[發明專利]一種搜索信息的摘要自動生成方法及裝置

有效

• 申請號: 202110587256.7
• 申請日: 2021-05-27
• 公開（公告）號: CN113268651B
• 公開（公告）日: 2023-06-06
• 發明（設計）人: 李涓子;祝方韋;侯磊;涂尚卿;張鵬;唐杰;許斌
• 申請（專利權）人: 清華大學
• 主分類號: G06F16/953
• 分類號: G06F16/953;G06F16/9035;G06F16/9038;G06F16/9032;G06N3/044;G06N3/047;G06N3/084
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 鄭朝然

本發明提供一種搜索信息的摘要自動生成方法及裝置，該方法包括：獲取搜索信息對應的網頁文本集，所述搜索信息是屬于第一實體類別的信息；將所述網頁文本集輸入訓練好的主題檢測模型，輸出所述網頁文本集對應的主題文本簇集合，其中，所述訓練好的主題檢測模型是基于攜帶有主題標簽的網頁樣本文本訓練得到的；將所述主題文本簇集合輸入訓練好的摘要生成模型，得到所述搜索信息的摘要，其中，所述訓練好的摘要生成模型是基于攜帶有摘要文本標簽的樣本主題文本簇訓練得到的。本發明能夠有效生成搜索信息的摘要。

技術領域

本發明涉及信息處理技術領域，尤其涉及一種搜索信息的摘要自動生成方法及裝置。

背景技術

用戶通過在網上進行搜索時，往往會通過搜索內容對應的在線百科來獲取信息，而在線百科是流行的在線知識庫，它們因為質量高于被廣泛運用于諸如知識獲取、問答系統等自然語言處理任務中。在百科文檔中，摘要部分是對全文的一個概述，也是在線百科最常被用到的部分之一。百科文檔摘要經常由專業人士通過多次修改完成，此過程需要耗費大量勞力且可能因為寫作者的個人習慣導致遺漏某些信息。自動生成百科文檔摘要工作旨在于自動化百科文檔摘要的寫作流程，以減少人力消耗。

而直接提供搜索信息的摘要可以很好的幫助用戶更好的快速理解搜索信息，因此如何生成搜索信息的摘要已經成為業界亟待解決的問題。

發明內容

本發明提供及一種搜索信息的摘要自動生成方法及裝置，用以解決生成搜索信息的摘要的問題。

本發明提供一種搜索信息的摘要自動生成方法，包括：

獲取搜索信息對應的網頁文本集，所述搜索信息是屬于第一實體類別的信息；

將所述網頁文本集輸入訓練好的主題檢測模型，輸出所述網頁文本集對應的主題文本簇集合，其中，所述訓練好的主題檢測模型是基于攜帶有主題標簽的網頁樣本文本訓練得到的；

將所述主題文本簇集合輸入訓練好的摘要生成模型，得到所述搜索信息的摘要，其中，所述訓練好的摘要生成模型是基于攜帶有摘要文本標簽的樣本主題文本簇訓練得到的。

根據本申請提供的一種搜索信息的摘要自動生成方法，所述將所述主題文本簇集合輸入訓練好的摘要生成模型，得到所述搜索信息的摘要，包括：

將所述主題文本簇集合輸入訓練好的摘要生成模型，輸出含有主題信息的向量表示；

基于指針生成網絡模型對所述含有主題信息的向量表示，生成所述搜索信息的摘要。

根據本申請提供的一種搜索信息的摘要自動生成方法，所述獲取搜索信息對應的網頁文本信息，包括：

將所述搜索信息輸入搜索引擎，得到搜索信息對應的第一百科網頁和第一非百科網頁；

對所述第一非百科網頁進行篩選，得到第一非百科目標網頁；

基于所述第一非百科目標網頁中的文本信息，確定所述搜索信息對應的網頁文本集。

根據本申請提供的一種搜索信息的摘要自動生成方法，所述將第一實體類別對應的百科文檔輸入訓練好的主題檢測模型之前，所述方法還包括：

獲取多個網頁樣本文本和每個所述網頁樣本文本對應的主題標簽；

將每個網頁樣本文本和所述主題標簽的組合作為一個第一訓練樣本，獲取多個第一訓練樣本；

利用多個所述第一訓練樣本對預設主題檢測模型進行訓練，在滿足第一預設訓練條件的情況下，結束訓練，得到訓練好的主題檢測模型。

根據本申請提供的一種搜索信息的摘要自動生成方法，所述獲取多個網頁樣本文本和每個所述網頁樣本文本對應的主題標簽之前，所述方法還包括：

獲取第一實體類別對應的百科網頁文本集；