[發明專利]一種標題生成方法、計算機及可讀存儲介質

在審

• 申請號: 202010737713.1
• 申請日: 2020-07-28
• 公開（公告）號: CN111767720A
• 公開（公告）日: 2020-10-13
• 發明（設計）人: 康戰輝
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F40/258
• 分類號: G06F40/258;G06F40/289;G06F40/216;G06F40/30;G06N20/00
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 熊永強;杜維

本申請實施例公開了一種標題生成方法、計算機及可讀存儲介質，可以使用人工智能領域的機器學習技術，該方法包括：對目標文本數據進行分詞處理，得到組成目標文本數據的至少兩個目標文本分詞詞組；根據至少兩個目標文本分詞詞組的目標詞組重要度，獲取目標文本數據中的目標文本關鍵詞，獲取目標文本關鍵詞的目標詞組特征；將目標詞組特征輸入標題生成模型，基于標題生成模型對目標詞組特征進行特征預測，得到預測語句集合，將預測語句集合中第一預測概率值最大的預測語句，作為目標文本數據的目標文本標題；推送攜帶目標文本標題的目標文本數據。采用本申請，可以提高文本標題的生成效率。

技術領域

本申請涉及計算機技術領域，尤其涉及一種標題生成方法、計算機及可讀存儲介質。

背景技術

隨著互聯網資訊平臺的發展，很多用戶都會在在線資訊平臺閱讀相關的科普類文章，例如，在線醫療資訊平臺的醫療科普類文章。為了保障資訊平臺中所發布的科普類文章的權威和專業性，資訊平臺一般會邀請相關行業中的專業人士創作科普類文章，例如，醫療資訊平臺一般會邀請三甲醫院等知名醫院的醫療專家創作醫療科普類文章。由于專業人士往往不了解互聯網的資訊傳播方式，而更為擅長平鋪直敘或者專業學術化的表達，因此，上傳至資訊平臺中的科普類文章，可能會因為文本標題表述較為直白或專業，用戶無法直觀地了解該科普類文章所表述的內容，從而導致這些科普類文章可能無法吸引較多的用戶閱覽，造成該科普類文章的相關工作無法得到更好的反饋。

目前，為解決該文本標題表述較為專業或直白的問題，一般會通過運營人員與專業人士之間的多次溝通，以生成科普類文章的文本標題，這種方式往往會耗費時間和精力，造成文本標題的生成效率低下。

發明內容

本申請實施例提供了一種標題生成方法、計算機及可讀存儲介質，可以提高文本標題的生成效率。

本申請實施例一方面提供了一種標題生成方法，該方法包括：

對目標文本數據進行分詞處理，得到組成目標文本數據的至少兩個目標文本分詞詞組；

根據至少兩個目標文本分詞詞組的目標詞組重要度，獲取目標文本數據中的目標文本關鍵詞，獲取目標文本關鍵詞的目標詞組特征；

將目標詞組特征輸入標題生成模型，基于標題生成模型對目標詞組特征進行特征預測，得到預測語句集合，將預測語句集合中第一預測概率值最大的預測語句，作為目標文本數據的目標文本標題；

推送攜帶目標文本標題的目標文本數據。

其中，該方法，還包括：

根據至少兩個目標文本分詞詞組，確定第i個目標文本分詞詞組在目標文本數據中的目標詞組頻率tf_i；i為正整數，i小于或等于至少兩個目標文本分詞詞組的總數；

獲取逆向文件頻率集合，從逆向文件頻率集合中獲取第i個目標文本分詞詞組的目標逆向文件頻率idf_i；

獲取第i個目標文本分詞詞組在目標文本數據中對應的目標域權重，根據目標詞組頻率tf_i、目標逆向文件頻率idf_i及第i個目標文本分詞詞組的目標域權重，確定第i個目標文本分詞詞組的目標詞組重要度。

其中，根據至少兩個目標文本分詞詞組，確定第i個目標文本分詞詞組在目標文本數據中的目標詞組頻率tf_i，包括：

統計目標文本數據中每個目標文本分詞詞組的目標詞組數量；

將第i個目標文本分詞詞組的目標詞組數量與每個目標文本分詞詞組的目標詞組數量之和的比值，確定為第i個目標文本分詞詞組在目標文本數據中的目標詞組頻率tf_i。

其中，該方法還包括：