CN114090764A - 一种评论自动生成方法 - Google Patents
一种评论自动生成方法 Download PDFInfo
- Publication number
- CN114090764A CN114090764A CN202111376304.4A CN202111376304A CN114090764A CN 114090764 A CN114090764 A CN 114090764A CN 202111376304 A CN202111376304 A CN 202111376304A CN 114090764 A CN114090764 A CN 114090764A
- Authority
- CN
- China
- Prior art keywords
- comment
- comment information
- article
- keyword
- generating
- 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 19
- 230000009193 crawling Effects 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 7
- 238000002372 labelling Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004936 stimulating effect Effects 0.000 description 1
Images
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
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Economics (AREA)
- Probability & Statistics with Applications (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Fuzzy Systems (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种评论自动生成方法,首先建立文章评论模板库,用于存储于文章评论模板库中,作为对应标签的预存评论信息;然后对待评论文章进行拆分,并选取候选关键词,生成相应的查询序列,在文章评论模板库中查询对应的评论信息,并最终整合为待评论文章的评论信息,在待评论文章投放初始,评论量不高的时候生成并自动评论,可以激起浏览者的评论欲望,能够激发用户的创作热情,进而营造活跃的社区评论氛围,有利于用户碰撞出新的想法,激发灵感。
Description
技术领域
本发明涉及资讯整合收集技术领域,主要涉及一种评论自动生成方法。
背景技术
随着互联网的飞速发展,人们的日常生活越来越依赖于网络。例如,人们经常会在网络上查找自己所需要的学习资料、信息等内容,也会浏览网络上公开的各种新闻、评论,在遇到自己感兴趣的话题时也会在评论区中留下自己的想法。
当一篇文章或者话题的评论区中的留言信息比较多的时候,就会更容易激发浏览者对该文章或者话题进行评论的欲望。但对于一篇新出现的文章或者话题,在开始的一段时间内的评论总是很少,会显的文章或话题的热度比较低,因此需要一种评论文章的方式,能够自动生成评论内容。
发明内容
发明目的:本发明提供了一种评论自动生成方法,通过预建立文章评论模板库,并对待评论文章进行预处理,生成关键词查询序列,进而获得评论信息。当一篇文章或资讯发布初始阶段,评论量较少时,便自动生成评论并进行投放,起到引导用户评论的作用。
技术方案:为实现上述目的,本发明采用的技术方案为:
一种评论自动生成方法,包括以下步骤:
步骤S1、建立文章评论模板库;
通过爬虫爬取的方式对现有的文章评论信息进行爬取;根据对应文章的主题对爬取的评论信息进行标签化处理并归类;依据评论信息的点赞量和跟帖量对获取的评论信息进行排序,选取前10名的评论信息,存储于文章评论模板库中,作为对应标签的预存评论信息;
步骤S2、对待评论文章进行预处理;
将待评论文章的标题以句子为单位进行分词标注处理,选出若干候选关键词;针对各个关键词的排列组合方式,生成关键词查询序列;
步骤S3、根据生成的关键词查询序列,在文章评论模板库中查找对应标签的预存评论信息,根据预存评论信息中的至少一项,生成待评论文章的评论信息;
步骤S4、将生成待评论文章的评论信息进行排序,最终生成评论。
进一步地,步骤S1中依据评论信息的点赞量和跟帖量对获取的评论信息进行排序,首先根据点赞量高低对评论排序,选取前100个评论,按照跟帖数量从高到低选取前10名的评论信息。
进一步地,步骤S2中针对各个关键词的排列组合方式,生成关键词查询序列具体包括:
首先预设不同类型的关键词数据库,每个关键词在不同数据库中有独立的数据库编码,根据所述数据库编码可以获取关键词在数据库中的数据;基于步骤S2中已经获取的标题中的若干关键词,获取关键词在不同数据库中的编码,根据已有的数据库生成查询序列号,用于匹配预设数据库中的数据信息。
进一步地,步骤S3中根据生成的关键词查询序列,在文章评论模板库中查找对应标签的预存评论信息,具体包括:根据步骤S3获取的查询序列号,匹配步骤S1中生成的不同标签的预存评论信息,并进行填充,生成评论信息。
有益效果:
本发明首先建立文章评论模板库,存储爬取到的评论信息,对需要生成评论的文章进行拆分,并选取候选关键词,生成相应的查询序列,在文章评论模板库中查询对应的评论信息,并最终整合为待评论文章的评论信息,在待评论文章投放初始,评论量不高的时候生成并自动评论,可以激起浏览者的评论欲望,能够激发用户的创作热情,进而营造活跃的社区评论氛围,有利于用户碰撞出新的想法,激发灵感。
附图说明
图1是本发明提供的评论自动生成方法流程图;
图2是本发明提供的评论自动生成及排序方法流程图。
具体实施方式
下面结合附图对本发明作更进一步的说明。
本发明提供的评论自动生成方法如图1-2所示,具体步骤如下:
步骤S1、建立文章评论模板库;
通过爬虫爬取的方式对现有的文章评论信息进行爬取;根据对应文章的主题对爬取的评论信息进行标签化处理并归类;依据评论信息的点赞量和跟帖量对获取的评论信息进行排序,选取前10名的评论信息,存储于文章评论模板库中,作为对应标签的预存评论信息。
其中前10名评论信息的获取包括:首先根据点赞量高低对评论排序,选取前100个评论,按照跟帖数量从高到低选取前10名的评论信息。
步骤S2、对待评论文章进行预处理;
将待评论文章的标题以句子为单位进行分词标注处理,选出若干候选关键词;针对各个关键词的排列组合方式,生成关键词查询序列。生成关键词查询序列具体包括:
首先预设不同类型的关键词数据库,每个关键词在不同数据库中有独立的数据库编码,根据所述数据库编码可以获取关键词在数据库中的数据;基于步骤S2中已经获取的标题中的若干关键词,获取关键词在不同数据库中的编码,根据已有的数据库生成查询序列号,用于匹配预设数据库中的数据信息。
步骤S3、根据生成的关键词查询序列,在文章评论模板库中查找对应标签的预存评论信息,根据预存评论信息中的至少一项,生成待评论文章的评论信息。根据步骤S3获取的查询序列号,匹配步骤S1中生成的不同标签的预存评论信息,并进行填充,生成评论信息。
步骤S4、将生成待评论文章的评论信息进行排序,最终生成评论。
下面提供一个具体实施例进行说明。
首先建立文章评论模板库,利用爬虫爬取网民在各资讯平台发布的评论。并针对文章主体,进行标签化处理,包括企业家、产品、技术等分类以及企业家、名企等排行榜数据库等。
然后针对不同标签,设计对应的评论模型
企业家:XX企业家在XX排行榜中是第XX名;XX企业家XX年在XX排行榜中是第XX名,今年是第XX名。
产品:XX产品是市面上才有的新产品;XX产品是市面上才有的产品,有多少人知道?;XX产品是什么;XX产品都有哪些厂家在卖。
技术:XX技术是市面上才有的技术;XX技术是市面上才有的产品,有多少人知道?;XX技术是什么;XX技术有什么好处。
将待评论文章以句子为单位进行拆分,获取若干段完整句子;对每个完整句子,进行分词标注处理,选出候选关键词;针对各个关键词的排列组合方式,生成关键词查询序列。根据生成的关键词查询序列,在文章评论模板库中查找对应标签的预存评论信息,根据预存评论信息中的至少一项,生成待评论文章的评论,并进行排序,最终生成评论。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (4)
1.一种评论自动生成方法,其特征在于,包括以下步骤:
步骤S1、建立文章评论模板库;
通过爬虫爬取的方式对现有的文章评论信息进行爬取;根据对应文章的主题对爬取的评论信息进行标签化处理并归类;依据评论信息的点赞量和跟帖量对获取的评论信息进行排序,选取前10名的评论信息,存储于文章评论模板库中,作为对应标签的预存评论信息;
步骤S2、对待评论文章进行预处理;
将待评论文章的标题以句子为单位进行分词标注处理,选出若干候选关键词;针对各个关键词的排列组合方式,生成关键词查询序列;
步骤S3、根据生成的关键词查询序列,在文章评论模板库中查找对应标签的预存评论信息,根据预存评论信息中的至少一项,生成待评论文章的评论信息;
步骤S4、将生成待评论文章的评论信息进行排序,最终生成评论。
2.一种根据权利要求1所述的评论自动生成方法,其特征在于,所述步骤S1中依据评论信息的点赞量和跟帖量对获取的评论信息进行排序,首先根据点赞量高低对评论排序,选取前100个评论,按照跟帖数量从高到低选取前10名的评论信息。
3.一种根据权利要求1所述的评论自动生成方法,其特征在于,步骤S2中针对各个关键词的排列组合方式,生成关键词查询序列具体包括:
首先预设不同类型的关键词数据库,每个关键词在不同数据库中有独立的数据库编码,根据所述数据库编码可以获取关键词在数据库中的数据;基于步骤S2中已经获取的标题中的若干关键词,获取关键词在不同数据库中的编码,根据已有的数据库生成查询序列号,用于匹配预设数据库中的数据信息。
4.一种根据权利要求3所述的评论自动生成方法,其特征在于,步骤S3中根据生成的关键词查询序列,在文章评论模板库中查找对应标签的预存评论信息,具体包括:根据步骤S3获取的查询序列号,匹配步骤S1中生成的不同标签的预存评论信息,并进行填充,生成评论信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111376304.4A CN114090764A (zh) | 2021-11-19 | 2021-11-19 | 一种评论自动生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111376304.4A CN114090764A (zh) | 2021-11-19 | 2021-11-19 | 一种评论自动生成方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114090764A true CN114090764A (zh) | 2022-02-25 |
Family
ID=80302475
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111376304.4A Pending CN114090764A (zh) | 2021-11-19 | 2021-11-19 | 一种评论自动生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114090764A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116306514A (zh) * | 2023-05-22 | 2023-06-23 | 北京搜狐新媒体信息技术有限公司 | 一种文本处理方法及装置、电子设备、存储介质 |
-
2021
- 2021-11-19 CN CN202111376304.4A patent/CN114090764A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116306514A (zh) * | 2023-05-22 | 2023-06-23 | 北京搜狐新媒体信息技术有限公司 | 一种文本处理方法及装置、电子设备、存储介质 |
CN116306514B (zh) * | 2023-05-22 | 2023-09-08 | 北京搜狐新媒体信息技术有限公司 | 一种文本处理方法及装置、电子设备、存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110633373B (zh) | 一种基于知识图谱和深度学习的汽车舆情分析方法 | |
CN110309393B (zh) | 数据处理方法、装置、设备及可读存储介质 | |
CN110334178B (zh) | 数据检索方法、装置、设备及可读存储介质 | |
CN100375090C (zh) | 通过任意国家语言的查询来检索匹配的文档的方法和*** | |
CN103136360B (zh) | 一种互联网行为标注引擎及对应该引擎的行为标注方法 | |
US7200606B2 (en) | Method and system for selecting documents by measuring document quality | |
CN110298033A (zh) | 关键词语料标注训练提取工具 | |
CN111950273A (zh) | 基于情感信息抽取分析的网络舆情突发事件自动识别方法 | |
CN102708096A (zh) | 一种基于语义的网络智能舆情监测***及其工作方法 | |
CN102792262A (zh) | 使用权利要求分析排序知识产权文档的方法和*** | |
CN103020293A (zh) | 一种移动应用的本体库的构建方法及*** | |
CN110442728A (zh) | 基于word2vec汽车产品领域的情感词典构建方法 | |
CN110209816A (zh) | 基于对抗模仿学习的事件识别及分类方法、***、装置 | |
CN110929007A (zh) | 一种电力营销知识体系平台及应用方法 | |
CN114090764A (zh) | 一种评论自动生成方法 | |
CN101763424B (zh) | 根据文件内容确定特征词并用于检索的方法 | |
CN109284362B (zh) | 一种内容检索方法及*** | |
Freitas et al. | An ontology-based architecture for cooperative information agents | |
CN110245215B (zh) | 一种文本检索方法和装置 | |
CN110750632B (zh) | 一种改进的中文alice智能问答方法及*** | |
Abuzir et al. | Constructing the civil engineering thesaurus (CET) using ThesWB | |
Amrane et al. | Semantic indexing of multimedia content using textual and visual information | |
CN106844329A (zh) | 一种基于邮件列表的开源软件问答信息抽取方法 | |
CN111309933A (zh) | 文化资源数据自动标注*** | |
CN108491368A (zh) | 一种基于人工智能的专利撰写方法及撰写*** |
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 |