[發(fā)明專利]基于人工智能的評(píng)論生成方法及裝置、設(shè)備與可讀介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 201710196125.X
• 申請(qǐng)日: 2017-03-29
• 公開(kāi)（公告）號(hào): CN107133209B
• 公開(kāi)（公告）日: 2020-11-03
• 發(fā)明（設(shè)計(jì)）人: 袁德璋;付志宏;何徑舟;周古月;信賢衛(wèi);李朋凱;肖求根;詹金波;鄭利群
• 申請(qǐng)（專利權(quán)）人: 北京百度網(wǎng)訊科技有限公司
• 主分類號(hào): G06F40/289
• 分類號(hào): G06F40/289;G06F16/2458
• 代理公司: 北京鴻德海業(yè)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11412
• 代理人: 袁媛

本發(fā)明提供一種基于人工智能的評(píng)論生成方法及裝置、設(shè)備與可讀介質(zhì)。其所述方法包括：從預(yù)設(shè)的分詞語(yǔ)料庫(kù)中挖掘與主題扣題的評(píng)論語(yǔ)句中的目標(biāo)分詞對(duì)齊的候選分詞；分別獲取目標(biāo)分詞的候選分詞對(duì)應(yīng)的對(duì)齊特征、語(yǔ)言特征以及上下文特征；根據(jù)目標(biāo)分詞的候選分詞對(duì)應(yīng)的對(duì)齊特征、語(yǔ)言特征以及上下文特征以及預(yù)先訓(xùn)練的可行性打分模型，預(yù)測(cè)評(píng)論語(yǔ)句中候選分詞能夠替換對(duì)應(yīng)的目標(biāo)分詞的可行性分值；若可行性分值大于或者等于預(yù)設(shè)的可行性分?jǐn)?shù)閾值，將評(píng)論語(yǔ)句中的目標(biāo)分詞替換為候選分詞，生成主題對(duì)應(yīng)的評(píng)論語(yǔ)句。本發(fā)明的技術(shù)方案，能夠自動(dòng)生成評(píng)論語(yǔ)句，能夠有效地節(jié)省人力成本，提高評(píng)論生成的效率。

【技術(shù)領(lǐng)域】

本發(fā)明涉及計(jì)算機(jī)應(yīng)用技術(shù)領(lǐng)域，尤其涉及一種基于人工智能的評(píng)論生成方法及裝置、設(shè)備與可讀介質(zhì)。

【背景技術(shù)】

人工智能(Artificial Intelligence；AI)，是研究、開(kāi)發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。人工智能是計(jì)算機(jī)科學(xué)的一個(gè)分支，它企圖了解智能的實(shí)質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機(jī)器，該領(lǐng)域的研究包括機(jī)器人、語(yǔ)言識(shí)別、圖像識(shí)別、自然語(yǔ)言處理和專家系統(tǒng)等。

隨著網(wǎng)絡(luò)科技的發(fā)展，各種網(wǎng)絡(luò)多媒體的興起，增加了用戶獲取各種新聞資訊的途經(jīng)，提高人們閱讀新聞資訊的效率。例如，用戶可以通過(guò)下載新聞應(yīng)用(Application；app)隨時(shí)隨地閱讀新聞。

現(xiàn)有技術(shù)中，每個(gè)新聞應(yīng)用(application；app)里都包含了大量冷門新聞，評(píng)論區(qū)只有少量評(píng)論甚至沒(méi)有評(píng)論。這種新聞?dòng)脩魠⑴c度低。通常情況下，為了吸引用戶的參與和關(guān)注，新聞app的開(kāi)發(fā)團(tuán)隊(duì)可以采用人工手動(dòng)撰寫(xiě)評(píng)論的方式，來(lái)撰寫(xiě)多條評(píng)論，吸引用戶的關(guān)注和參與。

但是現(xiàn)有技術(shù)中，人工手動(dòng)的方式撰寫(xiě)評(píng)論的效率非常低。

【發(fā)明內(nèi)容】

本發(fā)明提供了一種基于人工智能的評(píng)論生成方法及裝置、設(shè)備與可讀介質(zhì)，用于提高評(píng)論生成效率。

本發(fā)明提供一種基于人工智能的評(píng)論生成方法，所述方法包括：

從預(yù)設(shè)的分詞語(yǔ)料庫(kù)中挖掘與主題扣題的評(píng)論語(yǔ)句中的目標(biāo)分詞對(duì)齊的候選分詞；

分別獲取所述目標(biāo)分詞的所述候選分詞對(duì)應(yīng)的對(duì)齊特征、語(yǔ)言特征以及上下文特征；

根據(jù)所述目標(biāo)分詞的所述候選分詞對(duì)應(yīng)的所述對(duì)齊特征、所述語(yǔ)言特征以及所述上下文特征以及預(yù)先訓(xùn)練的可行性打分模型，預(yù)測(cè)所述評(píng)論語(yǔ)句中所述候選分詞能夠替換對(duì)應(yīng)的所述目標(biāo)分詞的可行性分值；

若所述可行性分值大于或者等于預(yù)設(shè)的可行性分?jǐn)?shù)閾值，將所述評(píng)論語(yǔ)句中的所述目標(biāo)分詞替換為所述候選分詞，生成所述主題對(duì)應(yīng)的評(píng)論語(yǔ)句。

進(jìn)一步可選地，如上所述的方法中，從預(yù)設(shè)的分詞語(yǔ)料庫(kù)中挖掘與主題扣題的評(píng)論語(yǔ)句中的目標(biāo)分詞對(duì)齊的候選分詞之前，所述方法還包括：

從評(píng)論庫(kù)中獲取與所述主題扣題的所述評(píng)論語(yǔ)句；

對(duì)所述評(píng)論語(yǔ)句進(jìn)行分詞處理，得到多個(gè)所述目標(biāo)分詞。

進(jìn)一步可選地，如上所述的方法中，從預(yù)設(shè)的分詞語(yǔ)料庫(kù)中挖掘與主題扣題的評(píng)論語(yǔ)句中的目標(biāo)分詞對(duì)齊的候選分詞，具體包括：

根據(jù)預(yù)先訓(xùn)練的候選詞挖掘模型，獲取與所述評(píng)論語(yǔ)句中的所述目標(biāo)分詞與所述分詞語(yǔ)料庫(kù)中各所述分詞語(yǔ)料的對(duì)齊概率；

從所述分詞語(yǔ)料庫(kù)的多個(gè)分詞語(yǔ)料中獲取對(duì)齊概率大于或者等于預(yù)設(shè)概率閾值的分詞語(yǔ)料，作為與所述目標(biāo)分詞對(duì)齊的所述候選分詞。

進(jìn)一步可選地，如上所述的方法中，獲取所述目標(biāo)分詞的所述候選分詞對(duì)應(yīng)的對(duì)齊特征，具體包括：