CN108388597A - 会议摘要生成方法以及装置 - Google Patents
会议摘要生成方法以及装置 Download PDFInfo
- Publication number
- CN108388597A CN108388597A CN201810100809.XA CN201810100809A CN108388597A CN 108388597 A CN108388597 A CN 108388597A CN 201810100809 A CN201810100809 A CN 201810100809A CN 108388597 A CN108388597 A CN 108388597A
- Authority
- CN
- China
- Prior art keywords
- keyword
- meeting
- speech
- conference summary
- conference
- 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 48
- 238000012545 processing Methods 0.000 claims description 22
- 230000015654 memory Effects 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000001427 coherent effect Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 210000004209 hair Anatomy 0.000 description 2
- 230000005291 magnetic effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 210000000352 storage cell Anatomy 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000003442 weekly effect Effects 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/40—Processing or translation of natural language
- G06F40/55—Rule-based translation
- G06F40/56—Natural language generation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开是关于一种会议摘要生成方法、装置、电子设备以及存储介质,涉及计算机技术领域。其中,该方法包括:获取会议中发言人的发言,确定所述发言中的会议关键字,生成会议关键词生成关键词向量,计算所述关键词向量的投影长度,根据投影长度最长的关键词向量生成会议摘要。本公开可以快速有效的生成会议摘要,提高工作效率,节约人工成本。
Description
技术领域
本公开涉及计算机技术领域,具体而言,涉及一种会议摘要生成方法、装置、电子设备以及计算机可读存储介质。
背景技术
目前,随着电子设备录制音频或录制视频来记录事件的普及,记录会议的方式又变得多种多样,除了文字记录的方式,音频和视频也越来越多的被使用。例如:对大型内容进行速记形式的文字记录,方便文字直播或发表新闻稿;或者,对每周例会进行音视频录制,方便日后查档调阅等等。
然而,无论是文字记录还是音视频记录会议内容,都需要人工调阅会议记录,全面了解会议内容后,人工编辑总结会议摘要,导致工作效率较低,且浪费人工成本。
因此,需要提供一种至少能够解决上述问题的技术方案。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种会议摘要生成方法、装置、电子设备以及计算机可读存储介质,进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。
根据本公开的一个方面,提供一种会议摘要生成方法,包括:
获取会议中发言人的发言;
确定所述发言中的会议关键字,包括:确定所述发言中出现频率大于预设阈值的高频词语,并将所述高频词语作为会议关键词;
将所述会议关键词生成关键词向量,所述关键词向量表示所述关键词各维度上的关键词相关度;
计算所述关键词向量的投影长度,根据投影长度最长的关键词向量生成会议摘要。
在本公开的一种示例性实施例中,将所述会议关键词生成关键词向量,包括:
对所述会议关键词进行噪声过滤,得到有效关键词;
将所述有效关键词进行文本深度表示模型word2vec处理,得到所述会议关键词的词向量。
在本公开的一种示例性实施例中,所述关键词向量的投影长度的计算公式包括:
其中,为投影长度,A为关键词,为关键词向量的各分向量。
在本公开的一种示例性实施例中,根据投影长度最长的关键词向量生成会议摘要后,所述方法还包括:
根据以下一种或多种方式对所述会议摘要进行优化处理,包括:
对所述会议摘要内容进行分析过滤,过滤所述会议摘要中的异常词语;
对所述会议摘要做顺滑处理,包括:分析所述会议摘要前后句的语义,根据预设的语法模型确定是否对所述前后句中添加连接词;
根据预存的会议议程重点信息检测所述会议摘要的正确率,并根据所述会议议程重点内容修正所述会议摘要。
在本公开的一种示例性实施例中,所述获取会议中发言人的发言,包括:
预设会议发言重点区域范围;
获取所述会议发言中重点发言区域范围中的发言内容。
在本公开的一种示例性实施例中,确定所述发言中的会议关键字,还包括:
获取预设的关键字,将预设的关键字作为会议关键字。
在本公开的一种示例性实施例中,所述方法还包括:
当所述会议中发言人为多个时,在获取会议中发言人的发言后,根据预存的会议议程中发言人的发言时间顺序确定出发言内容以及对应的发言人;
所述生成的会议摘要包括与各个发言人对应的多个会议摘要内容。
在本公开的一种示例性实施例中,所生成的会议摘要为文本摘要和/或语音摘要。
在本公开的一个方面,提供一种会议摘要生成装置,包括:
发言获取模块,用于获取会议中发言人的发言;
关键字确定模块,确定所述发言中的会议关键字,包括:确定所述发言中出现频率大于预设阈值的高频词语,并将所述高频词语作为会议关键词;
向量生成模块,用于将所述会议关键词生成关键词向量,所述关键词向量表示所述关键词各维度上的关键词相关度;
摘要生成模块,用于计算所述关键词向量的投影长度,根据投影长度最长的关键词向量生成会议摘要。
在本公开的一个方面,提供一种电子设备,包括:
处理器;以及
存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时实现根据上述任意一项所述的方法。
在本公开的一个方面,提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现根据上述任意一项所述的方法。
本公开的示例性实施例中的会议摘要生成方法,获取会议中发言人的发言,确定所述发言中的会议关键字,生成会议关键词生成关键词向量,计算所述关键词向量的投影长度,根据投影长度最长的关键词向量生成会议摘要。一方面,由于使用频率搜索与非失效词过滤结合的方法查找会议关键词,实现了会议关键词快速高效的定位;另一方面,在不同维度上生成关键词向量,并通过计算选取投影长度最长的关键词生成会议摘要,能够极强的贴合会议主题,提高了生成的会议摘要的准确性。再一方面,本申请无需人工对会议内容进行分析以及会议摘要的记录,可有效提高会议摘要记录中的工作效率,节约人工成本。
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,并不能限制本公开。
附图说明
通过参照附图来详细描述其示例实施例,本公开的上述和其它特征及优点将变得更加明显。
图1示出了根据本公开一示例性实施例的会议摘要生成方法的流程图;
图2示出了根据本公开一示例性实施例的会议摘要生成装置的示意框图;
图3示意性示出了根据本公开一示例性实施例的电子设备的框图;以及
图4示意性示出了根据本公开一示例性实施例的计算机可读存储介质的示意图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而,示例实施例能够以多种形式实施,且不应被理解为限于在此阐述的实施例;相反,提供这些实施例使得本公开将全面和完整,并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本公开的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而没有所述特定细节中的一个或更多,或者可以采用其它的方法、组元、材料、装置、步骤等。在其它情况下,不详细示出或描述公知结构、方法、装置、实现、材料或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个软件硬化的模块中实现这些功能实体或功能实体的一部分,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
在本示例实施例中,首先提供了一种会议摘要生成方法,可以应用于计算机等电子设备;参考图1中所示,该会议摘要生成方法可以包括以下步骤:
步骤S110.获取会议中发言人的发言;
步骤S120.确定所述发言中的会议关键字,包括:确定所述发言中出现频率大于预设阈值的高频词语,并将所述高频词语作为会议关键词;
步骤S130.将所述会议关键词生成关键词向量,所述关键词向量表示所述关键词各维度上的关键词相关度;
步骤S140.计算所述关键词向量的投影长度,根据投影长度最长的关键词向量生成会议摘要。
根据本示例实施例中的会议摘要生成方法,一方面,由于使用频率搜索与非失效词过滤结合的方法查找会议关键词,实现了会议关键词快速高效的定位;另一方面,在不同维度上生成关键词向量,并通过计算选取投影长度最长的关键词生成会议摘要,能够极强的贴合会议主题,提高了生成的会议摘要的准确性;再一方面,本申请无需人工对会议内容进行分析以及会议摘要的记录,可有效提高会议摘要记录中的工作效率,节约人工成本。
下面,将对本示例实施例中的会议摘要生成方法进行进一步的说明。
在步骤S110中,可以获取会议中发言人的发言;
本示例实施方式中,所述获取的会议中发言人的发言,可以是文本文件、音频文件,也可以是视频文件中的音频部分;另外可以是会议中部分时段或指定发言人发言内容的文本文件,记录全部会议的完整音频,或是记录会议部分内容或片段时间的音频。
在步骤S120中,可以确定所述发言中的会议关键字,包括:确定所述发言中出现频率大于预设阈值的高频词语,并将所述高频词语作为会议关键词;
本示例实施方式中,如果会议记录是以音视频的方式记录的,则需对所述音频或视频中的音频部分进行语音识别,可以将语音识别后的音频转化为文本文件的会议记录;也可以将所述音频部分与预设标准发音库进行匹配,该预设标准发音库中包括所有语音发音波形对应的词语,通过将所述音频部分与预设标准发音库进行匹配,以进行语音识别,获取会议记录的词语内容。无论以上哪种方法,其目的都是为了获取到构成会议记录中的全部词语。
在获取到构成会议记录中的全部词语后,统计所有词语出现的频率,并选取出现频率大于预设阈值的高频词语作为会议关键词,所述关键词可能有一个或者多个,可以预设出现频率最高的一个或者多个词语作为关键词,也可以将各词语的出现频率进行降序排列,并将出现频率位于前列的若干个词语(例如10个)作为关键词。
本示例实施方式中,在统计所有词语出现的频率时,需要先对所述会议记录中的所有词语进行噪声过滤,过滤掉一些没有实意的词语,包括但不限于:介词、副词、助词、冠词等。举例说明:
在某公司年会中,以文字形式记录的会议记录为:“…公司全年业务提升较快,实现了30%的增长…30%的增长是全体同事努力的结果…”,在以上的会议记录中,“了”、“的”、“是”等词为没有实意的词语,对构成会议摘要没有实际内容的作用,需要在噪声过滤时过滤掉,不作为高频词语统计的对象。
需要说明的是,统计高频词语作为会议关键字只是确定会议关键字的一种方法,也可以使用预设会议关键字、通过会议主题预估关键字等方法来确定会议关键字,本发明对此不作具体限定。
在步骤S130中,可以将所述会议关键词生成关键词向量,所述关键词向量表示所述关键词各维度上的关键词相关度;
本示例实施方式中,会议记录中的每个词语几乎都是跟在另一个词语之后,或位于另一个词语之前。将每个词语作为起点,与之相邻的词语作为中点,词语之间的前后相邻关系作为起点到中点的方向,就生成了一个词向量,中点词语到下一个中点词语也生成了一个词向量,中点词语到终点词语也生成了一个词向量,而起点词语到终点词语也是一个词向量,所述起点词语到终点词语的词向量是由多个词向量叠加计算而成。每一个词向量都代表了一个词语在词向量指向维度上的词语相关度。
由于会议记录中每个词语构成的词向量数量庞大,所以可以只对关键词生成关键词向量,来表示关键词各维度上的关键词相关度。其中,将所述会议关键词生成关键词向量,可以包括:对所述会议关键词进行噪声过滤,得到有效关键词;将所述有效关键词进行文本深度表示模型word2vec处理,得到所述会议关键词的词向量。
文本深度表示模型word2vec实质为一种浅层神经网络算法,通过训练学习来实现自然语言处理,可以快速在庞大的文本中生成关键词向量。
步骤S140.计算所述关键词向量的投影长度,根据投影长度最长的关键词向量生成会议摘要。
本示例实施方式中,关键词向量的投影长度的计算公式包括:
其中,为投影长度,A为关键词,为关键词向量的各分向量,分别代表起点词语到中点词语的词向量,中点词语到中点词语的词向量…中点词语到中点词语的词向量,向量的叠加可以表示为向量的加法运算,得到起点词语到终点词语的词向量求取词向量的向量的模,也就是所述向量的投影长度。根据投影长度最长的关键词向量生成会议摘要。以上述某公司年会的会议记录“…公司全年业务提升较快,实现了30%的增长…30%的增长是全体同事努力的结果…”为例,选取单一关键词为“公司”,生成所有关键词向量,并计算各关键词向量投影长度,确定最长投影长度的关键词向量为:“公司业务30%增长”,则确定公司年会会议摘要的为:“公司业务30%增长”。
本示例实施方式中,为了获取更加精确的会议摘要,还可以对会议中的发言分段提取,并按照分段后的发言内容分别生成多个会议摘要(即会议摘要整体的多个部分内容),通过对在获取到多个会议摘要的部分内容进行合并后,以得到完整的会议摘要。该会议摘要的形式可以根据需要为文本摘要也可以是语音摘要,还可以同时生成文本摘要以及语音摘要。
本示例实施方式中,在根据投影长度最长的关键词向量生成会议摘要后,可以会因会议摘要中有异常词或语言不够准确、通顺等原因,而需要对所述会议摘要进行优化处理,因此,在根据投影长度最长的关键词向量生成会议摘要后,本申请还可以根据以下一种或多种方式对所述会议摘要进行优化处理:
对所述会议摘要内容进行分析过滤,过滤所述会议摘要中的异常词语;或者,
对所述会议摘要做顺滑处理,包括:分析所述会议摘要前后句的语义,根据预设的语法模型确定是否对所述前后句中添加连接词;或者,
根据预存的会议议程重点信息检测所述会议摘要的正确率,并根据所述会议议程重点内容修正所述会议摘要。
举例而言,如在会议记录中,常会有因语音识别不准确、或会议主发言人带有口头禅词语,而这次词语又非没有实意的词语,无法在选取关键词的时候将这些词语过滤掉,但是这些词语如果出现在会议摘要中,又明显不符合语境或易歪曲会议摘要本意,那么就需要对所述会议摘要内容进行分析过滤,过滤所述会议摘要中的异常词语;
又如使用最长关键词向量投影长度的关键词向量作为会议摘要时,由于在确定关键词的时候,剔除了一些冠词、副词等连贯性词语,则在生成会议摘要后,虽然所述会议摘要涵盖表述会议主题,但是语言往往不够通顺,这时就需要对所述会议摘要做顺滑处理,包括:分析所述会议摘要前后句的语义,根据预设的语法模型确定是否对所述前后句中添加连接词;
在一些情况下,还可以根据预存的会议议程重点信息检测所述会议摘要的正确率,并根据所述会议议程重点内容修正所述会议摘要,以上这些方法同样是不需人工干预,只要有预设的规则,就可以实现对会议摘要的优化。
本示例实施方式中,还可以通过预设会议发言重点区域范围,获取所述会议发言中重点发言区域范围中的发言内容的方式,来进一步缩小关键词向量产生的范围,减少运算压力,同时,由于标注了发言的重点区域范围,可以通过对各区域范围附加权重值的方式,增加关键词向量代表的会议摘要的准确性。如选取会议0%~5%,10%~30%及80%~100%之间作为会议重点区域,所述范围内包含的关键词向量的投影长度权重值系数大于1,增加此范围内会议发言内容的摘要权重。
本示例实施方式中,当所述会议中发言人为多个时,在获取会议中发言人的发言后,可以通过预存的会议议程中发言人的发言时间顺序、语言识别发言人身份、用于预设指定片段等方式,确定出发言人以及对应的发言内容,对各个发言人的发言片段分别处理,通过查找关键词、生成关键词向量,计算并选取最长关键词向量长度的关键词向量的方法,生成与各个发言人对应的多个会议摘要内容,也可以统计生成按照各发言人会议摘要的总会议摘要。
需要说明的是,尽管在附图中以特定顺序描述了本公开中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
此外,在本示例实施例中,还提供了一种会议摘要生成装置。参照图2所示,该会议摘要生成装置200可以包括:发言获取模块210、关键字确定模块220、向量生成模块230以及摘要生成模块240。其中:
发言获取模块210,用于获取会议中发言人的发言;
关键字确定模块220,确定所述发言中的会议关键字,包括:确定所述发言中出现频率大于预设阈值的高频词语,并将所述高频词语作为会议关键词;
向量生成模块230,用于将所述会议关键词生成关键词向量,所述关键词向量表示所述关键词各维度上的关键词相关度;
摘要生成模块240,用于计算所述关键词向量的投影长度,根据投影长度最长的关键词向量生成会议摘要。
上述中各会议摘要生成装置模块的具体细节已经在对应的会议摘要生成方法中进行了详细的描述,因此此处不再赘述。
应当注意,尽管在上文详细描述中提及了会议摘要生成装置200的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外,在本公开的示例性实施例中,还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为***、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施例、完全的软件实施例(包括固件、微代码等),或硬件和软件方面结合的实施例,这里可以统称为“电路”、“模块”或“***”。
下面参照图3来描述根据本发明的这种实施例的电子设备300。图3显示的电子设备300仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示,电子设备300以通用计算设备的形式表现。电子设备300的组件可以包括但不限于:上述至少一个处理单元310、上述至少一个存储单元320、连接不同***组件(包括存储单元320和处理单元310)的总线330、显示单元340。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元310执行,使得所述处理单元310执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。例如,所述处理单元310可以执行如图1中所示的步骤S110至步骤S130。
存储单元320可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)3201和/或高速缓存存储单元3202,还可以进一步包括只读存储单元(ROM)3203。
存储单元320还可以包括具有一组(至少一个)程序模块3205的程序/实用工具3204,这样的程序模块3205包括但不限于:操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线330可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、***总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备300也可以与一个或多个外部设备370(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备300交互的设备通信,和/或与使得该电子设备300能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口350进行。并且,电子设备300还可以通过网络适配器360与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器360通过总线330与电子设备300的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备300使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
通过以上的实施例的描述,本领域的技术人员易于理解,这里描述的示例实施例可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施例的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施例的方法。
在本公开的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。
参考图4所示,描述了根据本发明的实施例的用于实现上述方法的程序产品400,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、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)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外,上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。
Claims (11)
1.一种会议摘要生成方法,其特征在于,所述方法包括:
获取会议中发言人的发言;
确定所述发言中的会议关键字,包括:确定所述发言中出现频率大于预设阈值的高频词语,并将所述高频词语作为会议关键词;
将所述会议关键词生成关键词向量,所述关键词向量表示所述关键词各维度上的关键词相关度;
计算所述关键词向量的投影长度,根据投影长度最长的关键词向量生成会议摘要。
2.如权利要求1所述的方法,其特征在于,将所述会议关键词生成关键词向量,包括:
对所述会议关键词进行噪声过滤,得到有效关键词;
将所述有效关键词进行文本深度表示模型word2vec处理,得到所述会议关键词的词向量。
3.如权利要求1所述的方法,其特征在于,所述关键词向量的投影长度的计算公式包括:
其中,为投影长度,A为关键词,为关键词向量的各分向量。
4.如权利要求1所述的方法,其特征在于,根据投影长度最长的关键词向量生成会议摘要后,所述方法还包括:
根据以下一种或多种方式对所述会议摘要进行优化处理;包括:
对所述会议摘要内容进行分析过滤,过滤所述会议摘要中的异常词语;
对所述会议摘要做顺滑处理,包括:分析所述会议摘要前后句的语义,根据预设的语法模型确定是否对所述前后句中添加连接词;
根据预存的会议议程重点信息检测所述会议摘要的正确率,并根据所述会议议程重点内容修正所述会议摘要。
5.如权利要求1所述的方法,其特征在于,所述获取会议中发言人的发言,包括:
预设会议发言重点区域范围;
获取所述会议发言中重点发言区域范围中的发言内容。
6.如权利要求1所述的方法,其特征在于,确定所述发言中的会议关键字,还包括:
获取预设的关键字,将预设的关键字作为会议关键字。
7.如权利要求1所述的方法,其特征在于,所述方法还包括:
当所述会议中发言人为多个时,在获取会议中发言人的发言后,根据预存的会议议程中发言人的发言时间顺序确定出发言内容以及对应的发言人;
所述生成的会议摘要包括与各个发言人对应的多个会议摘要内容。
8.如权利要求1所述的方法,其特征在于,所生成的会议摘要为文本摘要和/或语音摘要。
9.一种会议摘要生成装置,其特征在于,所述装置包括:
发言获取模块,用于获取会议中发言人的发言;
关键字确定模块,确定所述发言中的会议关键字,包括:确定所述发言中出现频率大于预设阈值的高频词语,并将所述高频词语作为会议关键词;
向量生成模块,用于将所述会议关键词生成关键词向量,所述关键词向量表示所述关键词各维度上的关键词相关度;
摘要生成模块,用于计算所述关键词向量的投影长度,根据投影长度最长的关键词向量生成会议摘要。
10.一种电子设备,其特征在于,包括
处理器;以及
存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时实现根据权利要求1至8中任一项所述的方法。
11.一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现根据权利要求1至8中任一项所述方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810100809.XA CN108388597A (zh) | 2018-02-01 | 2018-02-01 | 会议摘要生成方法以及装置 |
PCT/CN2018/078529 WO2019148585A1 (zh) | 2018-02-01 | 2018-03-09 | 会议摘要生成方法以及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810100809.XA CN108388597A (zh) | 2018-02-01 | 2018-02-01 | 会议摘要生成方法以及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108388597A true CN108388597A (zh) | 2018-08-10 |
Family
ID=63074831
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810100809.XA Pending CN108388597A (zh) | 2018-02-01 | 2018-02-01 | 会议摘要生成方法以及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN108388597A (zh) |
WO (1) | WO2019148585A1 (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110619450A (zh) * | 2019-03-28 | 2019-12-27 | 内蒙古伊利实业集团股份有限公司 | 风险交流管理方法、***和计算机可读存储介质 |
CN110837557A (zh) * | 2019-11-05 | 2020-02-25 | 北京声智科技有限公司 | 摘要生成方法、装置、设备及介质 |
CN111368066A (zh) * | 2018-12-06 | 2020-07-03 | 北京京东尚科信息技术有限公司 | 获取对话摘要的方法、装置和计算机可读存储介质 |
CN111564157A (zh) * | 2020-03-18 | 2020-08-21 | 浙江省北大信息技术高等研究院 | 会议记录优化方法、装置、设备及存储介质 |
CN113362045A (zh) * | 2021-08-10 | 2021-09-07 | 北京明略软件***有限公司 | 会议日程的生成方法、装置、电子设备及可读存储介质 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110888976B (zh) * | 2019-11-14 | 2023-06-20 | 北京香侬慧语科技有限责任公司 | 一种文本摘要生成方法和装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106066856A (zh) * | 2016-05-24 | 2016-11-02 | 北京工商大学 | 一种基于编辑距离以及词频和词向量的实体关系识别方法 |
CN106599269A (zh) * | 2016-12-22 | 2017-04-26 | 东软集团股份有限公司 | 关键词提取方法及装置 |
CN106776881A (zh) * | 2016-11-28 | 2017-05-31 | 中国科学院软件研究所 | 一种基于微博平台的领域信息推荐***及方法 |
CN106997344A (zh) * | 2017-03-31 | 2017-08-01 | 成都数联铭品科技有限公司 | 关键词抽取*** |
CN107220232A (zh) * | 2017-04-06 | 2017-09-29 | 北京百度网讯科技有限公司 | 基于人工智能的关键词提取方法及装置、设备与可读介质 |
CN107562723A (zh) * | 2017-08-24 | 2018-01-09 | 网易乐得科技有限公司 | 会议处理方法、介质、装置和计算设备 |
CN107562717A (zh) * | 2017-07-24 | 2018-01-09 | 南京邮电大学 | 一种基于Word2Vec与词共现相结合的文本关键词抽取方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3254455B1 (en) * | 2015-02-03 | 2019-12-18 | Dolby Laboratories Licensing Corporation | Selective conference digest |
-
2018
- 2018-02-01 CN CN201810100809.XA patent/CN108388597A/zh active Pending
- 2018-03-09 WO PCT/CN2018/078529 patent/WO2019148585A1/zh active Application Filing
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106066856A (zh) * | 2016-05-24 | 2016-11-02 | 北京工商大学 | 一种基于编辑距离以及词频和词向量的实体关系识别方法 |
CN106776881A (zh) * | 2016-11-28 | 2017-05-31 | 中国科学院软件研究所 | 一种基于微博平台的领域信息推荐***及方法 |
CN106599269A (zh) * | 2016-12-22 | 2017-04-26 | 东软集团股份有限公司 | 关键词提取方法及装置 |
CN106997344A (zh) * | 2017-03-31 | 2017-08-01 | 成都数联铭品科技有限公司 | 关键词抽取*** |
CN107220232A (zh) * | 2017-04-06 | 2017-09-29 | 北京百度网讯科技有限公司 | 基于人工智能的关键词提取方法及装置、设备与可读介质 |
CN107562717A (zh) * | 2017-07-24 | 2018-01-09 | 南京邮电大学 | 一种基于Word2Vec与词共现相结合的文本关键词抽取方法 |
CN107562723A (zh) * | 2017-08-24 | 2018-01-09 | 网易乐得科技有限公司 | 会议处理方法、介质、装置和计算设备 |
Non-Patent Citations (1)
Title |
---|
曾剑平: "《互联网大数据处理技术与应用》", 30 April 2017, 清华大学出版社 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111368066A (zh) * | 2018-12-06 | 2020-07-03 | 北京京东尚科信息技术有限公司 | 获取对话摘要的方法、装置和计算机可读存储介质 |
CN111368066B (zh) * | 2018-12-06 | 2024-02-09 | 北京京东尚科信息技术有限公司 | 获取对话摘要的方法、装置和计算机可读存储介质 |
CN110619450A (zh) * | 2019-03-28 | 2019-12-27 | 内蒙古伊利实业集团股份有限公司 | 风险交流管理方法、***和计算机可读存储介质 |
CN110619450B (zh) * | 2019-03-28 | 2022-07-05 | 内蒙古伊利实业集团股份有限公司 | 风险交流管理方法、***和计算机可读存储介质 |
CN110837557A (zh) * | 2019-11-05 | 2020-02-25 | 北京声智科技有限公司 | 摘要生成方法、装置、设备及介质 |
CN110837557B (zh) * | 2019-11-05 | 2023-02-17 | 北京声智科技有限公司 | 摘要生成方法、装置、设备及介质 |
CN111564157A (zh) * | 2020-03-18 | 2020-08-21 | 浙江省北大信息技术高等研究院 | 会议记录优化方法、装置、设备及存储介质 |
CN113362045A (zh) * | 2021-08-10 | 2021-09-07 | 北京明略软件***有限公司 | 会议日程的生成方法、装置、电子设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2019148585A1 (zh) | 2019-08-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11568231B2 (en) | Waypoint detection for a contact center analysis system | |
CN108388597A (zh) | 会议摘要生成方法以及装置 | |
US10073834B2 (en) | Systems and methods for language feature generation over multi-layered word representation | |
RU2571608C2 (ru) | Создание заметок с использованием голосового потока | |
US9923860B2 (en) | Annotating content with contextually relevant comments | |
US9047868B1 (en) | Language model data collection | |
US20190258660A1 (en) | System and method for summarizing a multimedia content item | |
CN114503115A (zh) | 生成丰富的动作项目 | |
US9483582B2 (en) | Identification and verification of factual assertions in natural language | |
US10067935B2 (en) | Prediction and optimized prevention of bullying and other counterproductive interactions in live and virtual meeting contexts | |
CN109885810A (zh) | 基于语义解析的人机问答方法、装置、设备和存储介质 | |
US20160226813A1 (en) | Smartphone indicator for conversation nonproductivity | |
CN105489221A (zh) | 一种语音识别方法及装置 | |
CN106713111B (zh) | 一种添加好友的处理方法、终端及服务器 | |
CN102822889A (zh) | 用于tts级联成本的预先保存的数据压缩 | |
US8868419B2 (en) | Generalizing text content summary from speech content | |
US20200387534A1 (en) | Media selection based on content topic & sentiment | |
CN111274412A (zh) | 信息提取方法、信息提取模型训练方法、装置及存储介质 | |
CN114003682A (zh) | 一种文本分类方法、装置、设备及存储介质 | |
CN110245334A (zh) | 用于输出信息的方法和装置 | |
US11437038B2 (en) | Recognition and restructuring of previously presented materials | |
CN113177418A (zh) | 一种会话主题确定方法、装置、存储介质及电子设备 | |
WO2021211300A1 (en) | System and method for summerization of customer interaction | |
CN113053362A (zh) | 语音识别的方法、装置、设备和计算机可读介质 | |
KR102222637B1 (ko) | 감성 분석 장치, 이를 포함하는 대화형 에이전트 시스템, 감성 분석을 수행하기 위한 단말 장치 및 감성 분석 방법 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180810 |
|
RJ01 | Rejection of invention patent application after publication |