领域。该方法包括:获取多条信息数据,并获取任一条信息数据的第一标题;对多条信息数据进行分割处理,获取多条候选文本;对多条第一标题进行聚类,获取聚类后的第二标题,并基于预设目标策略对第二标题进行筛选,获取第三标题;将第三标题和多条候选文本进行相似度匹配,从多条候选文本中确定多条目标文本,并基于多条目标文本生成信息报告。本公开可以准确、全面的抽取信息数据中的信息,避免繁琐的流程,提高信息报告的生成效率和精度。
Description
技术领域
本公开涉及人工智能技术领域,尤其涉及自然语言处理、语言生成、文本生成等技术领域。
背景技术
信息抽取和生成信息报告是利用技术手段,从大量信息中提取有用的信息,并以易于理解和应用的方式呈现给用户,信息抽取和生成信息报告的自动化过程可以大大提高工作效率,也可以帮助监测特定领域的动态,从中提取出关键信息。
因此,如何准确、全面的抽取信息数据中的信息,避免繁琐的流程,提高信息报告的生成效率和精度,已经成为重要的研究方向之一。
发明内容
本公开提供了一种信息报告的生成方法及其装置。
根据本公开的一方面,提供了一种信息报告的生成方法,该方法包括:
获取多条信息数据,并获取任一条信息数据的第一标题;
对多条信息数据进行分割处理,获取多条候选文本;
对多条第一标题进行聚类,获取聚类后的第二标题,并基于预设目标策略对第二标题进行筛选,获取第三标题;
将第三标题和多条候选文本进行相似度匹配,从多条候选文本中确定多条目标文本,并基于多条目标文本生成信息报告。
本公开实施例中,适用于信息发现及信息报告生成的场景,对多条信息数据进行分割处理,获取多条候选文本,对多条第一标题进行聚类,获取聚类后的第二标题,基于预设目标策略对第二标题进行筛选,获取第三标题,可以准确、全面的抽取信息数据中的信息;将第三标题和多条候选文本进行相似度匹配,从多条候选文本中确定多条目标文本,可以提高信息报告的生成效率,基于多条目标文本生成信息报告,极大的提高了信息的监测精度与信息报告的生成质量。
根据本公开的另一方面,提供了一种信息报告的生成装置,包括:
第一获取模块,用于获取多条信息数据,并获取任一条信息数据的第一标题;
第二获取模块,用于对多条信息数据进行分割处理,获取多条候选文本;
第三获取模块,用于对多条第一标题进行聚类,获取聚类后的第二标题,并基于预设目标策略对第二标题进行筛选,获取第三标题;
生成模块,用于将第三标题和多条候选文本进行相似度匹配,从多条候选文本中确定多条目标文本,并基于多条目标文本生成信息报告。
根据本公开的另一方面,提供了一种电子设备,包括至少一个处理器,以及
与至少一个处理器通信连接的存储器;其中,
存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行本公开第一个方面实施例的信息报告的生成方法。
根据本公开的另一方面,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,其中,计算机指令用于使计算机执行根据本公开第一个方面实施例的信息报告的生成方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现本公开第一个方面实施例的信息报告的生成方法的步骤。
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是根据本公开一个实施例的信息报告的生成方法的流程图;
图2是根据本公开一个实施例的信息报告的生成方法的流程图;
图3是根据本公开一个实施例的信息报告的生成方法的流程图;
图4是根据本公开一个实施例的信息报告的生成方法的结构图;
图5是根据本公开一个实施例的信息报告的生成装置的结构图;
图6是用来实现本公开实施例的方法的电子设备的框图。
具体实施方式
以下结合附图对本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。
本公开实施例涉及计算机视觉、深度学习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。
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。因此,这一领域的研究将涉及自然语言,即人们日常使用的语言,所以它与语言学的研究有着密切的联系,但又有重要的区别。自然语言处理并不是一般地研究自然语言,而在于研制能有效地实现自然语言通信的计算机系统,特别是其中的软件系统。因而它是计算机科学的一部分。
语言生成是研究使计算机具有人一样的表达和写作的功能。即能够根据一些关键信息及其在机器内部的表达形式,经过一个规划过程,来自动生成一段高质量的自然语言文本。
下面结合参考附图描述本公开的信息报告的生成方法及其装置。
图1是根据本公开一个实施例的信息报告的生成方法的流程图,如图1所示,该方法包括以下步骤:
S101,获取多条信息数据,并获取任一条信息数据的第一标题。
在一些实施方式中,接收上位机发送的信息采集指令,并获取信息采集指令携带的目标网址,对目标网址进行信息爬取操作,获取目标网址中所包含的多条信息数据。
在一些实施方式中,获取预设第一数据库中的多条信息数据;
在一些实施方式中,按照一定频率(每天/每小时)爬取互联网上的多条信息数据,例如,可以爬取预设一个或多个目标程序上的评论或日志,获取多条信息数据。
可选地,对于带标题的信息数据,可以直接使用信息数据的标题作为第一标题。可选地,对于不具有标题的信息数据,可以基于神经网络抽取该信息数据的第一标题。
S102,对多条信息数据进行分割处理,获取多条候选文本。
在一些实施方式中,为了控制候选文本的尺寸,可以基于预设字符数量阈值对多条信息数据进行分割处理,获取多条候选文本。
在一些实施方式中,为了保证候选文本的上下文信息的完整,可以基于预设分隔符对多条信息数据进行分割处理,获取多条候选文本。
在一些实施方式中,为了兼顾候选文本的尺寸和上下文信息的完整性,可以结合字符数量和分隔符对信息数据进行分割处理,也就是说,基于预设分隔符对多条信息数据进行分割处理,获取多条初始文本,对任一条初始文本的字符数量进行识别,响应于初始文本的字符数量在预设字符数量范围内,确定初始文本为候选文本。
在一些实施方式中,响应于初始文本的字符数量未在字符数量范围内,确定字符数量范围中的最小字符数量和最大字符数量,对字符数量小于最小字符数量的初始文本进行合并处理,获取候选文本,或对字符数量大于最大字符数量的初始文本继续进行分割处理,获取候选文本。
例如,可以对字符数量小于最小字符数量的初始文本进行两两合并,获取候选文本。再例如,可以对字符数量大于最大字符数量的初始文本分割为两个候选文本。
其中,预设分隔符包括句号、问号、感叹号、换行符号中的一种或几种。
S103,对多条第一标题进行聚类,获取聚类后的第二标题,并基于预设目标策略对第二标题进行筛选,获取第三标题。
在一些实施方式中,可以对第一标题进行向量化,进而通过层次聚类算法对向量化后的第一标题进行聚类,确定聚类后的第二标题。在其他实现中,还可以使用其他聚类算法,例如k均值聚类算法(k-means clustering algorithm)或基于密度的聚类算法(如DBScan聚类算法),本公开实施例对此不作限制。
需要说明的是,层次聚类的优势在于更方便调优,可以直接设定一个相似度的阈值对类别数进行设置,不需要额外的调整参数。
在一些实施方式中,基于预设目标策略对第二标题进行筛选,也就是说,将每个第二标题和预设的关键词进行匹配,获取匹配度,在匹配度大于预设匹配度阈值时,确定该第二标题为第三标题。
S104,将第三标题和多条候选文本进行相似度匹配,从多条候选文本中确定多条目标文本,并基于多条目标文本生成信息报告。
在一些实施方式中,将第三标题和多条候选文本进行相似度匹配,将相似度最高的N个候选文本确定为多条目标文本。其中,N为正整数。
在一些实施方式中,将第三标题和多条候选文本进行相似度匹配,将相似度大于预设相似度阈值的M个候选文本确定为多条目标文本。其中,M为正整数。
在一些实施方式中,将第三标题和多条候选文本进行相似度匹配,获取相似度最高的Q个候选文本,进一步地,从相似度最高的Q个候选文本获取相似度大于预设相似度阈值的候选文本为目标文本。
本公开实施例中,可以将多条目标文本输入预设语言模型,由语言模型结合目标文本和预设提示词Prompt生成信息报告。
本公开实施例中,适用于信息发现及信息报告生成的场景,对多条信息数据进行分割处理,获取多条候选文本,对多条第一标题进行聚类,获取聚类后的第二标题,基于预设目标策略对第二标题进行筛选,获取第三标题,可以准确、全面的抽取信息数据中的信息;将第三标题和多条候选文本进行相似度匹配,从多条候选文本中确定多条目标文本,可以避免繁琐的流程,提高信息报告的生成效率,基于多条目标文本生成信息报告,极大的提高了信息的监测精度与信息报告的生成质量。
需要说明的是,本公开实施例可以应用于多个场景下,例如在摘要和概览的场景下,通过信息抽取和生成信息报告,可以从大量的材料中提取出关键信息,生成的信息报告可以是简洁明了的概览或摘要。例如在舆情场景下,信息数据可以是舆情数据,生成的信息报告可以是舆情报告,从而帮助用户及时了解特定领域的动态。
图2是根据本公开一个实施例的信息报告的生成方法的流程图,如图2所示,该方法包括以下步骤:
S201,获取多条信息数据,并获取任一条信息数据的第一标题。
S202,对多条信息数据进行分割处理,获取多条候选文本。
S203,对多条第一标题进行聚类,获取聚类后的第二标题。
关于步骤S201~步骤S203的介绍可以参见上述实施例中的相关内容,此处不再赘述。
S204,获取预设的多个目标关键词。
本公开实施例中,目标关键词为关注度较高的关键词,预设的优势在于人工不足的情况下,可以较快的筛选出关注度高的信息。
S205,将第二标题与任一目标关键词进行完全匹配,以确定第二标题是否包含目标关键词。
本公开实施例中,可以使用DFA算法进行完全匹配,以确定第二标题是否包含目标关键词。
S206,在第二标题包含目标关键词时确定第二标题为第三标题。
在第二标题包含目标关键词时则视为匹配成功,确定该第二标题为第三标题。
S207,将第三标题和多条候选文本进行相似度匹配,从多条候选文本中确定多条目标文本。
关于步骤S207的介绍可以参见上述实施例中的相关内容,此处不再赘述。
S208,基于多个目标文本的相似度对多个目标文本进行排序。
基于目标文本的相似度确定目标文本进行排序,其中,相似度高的排序靠前。
S209,按照目标文本的顺序,将第i个目标文本的解析结果与第i+1个目标文本进行合并解析,获取第i+1个目标文本的解析结果,直至完成所有目标文本的合并解析,生成信息报告。
可选地,可以按照目标文本的顺序,采用LangChain Refine(LangChain Refine机制的基本原理是通过在预训练模型上进行微调,使其更适应特定领域的语言任务)形式,根据预设提示词Prompt和目标文本生成信息报告。
以目标文本为10个为例进行说明,先对第一个目标文本解析,获取解析结果,再将解析结果与第二个目标文本进行合并解析,以此类推,直至生成最终报告,得到信息报告。
本公开实施例中,将第二标题与任一目标关键词进行完全匹配,以确定第二标题是否包含目标关键词,在第二标题包含目标关键词时确定第二标题为第三标题,以便于后续可以准确、全面的抽取信息数据中的信息,可以提高信息报告的生成效率和精度。
图3是根据本公开一个实施例的信息报告的生成方法的流程图,如图3所示,该方法包括以下步骤:
S301,获取多条信息数据。
关于步骤S301的介绍可以参见上述实施例中的相关内容,此处不再赘述。
S302,针对任一条信息数据,对信息数据进行识别,判断信息数据是否具有标题。
可选地,获取多条信息数据之后,对每条信息数据进行格式转换,包括繁简转换、大小写转换、全角半角转换中的一项或几项。
可选地,获取多条信息数据之后,对每条信息数据进行数据清洗,去除一些无用的符号,例如删除如超文本标记语言html中的标签符号、表情符号、特殊换行符号等。
S303,响应于信息数据具有标题,将信息数据的标题作为信息数据的第一标题。
对于带标题的信息数据,直接使用信息数据的标题作为信息数据的第一标题。
S304,响应于信息数据未具有标题,基于语言模型抽取信息数据的第一标题。
对于未带标题的信息数据,使用大语言模型(如Gpt、Llama、Baichuan等)抽取每条信息数据的标题。可选地,可以使用的Prompt为:“你是一个资深的新闻工作者,概括反引号中的内容,生成一段不超过30字的标题,标题要表明文章中发生的主要事件。ˋ{input}ˋ”。其中,input为需要获取标题的信息数据。
S305,对多条信息数据进行分割处理,获取多条候选文本。
S306,对多条第一标题进行聚类,获取聚类后的第二标题,并基于预设目标策略对第二标题进行筛选,获取第三标题。
S307,将第三标题和多条候选文本进行相似度匹配,从多条候选文本中确定多条目标文本,并基于多条目标文本生成信息报告。
关于步骤S305~步骤S307的介绍可以参见上述实施例中的相关内容,此处不再赘述。
本公开实施例中,对信息数据进行格式转换、数据清洗处理,可以提高生成信息报告的精度。识别信息数据是否具有标题,响应于信息数据具有标题,将信息数据的标题作为信息数据的第一标题,响应于信息数据未具有标题,基于语言模型抽取信息数据的第一标题,提高了信息的监测精度与信息报告的生成质量。
图4是根据本公开一个实施例的信息报告的生成方法的结构图,如图4所示,本公开实施例中,爬取目标应用程序中的多条信息数据,一方面,抽取任一条信息数据的第一标题,并对第一标题进行聚类,获取聚类后的第二标题,基于预设目标策略对所述第二标题进行筛选,获取第三标题。另一方面,对多条所述信息数据进行数据预处理操作,包括格式转换、数据清洗和数据分割处理,获取多条候选文本,对候选文本进行特征提取,获取第一特征向量并存入向量数据库。对第三标题进行特征提取,并根据提取到的第二特征向量,在向量数据库中进行检索匹配,获取最相关的多条目标文本,并使用自定义Prompt,将多条所述目标文本输入大语言模型,采用LangChain Refine形式生成信息报告。
可选地,向量数据库可以是Faiss向量数据库,在当前场景下,更方便的进行规模化扩充,数据量大时,数据库也可以支持。在其他实现方式中,向量数据库也可以是其他数据库,本公开实施例对此不作限制。
本公开实施例中,适用于信息报告生成的场景,例如应用于各个内容平台的舆情场景或风控场景,对多条信息数据进行分割处理,获取多条候选文本,对多条第一标题进行聚类,获取聚类后的第二标题,基于预设目标策略对第二标题进行筛选,获取第三标题,可以准确、全面的抽取信息数据中的信息;将第三标题和多条候选文本进行相似度匹配,从多条候选文本中确定多条目标文本,可以提高信息报告的生成效率,基于多条目标文本生成信息报告,极大的提高了信息的监测精度与信息报告的生成质量。
图5是根据本公开一个实施例的信息报告的生成装置的结构图,如图5所示,信息报告的生成装置500包括:
第一获取模块510,用于获取多条信息数据,并获取任一条信息数据的第一标题;
第二获取模块520,用于对多条信息数据进行分割处理,获取多条候选文本;
第三获取模块530,用于对多条第一标题进行聚类,获取聚类后的第二标题,并基于预设目标策略对第二标题进行筛选,获取第三标题;
生成模块540,用于将第三标题和多条候选文本进行相似度匹配,从多条候选文本中确定多条目标文本,并基于多条目标文本生成信息报告。
在一些实施方式中,第三获取模块530,还用于:
获取预设的多个目标关键词;
将第二标题与任一目标关键词进行完全匹配,以确定第二标题是否包含目标关键词;
在第二标题包含目标关键词时确定第二标题为第三标题。
在一些实施方式中,生成模块540,还用于:
将第三标题和多条候选文本进行相似度匹配,将相似度最高的N个候选文本确定为多条目标文本;或
将第三标题和多条候选文本进行相似度匹配,将相似度大于预设相似度阈值的M个候选文本确定为多条目标文本;
其中,N、M为正整数。
在一些实施方式中,生成模块540,还用于:
基于多个目标文本的相似度对多个目标文本进行排序;
按照目标文本的顺序,将第i个目标文本的解析结果与第i+1个目标文本进行合并解析,获取第i+1个目标文本的解析结果,直至完成所有目标文本的合并解析,生成信息报告;
其中,第一个目标文本的解析报告是由第一个目标文本进行解析获取的。
在一些实施方式中,第一获取模块510,还用于:
接收信息采集指令,并获取信息采集指令携带的目标网址;
对目标网址进行信息爬取操作,获取多条信息数据。
在一些实施方式中,第一获取模块510,还用于:
针对任一条信息数据,对信息数据进行识别,判断信息数据是否具有标题;
响应于信息数据具有标题,将信息数据的标题作为信息数据的第一标题;
响应于信息数据未具有标题,基于语言模型抽取信息数据的第一标题。
在一些实施方式中,第一获取模块510,还用于:
对多条信息数据进行格式转换,包括繁简转换、大小写转换、全角半角转换中的一项或几项;和/或
对多条信息数据进行数据清洗,包括删除标签符号、删除表情符号、删除换行符号中的一项或几项。
在一些实施方式中,第二获取模块520,还用于:
基于预设字符数量阈值对多条信息数据进行分割处理,获取多条候选文本;或
基于预设分隔符对多条信息数据进行分割处理,获取多条候选文本。
在一些实施方式中,第二获取模块520,还用于:
基于预设分隔符对多条信息数据进行分割处理,获取多条初始文本;
对任一条初始文本的字符数量进行识别,响应于初始文本的字符数量在预设字符数量范围内,确定初始文本为候选文本。
在一些实施方式中,第二获取模块520,还用于:
响应于初始文本的字符数量未在字符数量范围内,确定字符数量范围中的最小字符数量和最大字符数量;
对字符数量小于最小字符数量的初始文本进行合并处理,获取候选文本,或对字符数量大于最大字符数量的初始文本继续进行分割处理,获取候选文本。
在一些实施方式中,预设分隔符包括句号、问号、感叹号、换行符中的一种或几种。
本公开实施例中,适用于信息发现及信息报告生成的场景,对多条信息数据进行分割处理,获取多条候选文本,对多条第一标题进行聚类,获取聚类后的第二标题,基于预设目标策略对第二标题进行筛选,获取第三标题,可以准确、全面的抽取信息数据中的信息;将第三标题和多条候选文本进行相似度匹配,从多条候选文本中确定多条目标文本,可以提高信息报告的生成效率,基于多条目标文本生成信息报告,极大的提高了信息的监测精度与信息报告的生成质量。
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是用来实现本公开实施例的电子设备的框图。该电子设备可以实现本公开实施例的信息报告的生成方法,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。
本公开技术方案中对数据的获取、存储、使用、处理等均符合相关法律法规的规定。
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,例如信息报告的生成方法。例如,在一些实施例中,信息报告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信息报告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)而被配置为执行信息报告的生成方法。
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)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,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 (25)
1.一种信息报告的生成方法,其中,包括:
获取多条信息数据,并获取任一条信息数据的第一标题;
对多条所述信息数据进行分割处理,获取多条候选文本;
对多条所述第一标题进行聚类,获取聚类后的第二标题,并基于预设目标策略对所述第二标题进行筛选,获取第三标题;
将所述第三标题和多条所述候选文本进行相似度匹配,从多条所述候选文本中确定多条目标文本,并基于多条所述目标文本生成信息报告。
2.根据权利要求1所述的方法,其中,所述基于预设目标策略对所述第二标题进行筛选,获取第三标题,包括:
获取预设的多个目标关键词;
将所述第二标题与任一所述目标关键词进行完全匹配,以确定所述第二标题是否包含所述目标关键词;
在所述第二标题包含所述目标关键词时确定所述第二标题为所述第三标题。
3.根据权利要求1所述的方法,其中,所述将所述第三标题和多条所述候选文本进行相似度匹配,从多条所述候选文本中确定多条目标文本,包括:
将所述第三标题和多条所述候选文本进行相似度匹配,将相似度最高的N个所述候选文本确定为多条所述目标文本;或
将所述第三标题和多条所述候选文本进行相似度匹配,将相似度大于预设相似度阈值的M个所述候选文本确定为多条所述目标文本;
其中,所述N、M为正整数。
4.根据权利要求3所述的方法,其中,所述基于多条所述目标文本生成信息报告,包括:
基于多个所述目标文本的相似度对多个所述目标文本进行排序;
按照所述目标文本的顺序,将第i个目标文本的解析结果与第i+1个目标文本进行合并解析,获取所述第i+1个目标文本的解析结果,直至完成所有目标文本的合并解析,生成所述信息报告;
其中,第一个目标文本的解析报告是由所述第一个目标文本进行解析获取的。
5.根据权利要求1-4任一项所述的方法,其中,所述获取多条信息数据,包括:
接收信息采集指令,并获取所述信息采集指令携带的目标网址;
对所述目标网址进行信息爬取操作,获取所述多条信息数据。
6.根据权利要求1-4任一项所述的方法,其中,所述获取任一条信息数据的第一标题,包括:
针对任一条信息数据,对所述信息数据进行识别,判断所述信息数据是否具有标题;
响应于所述信息数据具有标题,将所述信息数据的标题作为所述信息数据的第一标题;
响应于所述信息数据未具有标题,基于语言模型抽取所述信息数据的第一标题。
7.根据权利要求1-4任一项所述的方法,其中,所述获取多条信息数据之后,还包括:
对多条所述信息数据进行格式转换,包括繁简转换、大小写转换、全角半角转换中的一项或几项;和/或
对多条所述信息数据进行数据清洗,包括删除标签符号、删除表情符号、删除换行符号中的一项或几项。
8.根据权利要求1所述的方法,其中,所述对多条所述信息数据进行分割处理,获取多条候选文本,包括:
基于预设字符数量阈值对多条所述信息数据进行分割处理,获取多条所述候选文本;或
基于预设分隔符对多条所述信息数据进行分割处理,获取多条所述候选文本。
9.根据权利要求1所述的方法,其中,所述对多条所述信息数据进行分割处理,获取多条候选文本,包括:
基于预设分隔符对多条所述信息数据进行分割处理,获取多条初始文本;
对任一条所述初始文本的字符数量进行识别,响应于所述初始文本的字符数量在预设字符数量范围内,确定所述初始文本为所述候选文本。
10.根据权利要求9所述的方法,其中,还包括:
响应于所述初始文本的字符数量未在所述字符数量范围内,确定所述字符数量范围中的最小字符数量和最大字符数量;
对字符数量小于所述最小字符数量的所述初始文本进行合并处理,获取所述候选文本,或对字符数量大于所述最大字符数量的所述初始文本继续进行分割处理,获取所述候选文本。
11.根据权利要求8-10任一项所述的方法,其中,所述预设分隔符包括句号、问号、感叹号、换行符号中的一种或几种。
12.一种信息报告的生成装置,其中,包括:
第一获取模块,用于获取多条信息数据,并获取任一条信息数据的第一标题;
第二获取模块,用于对多条所述信息数据进行分割处理,获取多条候选文本;
第三获取模块,用于对多条所述第一标题进行聚类,获取聚类后的第二标题,并基于预设目标策略对所述第二标题进行筛选,获取第三标题;
生成模块,用于将所述第三标题和多条所述候选文本进行相似度匹配,从多条所述候选文本中确定多条目标文本,并基于多条所述目标文本生成信息报告。
13.根据权利要求12所述的装置,其中,所述第三获取模块,还用于:
获取预设的多个目标关键词;
将所述第二标题与任一所述目标关键词进行完全匹配,以确定所述第二标题是否包含所述目标关键词;
在所述第二标题包含所述目标关键词时确定所述第二标题为所述第三标题。
14.根据权利要求12所述的装置,其中,所述生成模块,还用于:
将所述第三标题和多条所述候选文本进行相似度匹配,将相似度最高的N个所述候选文本确定为多条所述目标文本;或
将所述第三标题和多条所述候选文本进行相似度匹配,将相似度大于预设相似度阈值的M个所述候选文本确定为多条所述目标文本;
其中,所述N、M为正整数。
15.根据权利要求14所述的装置,其中,所述生成模块,还用于:
基于多个所述目标文本的相似度对多个所述目标文本进行排序;
按照所述目标文本的顺序,将第i个目标文本的解析结果与第i+1个目标文本进行合并解析,获取所述第i+1个目标文本的解析结果,直至完成所有目标文本的合并解析,生成所述信息报告;
其中,第一个目标文本的解析报告是由所述第一个目标文本进行解析获取的。
16.根据权利要求12-15任一项所述的装置,其中,所述第一获取模块,还用于:
接收信息采集指令,并获取所述信息采集指令携带的目标网址;
对所述目标网址进行信息爬取操作,获取所述多条信息数据。
17.根据权利要求12-15任一项所述的装置,其中,所述第一获取模块,还用于:
针对任一条信息数据,对所述信息数据进行识别,判断所述信息数据是否具有标题;
响应于所述信息数据具有标题,将所述信息数据的标题作为所述信息数据的第一标题;
响应于所述信息数据未具有标题,基于语言模型抽取所述信息数据的第一标题。
18.根据权利要求12-15任一项所述的装置,其中,所述第一获取模块,还用于:
对多条所述信息数据进行格式转换,包括繁简转换、大小写转换、全角半角转换中的一项或几项;和/或
对多条所述信息数据进行数据清洗,包括删除标签符号、删除表情符号、删除换行符号中的一项或几项。
19.根据权利要求12所述的装置,其中,所述第二获取模块,还用于:
基于预设字符数量阈值对多条所述信息数据进行分割处理,获取多条所述候选文本;或
基于预设分隔符对多条所述信息数据进行分割处理,获取多条所述候选文本。
20.根据权利要求12所述的装置,其中,所述第二获取模块,还用于:
基于预设分隔符对多条所述信息数据进行分割处理,获取多条初始文本;
对任一条所述初始文本的字符数量进行识别,响应于所述初始文本的字符数量在预设字符数量范围内,确定所述初始文本为所述候选文本。
21.根据权利要求20所述的装置,其中,所述第二获取模块,还用于:
响应于所述初始文本的字符数量未在所述字符数量范围内,确定所述字符数量范围中的最小字符数量和最大字符数量;
对字符数量小于所述最小字符数量的所述初始文本进行合并处理,获取所述候选文本,或对字符数量大于所述最大字符数量的所述初始文本继续进行分割处理,获取所述候选文本。
22.根据权利要求19-21任一项所述的装置,其中,所述预设分隔符包括句号、问号、感叹号、换行符中的一种或几种。
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执行权利要求1-11任一项所述的方法。
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1-11任一项所述的方法。
25.一种计算机程序产品,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1-11中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311532438.XA CN117574168A (zh) | 2023-11-16 | 2023-11-16 | 信息报告的生成方法及其装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311532438.XA CN117574168A (zh) | 2023-11-16 | 2023-11-16 | 信息报告的生成方法及其装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117574168A true CN117574168A (zh) | 2024-02-20 |
Family
ID=89891177
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311532438.XA Pending CN117574168A (zh) | 2023-11-16 | 2023-11-16 | 信息报告的生成方法及其装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117574168A (zh) |
-
2023
- 2023-11-16 CN CN202311532438.XA patent/CN117574168A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113836314B (zh) | 知识图谱构建方法、装置、设备以及存储介质 | |
CN112926308B (zh) | 匹配正文的方法、装置、设备、存储介质以及程序产品 | |
CN112989235A (zh) | 基于知识库的内链构建方法、装置、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 | |
EP3992814A2 (en) | Method and apparatus for generating user interest profile, electronic device and storage medium | |
CN114970540A (zh) | 训练文本审核模型的方法和装置 | |
CN112699237B (zh) | 标签确定方法、设备和存储介质 | |
CN112528146B (zh) | 内容资源推荐方法、装置、电子设备及存储介质 | |
CN113987180A (zh) | 用于输出信息和处理信息的方法和装置 | |
CN115048523B (zh) | 文本分类方法、装置、设备以及存储介质 | |
CN114818736B (zh) | 文本处理方法、用于短文本的链指方法、装置及存储介质 | |
CN115952258A (zh) | 政务标签库的生成方法、政务文本的标签确定方法和装置 | |
CN113886543A (zh) | 生成意图识别模型的方法、装置、介质及程序产品 | |
CN114048315A (zh) | 确定文档标签的方法、装置、电子设备和存储介质 | |
CN114417862A (zh) | 文本匹配方法、文本匹配模型的训练方法和装置 | |
CN117574168A (zh) | 信息报告的生成方法及其装置 | |
CN112926297A (zh) | 处理信息的方法、装置、设备和存储介质 | |
CN112528644A (zh) | 实体挂载的方法、装置、设备以及存储介质 | |
CN114186552B (zh) | 文本分析方法、装置、设备及计算机存储介质 | |
CN113377921B (zh) | 用于匹配信息的方法、装置、电子设备以及介质 | |
CN113377922B (zh) | 用于匹配信息的方法、装置、电子设备以及介质 | |
CN113360602A (zh) | 用于输出信息的方法、装置、设备以及存储介质 | |
CN116955447A (zh) | 标签挖掘方法、装置、电子设备及存储介质 | |
CN114706956A (zh) | 分类信息获取、分类方法、装置、电子设备和存储介质 | |
CN115168622A (zh) | 语言模型的训练方法、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 |