[發明專利]基于相似度的標題生成模型的訓練方法及計算設備

在審

• 申請號: 201911159176.0
• 申請日: 2019-11-22
• 公開（公告）號: CN110968666A
• 公開（公告）日: 2020-04-07
• 發明（設計）人: 柳燕煌
• 申請（專利權）人: 掌閱科技股份有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F40/258
• 代理公司: 北京市浩天知識產權代理事務所(普通合伙) 11276
• 代理人: 梁倩

1.一種基于相似度的標題生成模型的訓練方法，包括：

從文章集合中提取各個文章內容對應的標題；

針對所述文章集合中的每個文章內容，對所述文章內容的全文以及所述文章內容的各個組成語句進行特征提取，得到所述文章內容的全文的第一特征向量以及各個組成語句對應的第二特征向量；

計算所述第一特征向量與各個第二特征向量之間的相似度；

根據所述第一特征向量與各個第二特征向量之間的相似度，從所述第二特征向量對應的各個組成語句中提取詞語，構建所述文章內容對應的詞語樣本集合；

根據各個文章內容對應的詞語樣本集合中的詞語樣本以及各個文章內容對應的標題，訓練得到標題生成模型。

2.根據權利要求1所述的方法，所述針對所述文章集合中的每個文章內容，對所述文章內容的全文以及所述文章內容的各個組成語句進行特征提取，得到所述文章內容的全文的第一特征向量以及各個組成語句對應的第二特征向量進一步包括：

對所述文章內容的全文以及所述文章內容的各個組成語句進行主題分析，得到所述文章內容的全文的第一主題向量作為第一特征向量，得到各個組成語句對應的第二主題向量作為第二特征向量；

或者，對所述文章內容的全文以及所述文章內容的各個組成語句進行特征提取，得到所述文章內容的全文的第一embedding向量作為第一特征向量，得到各個組成語句對應的第二embedding向量作為第二特征向量。

3.根據權利要求1所述的方法，所述根據所述第一特征向量與各個第二特征向量之間的相似度，從所述第二特征向量對應的各個組成語句中提取詞語，構建所述文章內容對應的詞語樣本集合進一步包括：

對所述第一特征向量與各個第二特征向量之間的相似度按照從高到低的順序進行排列，得到各個第二特征向量對應的各個組成語句的排列結果；

對排列結果中排列靠前的n個組成語句進行分詞處理，得到n個組成語句的詞語作為詞語樣本，構建所述文章內容對應的詞語樣本集合。

4.根據權利要求3所述的方法，所述對排列結果中排列靠前的n個組成語句進行分詞處理，得到n個組成語句的詞語作為詞語樣本，構建所述文章內容對應的詞語樣本集合進一步包括：

統計n個組成語句的詞語的總數量；

判斷所述詞語的總數量是否超過預設數量閾值；

若是，則從n個組成語句的詞語中選取數量符合所述預設數量閾值的詞語，將所選取的詞語作為詞語樣本添加至所述文章內容對應的詞語樣本集合中；若否，則將n個組成語句的詞語作為詞語樣本添加至所述文章內容對應的詞語樣本集合中。

5.根據權利要求3或4所述的方法，所述對排列結果中排列靠前的n個組成語句進行分詞處理，得到n個組成語句的詞語作為詞語樣本，構建所述文章內容對應的詞語樣本集合進一步包括：

獲取排列結果中排列靠前的n個組成語句在所述文章內容中的出現順序；

對排列結果中排列靠前的n個組成語句按照從前到后的出現順序進行排列，得到排列后的n個組成語句；

對排列后的n個組成語句進行分詞處理，得到排列后的n個組成語句的有序詞語作為詞語樣本，構建所述文章內容對應的詞語樣本集合。

6.一種基于相似度的標題生成方法，包括：

獲取待處理文章內容以及所述待處理文章內容的各個組成語句；

對所述待處理文章內容的全文以及所述待處理文章內容的各個組成語句進行特征提取，得到所述待處理文章內容的全文的第一特征向量以及各個組成語句對應的第二特征向量；

計算所述第一特征向量與各個第二特征向量之間的相似度；

根據所述第一特征向量與各個第二特征向量之間的相似度，從所述第二特征向量對應的各個組成語句中提取詞語，構建所述待處理文章內容對應的詞語集合；

將所述詞語集合中的詞語輸入至經過訓練的標題生成模型中，將所述標題生成模型的輸出結果作為待處理文章的標題。