[發(fā)明專利]一種用戶級(jí)別的個(gè)性化文本摘要生成方法和系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201911151025.0
• 申請(qǐng)日: 2019-11-21
• 公開(kāi)（公告）號(hào): CN110941712B
• 公開(kāi)（公告）日: 2022-09-20
• 發(fā)明（設(shè)計(jì)）人: 王智;易坤;孫立峰
• 申請(qǐng)（專利權(quán)）人: 清華大學(xué)深圳國(guó)際研究生院
• 主分類號(hào): G06F16/34
• 分類號(hào): G06F16/34;G06F16/335;G06F16/9536
• 代理公司: 深圳新創(chuàng)友知識(shí)產(chǎn)權(quán)代理有限公司 44223
• 代理人: 江耀純

本發(fā)明提供一種用戶級(jí)別的個(gè)性化文本摘要生成方法和系統(tǒng)，方法包括：采集用戶的基本信息以及用戶在閱讀至少一個(gè)類別的文本時(shí)的注意力分布原始數(shù)據(jù)；提取用戶的個(gè)性化偏好特征，包括用戶在不同詞性上的注意力分布；將用戶的個(gè)性化偏好特征和文本輸入到個(gè)性化摘要抽取模塊，輸出為抽取出來(lái)的個(gè)性化句子；將個(gè)性化句子組合成新的文本輸入到后續(xù)的抽象生成模型中生成個(gè)性化文本摘要；獲取新用戶的基本信息，計(jì)算與已有的用戶的相似度，選擇最相似的至少兩個(gè)用戶并獲取個(gè)性化偏好特征的平均值作為新用戶的初始化個(gè)性偏好特征；根據(jù)初始化個(gè)性偏好特征獲得新用戶的個(gè)性化文本摘要。通過(guò)匹配新用戶的基本信息，得到個(gè)性化文本摘要，簡(jiǎn)單且準(zhǔn)確。

技術(shù)領(lǐng)域

本發(fā)明涉及文本信息挖掘技術(shù)領(lǐng)域，尤其涉及一種用戶級(jí)別的個(gè)性化文本摘要生成方法和系統(tǒng)。

背景技術(shù)

現(xiàn)有的文本摘要生成技術(shù)主要為非個(gè)性化文本摘要類型，這類技術(shù)對(duì)于相同文本不同用戶生成的摘要是完全相同的，不能對(duì)不同的用戶生成個(gè)性化的文本摘要。而現(xiàn)存的個(gè)性化文本摘要技術(shù)主要存在兩個(gè)問(wèn)題：

1)前期需要大量與文本本身無(wú)關(guān)的用戶背景信息的采集工作，而在往往實(shí)際場(chǎng)景中這些用戶背景信息的采集較為困難；

2)并未真正做到用戶級(jí)別的個(gè)性化，只是針對(duì)不同的主題挑選了更符合選定主題的句子作為個(gè)性化摘要的輸出。

因?yàn)闊o(wú)法克服這兩個(gè)問(wèn)題，所以現(xiàn)有技術(shù)中缺乏一種用戶級(jí)別的個(gè)性化文本摘要方法。

發(fā)明內(nèi)容

本發(fā)明為了解決現(xiàn)有的問(wèn)題，提供一種用戶級(jí)別的個(gè)性化文本摘要生成方法和系統(tǒng)。

為了解決上述問(wèn)題，本發(fā)明采用的技術(shù)方案如下所述：

一種用戶級(jí)別的個(gè)性化文本摘要生成方法，包括如下步驟：S1：采集用戶的基本信息以及所述用戶在閱讀至少一個(gè)類別的文本時(shí)的注意力分布原始數(shù)據(jù)；S2：從所述注意力分布原始數(shù)據(jù)中提取所述用戶的個(gè)性化偏好特征，所述個(gè)性化偏好特征包括所述用戶在不同詞性上的注意力分布；S3：將所述用戶的個(gè)性化偏好特征和所述文本輸入到個(gè)性化摘要抽取模塊，輸出為抽取出來(lái)的個(gè)性化句子；將所述個(gè)性化句子組合成新的文本輸入到后續(xù)的抽象生成模型中生成個(gè)性化文本摘要；S4：獲取新用戶的基本信息，計(jì)算與已有的所述用戶的相似度，選擇最相似的至少兩個(gè)用戶并獲取所述至少兩個(gè)用戶的個(gè)性化偏好特征的平均值作為所述新用戶的初始化個(gè)性偏好特征；S5：根據(jù)所述初始化個(gè)性偏好特征獲得所述新用戶的個(gè)性化文本摘要。

優(yōu)選地，所述基本信息包括：性別，年齡，學(xué)歷和專業(yè)背景，所述性別包括男性、女性；所述年齡包括15歲以下、15-25歲、25-35歲、35-45歲、45歲以上；所述學(xué)歷包括高中在讀、大學(xué)在讀、本科、碩士和博士；所述專業(yè)背景包括計(jì)算機(jī)、環(huán)境、生物、人文、歷史、電子、機(jī)械、英語(yǔ)、法律、金融和高中生。

優(yōu)選地，所述類別包括金融、教育、體育、娛樂(lè)、科技、軍事、汽車、游戲、動(dòng)漫和文化。

優(yōu)選地，所述原始數(shù)據(jù)包括所述用戶在25種詞性上的注意力分布百分比，包括形容詞、區(qū)別詞、連詞、副詞、嘆詞、方位詞、語(yǔ)素、成語(yǔ)、前接成分、簡(jiǎn)稱略語(yǔ)、后接成分、習(xí)用語(yǔ)、數(shù)詞、名詞、介詞、量詞、代詞、處所詞、時(shí)間詞、助詞、動(dòng)詞、標(biāo)點(diǎn)符號(hào)、非語(yǔ)素字、語(yǔ)氣詞和狀態(tài)詞。

優(yōu)選地，采用眼動(dòng)儀采集用戶在閱讀文本時(shí)的注意力分布原始數(shù)據(jù)。

優(yōu)選地，抽象生成模型是神經(jīng)網(wǎng)絡(luò)模型，包括Pointer Generator端到端的模型。