[發明專利]多文本摘要生成方法、裝置、服務器及存儲介質

有效

• 申請號: 201811523926.3
• 申請日: 2018-12-13
• 公開（公告）號: CN109657053B
• 公開（公告）日: 2021-09-14
• 發明（設計）人: 李法遠;陳思姣;羅雨
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06F16/34
• 分類號: G06F16/34;G06F40/211;G06F40/30
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 胡彬

1.一種多文本摘要生成方法，其特征在于，所述方法包括：

從目標文本集合的每個文本的句子中確定與目標文本集合對應的摘要句集合；

依據句子所屬文本的發布時間和句子在所屬文本中的位置，對目標文本集合的每個句子進行排序；

依據每個句子的排序結果，確定所述摘要句集合中各摘要句的順序；

按照所述摘要句的順序組合成目標文本集合的摘要；

其中，依據句子所屬文本的發布時間和句子在所屬文本中的位置，對目標文本集合的每個句子進行排序，包括：

針對來源于同一文本且語義相似的句子，則按照各句子在該文本中的位置進行排序；針對來源于不同文本但語義相似的句子，則按照各句子所屬的文本發布時間的早晚進行排序。

2.根據權利要求1所述的方法，其特征在于，在從目標文本集合的每個文本的句子中確定與目標文本集合對應的摘要句集合之前，所述方法還包括：

文本預處理，具體包括如下操作中至少之一：

利用正則表達式進行匹配，過濾目標文本中的網頁鏈接；或

利用關鍵詞匹配，過濾目標文本中的廣告句子和網頁代碼；或

如果所述文本為符合預設條件的長文本，則按照預設規則對文本進行剪裁，其中，所述預設規則包括保留文本第一段、最后一段以及其他中間段落的第一句和最后一句。

3.根據權利要求1所述的方法，其特征在于，所述從目標文本集合的每個文本的句子中確定與目標文本集合對應的摘要句集合，包括：

基于圖排序模型計算目標文本集合中每個文本的每個句子的重要性得分，其中，所述目標文本集合中包括至少兩個文本；

根據每個句子的重要性得分確定所述摘要句集合。

4.根據權利要求3所述的方法，其特征在于，所述根據每個句子的重要性得分確定摘要句集合，包括：

根據每個句子的重要性得分，按照分數從高到低的順序進行排序；

初始化摘要句集合為空，并按照所述排序依次遍歷每個句子，對于每個當前句子執行如下操作，直到當前摘要句集合中的句子總字數滿足預設數目：

如果該當前句子與當前摘要句集合中各句子的語義相似度不高于預設閾值，則將當前句子作為摘要句加入當前摘要句集合，否則繼續遍歷下一個句子。

5.根據權利要求1所述的方法，其特征在于，所述依據句子所屬文本的發布時間和句子在所屬文本中的位置，對目標文本集合的每個句子進行排序，包括：

對目標文本集合中每個文本的每個句子，按照語義相似度進行聚類，得到至少兩個句子簇；

在各句子簇的每個句子中，將所屬文本的最早發布時間作為相應句子簇的主題時間戳，以及作為相應句子簇中各句子的主題時間戳；

依據各句子簇的主題時間戳對各句子簇進行排序；

依據各句子簇中每個句子的主題時間戳，以及各句子在所屬文本中的位置，對各句子簇中的每個句子進行排序。

6.根據權利要求5所述的方法，其特征在于，所述依據各句子簇的主題時間戳對各句子簇進行排序，包括：

對于主題時間戳相同的句子簇，則按照各句子簇中特定句在所屬文本中的位置對句子簇進行排序，其中，所述特定句為確定句子簇的主題時間戳所對應的句子。

7.根據權利要求5所述的方法，其特征在于，所述依據各句子簇中每個句子的主題時間戳，以及各句子在所屬文本中的位置，對各句子簇中的每個句子進行排序，包括：

在任一當前句子簇中，對于所屬文本的發布時間與當前句子簇的主題時間戳相同的第一類句子，確定該第一類句子的標記位置為該第一類句子在各自所屬文本的位置；

對于所屬文本的發布時間與當前句子簇的主題時間戳不相同的第二類句子，確定該第二類句子的標記位置為在當前句子簇中與該第二類句子最相似的目標句在其所屬文本中的位置，并且該目標句所屬文本的發布時間與當前句子簇的主題時間戳相同；所述目標句為當前句子簇中的特定句；

根據當前句子簇中每個句子的標記位置為每個句子進行排序。