CN112446207A - 标题生成方法、装置、电子设备及存储介质 - Google Patents

标题生成方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN112446207A
CN112446207A CN202011385255.6A CN202011385255A CN112446207A CN 112446207 A CN112446207 A CN 112446207A CN 202011385255 A CN202011385255 A CN 202011385255A CN 112446207 A CN112446207 A CN 112446207A
Authority
CN
China
Prior art keywords
corpus
title
original
generation model
target
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
Application number
CN202011385255.6A
Other languages
English (en)
Inventor
陈军
庄伯金
王少军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN202011385255.6A priority Critical patent/CN112446207A/zh
Publication of CN112446207A publication Critical patent/CN112446207A/zh
Priority to PCT/CN2021/083719 priority patent/WO2022116435A1/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/258—Heading extraction; Automatic titling; Numbering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/12—Use of codes for handling textual entities
    • G06F40/126—Character encoding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Machine Translation (AREA)

Abstract

标题生成方法、装置、电子设备及存储介质。本发明涉及一种智能决策领域，揭露了一种标题生成方法，包括：获取原始语料集，对所述原始语料集进行预处理操作及分割符标识，生成目标语料集；利用预构建的标题生成模型对所述目标语料集进行向量编码、语义编码及标题序列解码，得到解码标题，计算所述解码标题与所述原始语料集对应标签的损失值，根据所述损失值调整所述标题生成模型的参数，直至所述损失值小于预设的阈值时，得到训练完成的标题生成模型；基于用户输入的标题风格，利用所述训练完成的标题生成模型对待生成标题的语料进行标题生成，得到生成结果。此外，本发明还涉及区块链技术，所述目标语料集可存储于区块链中。本发明可以生成流畅符合语义及满足用户风格的标题。

Description

标题生成方法、装置、电子设备及存储介质
技术领域
本发明涉及智能决策领域，尤其涉及一种标题生成方法、装置、电子设备及计算机可读存储介质。
背景技术
标题生成是从原始内容中自动生成对应的标题。在金融舆情事件中，标题生成可以作为信息抽取的一种手段方式，帮助挖掘舆情事件中的热点事件，同样，在财经领域新闻等媒体网站中，根据新闻自动生成吸引眼球的标题，使得用户更加倾向点击阅读新闻，提升整体新闻的曝光和点击。
目前，关于标题生成的方法存在以下两种问题：第一、主要基于抽取方式去做，即从文章中抽取重要的词语作为文章的主题，再将这些词按照一定的语法规则组成标题，无法生成流畅的符合语义的标题；第二、生成的标题不能很好的结合用户的风格来生成符合用户个性化需求的标题。
发明内容
本发明提供一种标题生成方法、装置、电子设备及计算机可读存储介质，其主要目的在于生成流畅符合语义及满足用户风格的标题。
为实现上述目的，本发明提供的一种标题生成方法，包括：
获取原始语料集，对所述原始语料集进行预处理操作，得到标准语料集；
对所述标准语料集进行分割符标识，生成目标语料集；
利用预构建的标题生成模型对所述目标语料集进行向量编码，得到语料向量集，并利用所述标题生成模型中的编码器对所述语料向量集进行语义编码，得到语义向量集；
利用所述标题生成模型中的解码器对所述语义向量集进行标题序列解码，得到解码标题，计算所述解码标题与所述原始语料集对应标签的损失值，根据所述损失值调整所述标题生成模型的参数，直至所述损失值小于预设的阈值时，得到训练完成的标题生成模型；
基于用户输入的标题风格，利用所述训练完成的标题生成模型对待生成标题的语料进行标题生成，得到生成结果。
可选地，所述获取所述原始语料集包括：
爬取待获取原始语料集的统一资源定位符地址，并对所述待获取原始语料集进行字符标识，根据所述统一资源定位符地址，加载所述待获取原始语料集对应的***界面，根据所述字符标识，从所述***界面中获取对应的原始语料集。
可选地，所述对所述原始语料集进行预处理操作，得到标准语料集，包括：
对所述原始语料集进行数据清洗，得到初始语料集；
对所述初始语料集中的原始标题进行标题句式识别及字符计算，得到标题类别；
对所述初始语料集进行关键词提取，得到语料关键词集，并从所述语料关键词集中筛选出与所述初始语料集中原始标题具有重叠的关键词，得到目标关键词；
将所述初始语料集、标题类别以及目标关键词进行组合，得到标准语料集。
可选地，所述对所述标准语料集进行分割符标识，包括：
利用下述方法对所述标准语料集进行分割符标识：
inputk＝[CLS]content[SEP]kw[SEP]js[SEP]jc[SEP]title[EOS]
其中，inputk表示目标语料集，[CLS]表示句首标注，[SEP]表示分割符标注，[EOS]表示句末标注，content标准语料集中的文本内容，kw表示标准语料集中的目标关键词，js表示标准语料集中原始标题类别的句式，jc表示标准语料集中原始标题类别的句长，title表示标准语料集中的原始标题内容。
可选地，所述利用预构建的标题生成模型对所述目标语料集进行向量编码，得到语料向量集，包括：
利用所述标题生成模型中的字符编码算法对所述目标语料集进行字符编码；
利用所述标题生成模型中的位置编码算法对字符编码后的所述目标语料集进行位置编码；
利用所述标题生成模型中的段落编码算法对位置编码后的所述目标语料集进行段落编码，得到语料向量集。
可选地，所述利用所述标题生成模型中的解码器对所述语义向量集进行标题序列解码，包括：
利用下述方法对所述语义向量集进行标题序列解码：
Figure BDA0002810832720000021
其中，ft表示解码标题，
Figure BDA0002810832720000034
表示所述解码器中细胞单元的偏置，wf表示所述遗解码器的激活因子，
Figure BDA0002810832720000031
表示语义向量集的语义向量在所述解码器t-1时刻的峰值，xt表示在t时刻输入的语义向量集的语义向量，bf表示解码器中细胞单元的权重。
可选地，所述计算所述解码标题与所述原始语料集对应标签的损失值，包括：
利用下述方法计算所述解码标题与所述原始语料集对应标签的损失值：
Figure BDA0002810832720000032
其中，loss表示损失值，yt表示解码标题的第t个字符，，
Figure BDA0002810832720000033
表示原始语料集的原始标题的第t个字符，t表示原始语料集的原始标题字符数量，hL表示语义向量集中第L个语义向量。
为了解决上述问题，本发明还提供一种标题生成装置，所述装置包括：
预处理模块，用于获取原始语料集，对所述原始语料集进行预处理操作，得到标准语料集；
标识模块，用于对所述标准语料集进行分割符标识，生成目标语料集；
模型训练模块，用于利用预构建的标题生成模型对所述目标语料集进行向量编码，得到语料向量集，并利用所述标题生成模型中的编码器对所述语料向量集进行语义编码，得到语义向量集；
所述模型训练模块，还用于利用所述标题生成模型中的解码器对所述语义向量集进行标题序列解码，得到解码标题，计算所述解码标题与所述原始语料集对应标签的损失值，根据所述损失值调整所述标题生成模型的参数，直至所述损失值小于预设的阈值时，得到训练完成的标题生成模型；
生成模块，用于基于用户输入的标题风格，利用所述训练完成的标题生成模型对待生成标题的语料进行标题生成，得到生成结果。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
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计算机程序，所述计算机程序被所述至少一个处理器执行，以实现上述所述的标题生成方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的标题生成方法。
本发明实施例首先对原始语料集进行预处理操作及分割符标识，生成目标语料集，可以将原始语料集中不同句式、句长的标题、关键词信息以及文本内容联合进行模型训练，以保证用户可以基于不同形式的控制信息来生成自己想要的不同风格标题；其次，本发明实施例利用预构建的标题生成模型对所述目标语料集进行向量编码、语义编码及标题序列解码，得到解码标题，计算所述解码标题与所述原始语料集对应标签的损失值，根据所述损失值调整所述标题生成模型的参数，直至所述损失值小于预设的阈值时，得到训练完成的标题生成模型，可以很好的学习所述目标语料集中文本内容之间的上下文语义信息，提高后续标题生成的语义流畅度；进一步地，本发明实施例基于用户输入的标题风格，利用所述训练完成的标题生成模型对待生成标题的语料进行标题生成，得到生成结果。因此，本发明提出的一种标题生成方法、装置、电子设备以及存储介质可以生成流畅符合语义及满足用户风格的标题。
附图说明
图1为本发明一实施例提供的标题生成方法的流程示意图；
图2为本发明第一实施例中图1提供的标题生成方法其中一个步骤的详细流程示意图；
图3为本发明一实施例提供的标题生成装置的模块示意图；
图4为本发明一实施例提供的实现标题生成方法的电子设备的内部结构示意图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种标题生成方法。所述标题生成方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述标题生成方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。
参照图1所示，为本发明一实施例提供的标题生成方法的流程示意图。在本发明实施例中，所述标题生成方法包括：
S1、获取原始语料集，对所述原始语料集进行预处理操作，得到标准语料集。
本发明实施例中，所述原始语料集指的是新闻数据，包括原始新闻内容和原始新闻标题。进一步地，本发明实施例通过爬虫工具从网页中爬取所述原始语料集，可选的，所述爬虫工具基于node.js技术构建。
详细地，所述通过爬虫工具获取所述原始语料集包括：利用node.js爬取待获取原始语料集的统一资源定位符(Uniform Resource Locator，URL)地址，并对所述待获取原始语料集进行字符标识，根据所述URL地址，加载所述待获取原始语料集对应的***界面，根据所述字符标识，从所述***界面中获取对应的原始语料集。
应该了解，爬取的所述原始语料集中包含着大量的无用的数据，因此，本发明实施例通过对所述原始语料集进行预处理操作，以提高后续数据的处理效率。
具体的，所述对所述原始语料集进行预处理操作，得到标准语料集，包括：对所述原始语料集进行数据清洗，得到初始语料集，对所述初始语料集中的原始标题进行标题句式识别及字符计算，得到标题类别，对所述初始语料集进行关键词提取，得到语料关键词集，并从所述语料关键词集中筛选出与所述初始语料集中原始标题具有重叠的关键词，得到目标关键词，将所述初始语料集、标题类别以及目标关键词进行组合，得到标准语料集。
其中，所述对所述原始语料集进行数据清洗包括：过滤所述原始语料集中的乱码符号、网页特殊符号，并根据标点符号(。？！；；！？)对过滤后的所述原始语料集进行分句处理，得到分句语料集，从所述分句语料集中剔除超过第一预设数量字符的单句及少于第二预设数量字符和超过第三预设数量字符的原始标题，得到标准语料集。可选的，所述第一预设数据数量为500、第二预设数量为4以及第三预设数量为60。
进一步地，所述对所述初始语料集中的原始标题进行标题句式识别及字符计算，得到标题类别包括：利用句式识别所述原始标题的标题句式(如陈述句、判断句及疑问句)，通过字符数量识别所述原始标题的标题长度(短标题、中标题及长标题)，对所述标题句式和标题长度进行汇总，得到所述原始标题的标题类别。其中，本发明实施例将少于12个字符的标题长度对应原始标题标记为短标题、介于12-26个字符的标题长度对应原始标题为中标题及超过26个字符的标题长度对应原始标题为长标题。
进一步地，本发明实施例中，所述初始语料集的关键词提取通过关键词提取算法实现，所述关键词提取算法可以为TF-IDF算法或TextRank算法。
基于上述的实施手段，本发明通过对所述原始语料集进行预处理，可以识别出所述语料集中原始语料的文本内容、关键词、原始标题内容以及原始标题类别，以更好地对后续标题生成模型的训练，提高后续模型训练的鲁棒性，从而可以提高标题生成的语义流畅度以及符合用户需求的标题风格。
S2、对所述标准语料集进行分割符标识，生成目标语料集。
本发明实施例通过对所述标准语料集进行语料分割符标识，以确定所述标准语料集中标准语料的位置信息，以更好的进行模型训练。
详细地，所述对所述标准语料集进行分割符标识，生成目标语料集，包括：获取所述标准语料集中标准语料的句首、句末、文本内容、目标关键词、原始标题类别以及原始标题内容，在所述句首之前添加句首标注，在所述句末之后添加句末标注，在所述文本内容、目标关键词、原始标题类别以及原始标题内容之间添加分割符标注，将添加标注后的所述句首、句末、文本内容、目标关键词、原始标题类别以及原始标题内容进行拼接，得到目标语料，根据所述目标语料，生成目标语料集。
一个可选实施例中，利用下述方法对所述标准语料集进行分割符标识：
inputk＝[CLS]content[SEP]kw[SEP]js[SEP]jc[SEP]title[EOS]
其中，inputk表示目标语料集，[CLS]表示句首标注，[SEP]表示分割符标注，[EOS]表示句末标注，content文本内容，kw表示目标关键词，js表示原始标题类别中的句式，jc表示原始标题类别中的句长，title表示原始标题内容。
进一步地，为保障上述目标语料集的复用性，所述目标语料集还可存储于一区块链节点中。
S3、利用预构建的标题生成模型对所述目标语料集进行向量编码，得到语料向量集，并利用所述标题生成模型中的编码器对所述语料向量集进行语义编码，得到语义向量集，对所述语义向量集中所有的语义向量进行聚合，得到聚合语义向量。
本发明实施例中，所述预构建的标题生成模型包括：UniLM模型，用于基于不同用户输入的标题风格，生成流畅度高的语义文本标题。进一步地，本发明实施例对所述目标语料集进行向量编码，以辨别所述目标语料集中目标语料的文本位置信息及区分出文本之间的分割信息，用于后续标题生成模型的编码器识别。
具体的，参阅图2所示：所述利用预构建的标题生成模型对所述目标语料集进行向量编码，得到语料向量集，包括：
S20、利用所述标题生成模型中的字符编码算法对所述目标语料集进行字符编码；
S21、利用所述标题生成模型中的位置编码算法对字符编码后的所述目标语料集进行位置编码；
S22、利用所述标题生成模型中的段落编码算法对位置编码后的所述目标语料集进行段落编码，得到语料向量集。
本发明的其中一个可选实施例中，所述字符编码算法可以为Token Embedding算法，所述位置编码算法可以为Position Embedding算法，所述段落编码算法可以为TokenEmbedding算法。
进一步地，本发明实施例利用所述标题生成模型中的编码器对所述语料向量集进行语义编码，以更好的学习所述目标语料集中文本内容之间的上下文语义信息。
详细地，所述利用所述标题生成模型中的编码器对所述语料向量集进行语义编码，得到语义向量集，包括：
利用所述编码器的前向编码器bi-LSTM对所述语料向量集中的每一个语料向量进行前向语义编码，得到前向语义向量，利用所述编码器的后向编码器bi-LSTM对所述语料向量集中的每一个语料向量进行后向语义编码，得到后向语义向量，将所述前向语义向量与所述后向语义向量进行拼接，得到语义向量，根据所述语义向量生成所述语义向量集。
其中，所述前向语义编码是按照从前到后的顺序对所述语料向量进行前向编码，所述后向语义编码是按照从后到前的顺序对所述语料向量进行后向编码。
基于上述的实施方案，通过生成的语义向量集可以表征出不同语料向量之间的关联度，从而可以提高后续标题生成的准确性。
S4、利用所述标题生成模型中的解码器对所述语义向量集进行标题解码，得到解码标题，计算所述解码标题与所述原始语料集对应标签的损失值，根据所述损失值调整所述标题生成模型的参数，直至所述损失值小于预设的阈值时，得到训练完成的标题生成模型。
本发明实施例中，利用所述标题生成模型中的解码器对所述语义向量集进行标题序列解码，得到解码序列标题。
本发明的其中一个可选实施例中，利用下述方法对所述语义向量集进行标题序列解码：
Figure BDA0002810832720000071
其中，ft表示解码标题，
Figure BDA0002810832720000072
表示所述解码器中细胞单元的偏置，wf表示所述遗解码器的激活因子，
Figure BDA0002810832720000073
表示语义向量集的语义向量在所述解码器t-1时刻的峰值，xt表示在t时刻输入的语义向量集的语义向量，bf表示解码器中细胞单元的权重。
进一步地，本发明实施例利用所述标题生成模型的损失函数计算所述解码标题与所述原始语料集对应标签的损失值，根据所述损失值调整所述标题生成模型的参数，直至所述损失值小于预设的阈值时，得到训练完成的标题生成模型。其中，所述标签指的是所述原始语料集的原始标题，所述预设的阈值为0.1。
一个可选实施例中，所述损失函数包括：
Figure BDA0002810832720000081
其中，loss表示损失值，yt表示解码标题的第t个字符，，
Figure BDA0002810832720000082
表示原始语料集的原始标题的第t个字符，t表示原始语料集的原始标题字符数量，hL表示语义向量集中第L个语义向量。
S5、基于用户输入的标题风格，利用所述训练完成的标题生成模型对待生成标题的语料进行标题生成，得到生成结果。
本发明实施例中，根据用户输入的标题风格，利用所述训练完成的标题生成模型对待生成标题的语料进行标题生成，得到生成结果。其中，所述标题风格指的是用户所需生成标题的句式和句长。
本发明实施例首先对原始语料集进行预处理操作及分割符标识，生成目标语料集，可以将原始语料集中不同句式、句长的标题、关键词信息以及文本内容联合进行模型训练，以保证用户可以基于不同形式的控制信息来生成自己想要的不同风格标题；其次，本发明实施例利用预构建的标题生成模型对所述目标语料集进行向量编码、语义编码及标题序列解码，得到解码标题，计算所述解码标题与所述原始语料集对应标签的损失值，根据所述损失值调整所述标题生成模型的参数，直至所述损失值小于预设的阈值时，得到训练完成的标题生成模型，可以很好的学习所述目标语料集中文本内容之间的上下文语义信息，提高后续标题生成的语义流畅度；进一步地，本发明实施例基于用户输入的标题风格，利用所述训练完成的标题生成模型对待生成标题的语料进行标题生成，得到生成结果。因此，本发明可以生成流畅符合语义及满足用户风格的标题。
如图3所示，是本发明标题生成装置的功能模块图。
本发明所述标题生成装置100可以安装于电子设备中。根据实现的功能，所述标题生成装置可以包括预处理模块101、标识模块102、模型训练模块103以及生成模块104。本发所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述预处理模块101，用于获取原始语料集，对所述原始语料集进行预处理操作，得到标准语料集；
所述标识模块102，用于对所述标准语料集进行分割符标识，生成目标语料集；
所述模型训练模块103，用于利用预构建的标题生成模型对所述目标语料集进行向量编码，得到语料向量集，并利用所述标题生成模型中的编码器对所述语料向量集进行语义编码，得到语义向量集；
所述模型训练模块103，还用于利用所述标题生成模型中的解码器对所述语义向量集进行标题序列解码，得到解码标题，计算所述解码标题与所述原始语料集对应标签的损失值，根据所述损失值调整所述标题生成模型的参数，直至所述损失值小于预设的阈值时，得到训练完成的标题生成模型；
所述生成模块104，用于基于用户输入的标题风格，利用所述训练完成的标题生成模型对待生成标题的语料进行标题生成，得到生成结果。
详细地，本发明实施例中所述标题生成装置100中的所述各模块在使用时采用与上述的图1和图2中所述的标题生成方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
如图4所示，是本发明实现标题生成方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如标题生成程序12。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如标题生成程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行标题生成程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图4仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图4示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的标题生成程序12是多个程序的组合，在所述处理器10中运行时，可以实现：
获取原始语料集，对所述原始语料集进行预处理操作，得到标准语料集；
对所述标准语料集进行分割符标识，生成目标语料集；
利用预构建的标题生成模型对所述目标语料集进行向量编码，得到语料向量集，并利用所述标题生成模型中的编码器对所述语料向量集进行语义编码，得到语义向量集；
利用所述标题生成模型中的解码器对所述语义向量集进行标题序列解码，得到解码标题，计算所述解码标题与所述原始语料集对应标签的损失值，根据所述损失值调整所述标题生成模型的参数，直至所述损失值小于预设的阈值时，得到训练完成的标题生成模型；
基于用户输入的标题风格，利用所述训练完成的标题生成模型对待生成标题的语料进行标题生成，得到生成结果。
具体地，所述处理器10对上述程序的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个非易失性计算机可读取存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
获取原始语料集，对所述原始语料集进行预处理操作，得到标准语料集；
对所述标准语料集进行分割符标识，生成目标语料集；
利用预构建的标题生成模型对所述目标语料集进行向量编码，得到语料向量集，并利用所述标题生成模型中的编码器对所述语料向量集进行语义编码，得到语义向量集；
利用所述标题生成模型中的解码器对所述语义向量集进行标题序列解码，得到解码标题，计算所述解码标题与所述原始语料集对应标签的损失值，根据所述损失值调整所述标题生成模型的参数，直至所述损失值小于预设的阈值时，得到训练完成的标题生成模型；
基于用户输入的标题风格，利用所述训练完成的标题生成模型对待生成标题的语料进行标题生成，得到生成结果。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。***权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种标题生成方法，其特征在于，所述方法包括：
获取原始语料集，对所述原始语料集进行预处理操作，得到标准语料集；
对所述标准语料集进行分割符标识，生成目标语料集；
利用预构建的标题生成模型对所述目标语料集进行向量编码，得到语料向量集，并利用所述标题生成模型中的编码器对所述语料向量集进行语义编码，得到语义向量集；
利用所述标题生成模型中的解码器对所述语义向量集进行标题序列解码，得到解码标题，计算所述解码标题与所述原始语料集对应标签的损失值，根据所述损失值调整所述标题生成模型的参数，直至所述损失值小于预设的阈值时，得到训练完成的标题生成模型；
基于用户输入的标题风格，利用所述训练完成的标题生成模型对待生成标题的语料进行标题生成，得到生成结果。
2.如权利要求1所述的标题生成方法，其特征在于，所述获取所述原始语料集包括：
爬取待获取原始语料集的统一资源定位符地址，并对所述待获取原始语料集进行字符标识，根据所述统一资源定位符地址，加载所述待获取原始语料集对应的***界面，根据所述字符标识，从所述***界面中获取对应的原始语料集。
3.如权利要求1所述的标题生成方法，其特征在于，所述对所述原始语料集进行预处理操作，得到标准语料集，包括：
对所述原始语料集进行数据清洗，得到初始语料集；
对所述初始语料集中的原始标题进行标题句式识别及字符计算，得到标题类别；
对所述初始语料集进行关键词提取，得到语料关键词集，并从所述语料关键词集中筛选出与所述初始语料集中原始标题具有重叠的关键词，得到目标关键词；
将所述初始语料集、标题类别以及目标关键词进行组合，得到标准语料集。
4.如权利要求1所述的标题生成方法，其特征在于，所述对所述标准语料集进行分割符标识，包括：
利用下述方法对所述标准语料集进行分割符标识：
inputk＝[CLS]content[SEP]kw[SEP]js[SEP]jc[SEP]title[EOS]
其中，inputk表示目标语料集，[CLS]表示句首标注，[SEP]表示分割符标注，[EOS]表示句末标注，content标准语料集中的文本内容，kw表示标准语料集中的目标关键词，js表示标准语料集中原始标题类别的句式，jc表示标准语料集中原始标题类别的句长，title表示标准语料集中的原始标题内容。
5.如权利要求1所述的标题生成方法，其特征在于，所述利用预构建的标题生成模型对所述目标语料集进行向量编码，得到语料向量集，包括：
利用所述标题生成模型中的字符编码算法对所述目标语料集进行字符编码；
利用所述标题生成模型中的位置编码算法对字符编码后的所述目标语料集进行位置编码；
利用所述标题生成模型中的段落编码算法对位置编码后的所述目标语料集进行段落编码，得到语料向量集。
6.如权利要求1所述的标题生成方法，其特征在于，所述利用所述标题生成模型中的解码器对所述语义向量集进行标题序列解码，包括：
利用下述方法对所述语义向量集进行标题序列解码：
Figure FDA0002810832710000021
其中，ft表示解码标题，
Figure FDA0002810832710000025
表示所述解码器中细胞单元的偏置，wf表示所述遗解码器的激活因子，
Figure FDA0002810832710000022
表示语义向量集的语义向量在所述解码器t-1时刻的峰值，xt表示在t时刻输入的语义向量集的语义向量，bf表示解码器中细胞单元的权重。
7.如权利要求1至6中任意一项所述的标题生成方法，其特征在于，所述计算所述解码标题与所述原始语料集对应标签的损失值，包括：
利用下述方法计算所述解码标题与所述原始语料集对应标签的损失值：
Figure FDA0002810832710000023
其中，loss表示损失值，yt表示解码标题的第t个字符，，
Figure FDA0002810832710000024
表示原始语料集的原始标题的第t个字符，t表示原始语料集的原始标题字符数量，hL表示语义向量集中第L个语义向量。
8.一种标题生成装置，其特征在于，所述装置包括：
预处理模块，用于获取原始语料集，对所述原始语料集进行预处理操作，得到标准语料集；
标识模块，用于对所述标准语料集进行分割符标识，生成目标语料集；
模型训练模块，用于利用预构建的标题生成模型对所述目标语料集进行向量编码，得到语料向量集，并利用所述标题生成模型中的编码器对所述语料向量集进行语义编码，得到语义向量集；
所述模型训练模块，还用于利用所述标题生成模型中的解码器对所述语义向量集进行标题序列解码，得到解码标题，计算所述解码标题与所述原始语料集对应标签的损失值，根据所述损失值调整所述标题生成模型的参数，直至所述损失值小于预设的阈值时，得到训练完成的标题生成模型；
生成模块，用于基于用户输入的标题风格，利用所述训练完成的标题生成模型对待生成标题的语料进行标题生成，得到生成结果。
9.一种电子设备，其特征在于，所述电子设备包括：
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计算机程序，所述计算机程序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权利要求1至7中任意一项所述的标题生成方法。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的标题生成方法。
CN202011385255.6A 2020-12-01 2020-12-01 标题生成方法、装置、电子设备及存储介质 Pending CN112446207A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202011385255.6A CN112446207A (zh) 2020-12-01 2020-12-01 标题生成方法、装置、电子设备及存储介质
PCT/CN2021/083719 WO2022116435A1 (zh) 2020-12-01 2021-03-30 标题生成方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011385255.6A CN112446207A (zh) 2020-12-01 2020-12-01 标题生成方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN112446207A true CN112446207A (zh) 2021-03-05

Family

ID=74740220

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011385255.6A Pending CN112446207A (zh) 2020-12-01 2020-12-01 标题生成方法、装置、电子设备及存储介质

Country Status (2)

Country Link
CN (1) CN112446207A (zh)
WO (1) WO2022116435A1 (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113139575A (zh) * 2021-03-18 2021-07-20 杭州电子科技大学 一种基于条件嵌入预训练语言模型的图像标题生成方法
CN113468289A (zh) * 2021-07-23 2021-10-01 京东城市(北京)数字科技有限公司 事件检测模型的训练方法及装置
CN113722425A (zh) * 2021-07-23 2021-11-30 阿里巴巴达摩院(杭州)科技有限公司 数据处理方法、计算机设备及计算机可读存储介质
CN113806540A (zh) * 2021-09-18 2021-12-17 平安银行股份有限公司 文本打标签方法、装置、电子设备及存储介质
CN113919328A (zh) * 2021-09-30 2022-01-11 北京搜狗科技发展有限公司 一种生成文章标题的方法及装置
WO2022116435A1 (zh) * 2020-12-01 2022-06-09 平安科技（深圳）有限公司 标题生成方法、装置、电子设备及存储介质
CN115270778A (zh) * 2022-08-25 2022-11-01 北京达佳互联信息技术有限公司 标题简化方法、装置、设备和存储介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102460430B (zh) * 2009-04-29 2014-02-19 谷歌公司 简短兴趣点标题生成
CN106383817B (zh) * 2016-09-29 2019-07-02 北京理工大学 利用分布式语义信息的论文标题生成方法
CN106845390B (zh) * 2017-01-18 2019-09-20 腾讯科技（深圳）有限公司 视频标题生成方法及装置
CN107203509B (zh) * 2017-04-20 2023-06-20 北京拓尔思信息技术股份有限公司 标题生成方法和装置
CN112446207A (zh) * 2020-12-01 2021-03-05 平安科技（深圳）有限公司 标题生成方法、装置、电子设备及存储介质

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022116435A1 (zh) * 2020-12-01 2022-06-09 平安科技（深圳）有限公司 标题生成方法、装置、电子设备及存储介质
CN113139575A (zh) * 2021-03-18 2021-07-20 杭州电子科技大学 一种基于条件嵌入预训练语言模型的图像标题生成方法
CN113139575B (zh) * 2021-03-18 2022-03-01 杭州电子科技大学 一种基于条件嵌入预训练语言模型的图像标题生成方法
CN113468289A (zh) * 2021-07-23 2021-10-01 京东城市(北京)数字科技有限公司 事件检测模型的训练方法及装置
CN113722425A (zh) * 2021-07-23 2021-11-30 阿里巴巴达摩院(杭州)科技有限公司 数据处理方法、计算机设备及计算机可读存储介质
CN113806540A (zh) * 2021-09-18 2021-12-17 平安银行股份有限公司 文本打标签方法、装置、电子设备及存储介质
CN113806540B (zh) * 2021-09-18 2023-08-08 平安银行股份有限公司 文本打标签方法、装置、电子设备及存储介质
CN113919328A (zh) * 2021-09-30 2022-01-11 北京搜狗科技发展有限公司 一种生成文章标题的方法及装置
CN115270778A (zh) * 2022-08-25 2022-11-01 北京达佳互联信息技术有限公司 标题简化方法、装置、设备和存储介质
CN115270778B (zh) * 2022-08-25 2023-10-17 北京达佳互联信息技术有限公司 标题简化方法、装置、设备和存储介质

Also Published As

Publication number Publication date
WO2022116435A1 (zh) 2022-06-09

Similar Documents

Publication Publication Date Title
CN112446207A (zh) 标题生成方法、装置、电子设备及存储介质
CN112667800A (zh) 关键词生成方法、装置、电子设备及计算机存储介质
CN112597312A (zh) 文本分类方法、装置、电子设备及可读存储介质
CN113157927B (zh) 文本分类方法、装置、电子设备及可读存储介质
CN112528616B (zh) 业务表单生成方法、装置、电子设备及计算机存储介质
CN113051356A (zh) 开放关系抽取方法、装置、电子设备及存储介质
CN113704429A (zh) 基于半监督学习的意图识别方法、装置、设备及介质
CN113360654B (zh) 文本分类方法、装置、电子设备及可读存储介质
CN113704614A (zh) 基于用户画像的页面生成方法、装置、设备及介质
CN115392237B (zh) 情感分析模型训练方法、装置、设备及存储介质
CN112528013A (zh) 文本摘要提取方法、装置、电子设备及存储介质
CN112507663A (zh) 基于文本的判断题生成方法、装置、电子设备及存储介质
CN115018588A (zh) 产品推荐方法、装置、电子设备及可读存储介质
CN114399775A (zh) 文档标题生成方法、装置、设备及存储介质
CN113360768A (zh) 基于用户画像的产品推荐方法、装置、设备及存储介质
CN113204698A (zh) 新闻主题词生成方法、装置、设备及介质
CN114943306A (zh) 意图分类方法、装置、设备及存储介质
CN113536782B (zh) 敏感词识别方法、装置、电子设备及存储介质
CN115203364A (zh) 软件故障反馈处理方法、装置、设备及可读存储介质
CN115346095A (zh) 视觉问答方法、装置、设备及存储介质
CN114385815A (zh) 基于业务需求的新闻筛选方法、装置、设备及存储介质
CN113850643A (zh) 产品推荐方法、装置、电子设备及可读存储介质
CN112347739A (zh) 适用规则分析方法、装置、电子设备及存储介质
CN113434650B (zh) 问答对扩展方法、装置、电子设备及可读存储介质
CN111680513B (zh) 特征信息的识别方法、装置及计算机可读存储介质

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