CN107977363B - 标题生成方法、装置和电子设备 - Google Patents

Abstract

本发明公开了一种标题生成方法、装置和电子设备，其中，标题生成方法包括：获取待生成标题的文本，并将文本切分为多个分句；获取多个分句的特征信息；将特征信息输入至标题支撑句模型，以抽取出至少一个标题支撑句；将至少一个标题支撑句输入至标题生成模型，以生成对应的标题；基于标题打分模型对生成的标题进行打分，并根据标题的得分确定文本对应的标题。本发明实施例的标题生成方法、装置和电子设备，降低了人工成本，提高了效率和时效性，并且能够满足优化标题提高点击率的需求。

Description

标题生成方法、装置和电子设备

技术领域

本发明涉及信息处理技术领域，尤其涉及一种标题生成方法、装置和电子设备。

背景技术

随着互联网技术的高速发展，互联网内容平台普遍存在提高优质内容流量的需求。对于海量的内容数据，如何能够吸引用户点击和浏览，最重要的就是为内容生成一个优质的标题。但是，随着内容生产者的门槛降低、内容的生产速度大幅提升，标题的质量难以得到保障。因此，需要对标题进行改写，以提高对用户的吸引力。目前，主要还是通过人工的方式对标题进行改写。然而，人工改写的效率低、成本高、时效性差，并且改写后的标题与原标题差别较小，难以满足提高标题质量，增加点击率的需求。

发明内容

本发明提供一种标题生成方法、装置和电子设备，以解决上述技术问题中的至少一个。

本发明实施例提供一种标题生成方法，包括：

获取待生成标题的文本，并将所述文本切分为多个分句；

获取所述多个分句的特征信息；

将所述特征信息输入至标题支撑句模型，以抽取出至少一个标题支撑句；

将所述至少一个标题支撑句输入至标题生成模型，以生成对应的标题；

基于标题打分模型对生成的标题进行打分，并根据标题的得分确定所述文本对应的标题。

可选的，所述文本切分为多个分句，包括：

基于整句粒度或子句粒度，将所述文本切分为多个分句。

可选的，所述特征信息包括长度信息、位置信息、重要性信息以及相似度信息中的至少一种。

可选的，所述标题支撑句模型包括决策树GBDT模型。

可选的，所述方法还包括：

训练所述标题打分模型。

可选的，训练所述标题打分模型，包括：

获取标题样本与所述标题样本对应的点击数据；

根据所述标题样本和所述点击数据训练所述标题打分模型。

可选的，所述标题打分模型包括深度神经网络DNN模型。

可选的，所述方法还包括：

训练所述标题生成模型。

可选的，所述标题生成模型为seq2seq模型。

可选的，根据标题的得分确定所述文本对应的标题，包括：

过滤得分低于预设分数的标题；

对过滤后的标题进行排序，并根据排序结果确定所述文本对应的标题。

本发明另一实施例提供一种标题生成装置，包括：

切分模块，用于获取待生成标题的文本，并将所述文本切分为多个分句；

获取模块，用于获取所述多个分句的特征信息；

抽取模块，用于将所述特征信息输入至标题支撑句模型，以抽取出至少一个标题支撑句；

生成模块，用于将所述至少一个标题支撑句输入至标题生成模型，以生成对应的标题；

确定模块，用于基于标题打分模型对生成的标题进行打分，并根据标题的得分确定所述文本对应的标题。

可选的，所述切分模块，用于：

基于整句粒度或子句粒度，将所述文本切分为多个分句。

可选的，所述特征信息包括长度信息、位置信息、重要性信息以及相似度信息中的至少一种。

可选的，所述标题支撑句模型包括决策树GBDT模型。

可选的，装置还包括：

第一训练模块，用于训练所述标题打分模型。

可选的，所述第一训练模块，用于：

获取标题样本与所述标题样本对应的点击数据；

根据所述标题样本和所述点击数据训练所述标题打分模型。

可选的，所述标题打分模型包括深度神经网络DNN模型。

可选的，装置还包括：

第二训练模块，用于训练所述标题生成模型。

可选的，所述标题生成模型为seq2seq模型。

可选的，所述确定模块，用于：

过滤得分低于预设分数的标题；

对过滤后的标题进行排序，并根据排序结果确定所述文本对应的标题。

本发明还一实施例提供一种非临时性计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如本发明第一方面实施例所述的标题生成方法。

本发明又一实施例提供一种电子设备，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器用于执行本发明第一方面实施例所述的标题生成方法。

本发明实施例提供的技术方案可以包括以下有益效果：通过获取待生成标题的文本，并将所述文本切分为多个分句，以及获取所述多个分句的特征信息，并将所述特征信息输入至标题支撑句模型，以抽取出至少一个标题支撑句，以及将所述至少一个标题支撑句输入至标题生成模型，以生成对应的标题，以及基于标题打分模型对生成的标题进行打分，并根据标题的得分确定所述文本对应的标题，降低了人工成本，提高了效率和时效性，并且能够满足优化标题提高点击率的需求。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1是根据本发明一个实施例的标题生成方法的流程图；

图2是根据本发明另一个实施例的标题生成方法的流程图；

图3是根据本发明又一个实施例的标题生成方法的流程图；

图4是根据本发明一个实施例的标题生成装置的结构框图；

图5是根据本发明另一个实施例的标题生成装置的结构框图；

图6是根据本发明又一个实施例的标题生成装置的结构框图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

下面参考附图描述本发明实施例的标题生成方法、装置和电子设备。

互联网内容平台普遍存在提高优质内容流量的需求。对于海量的内容数据，如何能够吸引用户点击和浏览，最重要的就是为内容生成一个优质的标题。但是，随着内容生产者的门槛降低、内容的生产速度大幅提升，标题的质量难以得到保障。另一方面，内容生产者难以有效地评估标题对用户的吸引度。因此，需要对标题进行改写，以提高对用户的吸引力。如何帮助内容生产者为优质内容生成一个优质的吸引用户的标题，是互联网内容平台的一个重要课题。目前，主要还是通过人工的方式对标题进行改写。然而，人工改写的效率低、成本高、时效性差，并且改写后的标题与原标题差别较小，难以满足提高标题质量，增加点击率的需求。为此，本发明提出一种标题改写方法，通过改写优质内容的原始标题，生成一个更优质、更吸引用户的标题，提高优质内容流量，实现优质内容价值的最大化。本发明的应用方向包括但不仅限于新闻领域。

图1是根据本发明一个实施例的标题生成方法的流程图。

如图1所示，该标题生成方法包括：

S101，获取待生成标题的文本，并将文本切分为多个分句。

在本发明的一个实施例中，首先可获取待生成标题的文本，然后基于整句粒度或子句粒度，将文本切分为多个分句。其中，整句粒度的分句，主要通过使用句号、问号、感叹号、省略号等表示一句话结束的标点符号进行分句；子句粒度的分句，主要为在整句粒度的基础上，使用逗号、冒号、空格等隔开同一句话的不同子句的标点符号进行分句。

应当注意的是，在对文本进行切分时，还包括以下规则，如书名号中的标点符号不作为分句符，ASCii码字符串不能被切分等。

S102，获取多个分句的特征信息。

其中，特征信息可包括长度信息、位置信息、重要性信息以及相似度信息中的至少一种。

长度信息即句子长度，可以使用但不限于句子长度的最大值归一化结果。

位置信息指句子在文本中的位置。可以使用但不限于如下编码方式：按首段、中间段、末段、首句、中间句、末句进行0-1编码。

重要性信息用于评估句子在文本中的重要性，可以使用但不限于Text Rank算法计算得到。

相似度信息为句子与标题之间的相似度，可以使用但不限于字面相似性和语义相似性。其中，字面相似性可包括共现词个数和所占比例、编辑距离、最大公共子串长度、最大公共子序列长度、反文档频率加权的共现词个数和所占比例、以及使用同义对齐后的上述特征。语义相似性则使用嵌入embedding方式对句子进行编码，然后计算余弦cosine值或者使用训练好的模型计算获得。

应当理解的是，对相似度信息，可以是整句粒度的，也可以是子句粒度的。采用子句粒度时，可以计算文本中的句子的每一个子句与标题中的每一个子句之间的相似度，使用它们的最大值和平均值作为子句粒度的相似度信息。

此外，针对连续值的特征信息如重要性信息和相似度信息等，还可以对这些特征信息的特征值进行排序，然后将排序结果作为离散化特征。

S103，将特征信息输入至标题支撑句模型，以抽取出至少一个标题支撑句。

其中，标题支撑句模型包括决策树(GBDT，Gradient Boosting Decision Tree)模型。

在本发明的一个实施例中，可将获取到的分句的特征信息作为输入，输入至预先训练好的标题支撑句模型，从而抽取出至少一个标题支撑句。

S104，将至少一个标题支撑句输入至标题生成模型，以生成对应的标题。

在此之后，再将抽取出的标题支撑句作为输入，输入至标题生成模型，从而生成对应的标题。

S105，基于标题打分模型对生成的标题进行打分，并根据标题的得分确定文本对应的标题。

在生成标题之后，可基于标题打分模型对生成的标题进行打分，过滤掉得分低于预设分数的标题，再对过滤后的标题进行排序，然后根据排序结果确定文本对应的标题。其中，预设分数可以是文本已有标题的得分。如果新生成的标题的得分低于原有标题的得分，那么就没有必要对标题进行改写，因此过滤掉得分低于预设分数的标题，再从得分高的标题中选取更优的标题。

本发明实施例的标题生成方法，通过获取待生成标题的文本，并将文本切分为多个分句，以及获取多个分句的特征信息，并将特征信息输入至标题支撑句模型，以抽取出至少一个标题支撑句，以及将至少一个标题支撑句输入至标题生成模型，以生成对应的标题，以及基于标题打分模型对生成的标题进行打分，并根据标题的得分确定文本对应的标题，降低了人工成本，提高了效率和时效性，并且能够满足优化标题提高点击率的需求。

为实现上述实施例，如图2所示，本发明实施例的标题生成方法，还可包括：

S106，训练标题打分模型。

在本发明的一个实施例中，可获取标题样本与标题样本对应的点击数据，然后根据标题样本和点击数据训练标题打分模型。

下面以新闻标题为例进行详细说明：

为新闻标题打分，即计算新闻标题对应的点击率(CTR，Click-Through-Rate)。假 设x＝点击数，y＝未点击数，则新闻标题对应的点击率CTR为

其中，t是未点击部 分的一个缩放因子，t∈(0，1]是为了使正(点击)负(未点击)比例不过于悬殊。将点击率CTR 和新闻标题作为输入，输入至标题打分模型，进而输出真实的CTR，即

其中，标题打分模型包括深度神经网络(DNN，Deep Neural Network)模型。

为实现上述实施例，如图3所示，本发明实施例的标题生成方法，还可包括：

S107，训练标题生成模型。

其中，标题生成模型可为tensorflow的seq2seq模型。

其中，tensorflow为一个开源软件库，用于各种感知和语言理解任务的机器学习。seq2seq模型即序列到序列Sequence-to-Sequence模型。

实现一个seq2seq模型，可采用千万量级新闻数据，新闻的标题支撑句作为输入，新闻的原始标题作为模型输出，以此来训练模型。

为了实现上述实施例，本发明还提出了一种标题生成装置，图4是根据本发明一个实施例的标题生成装置的结构框图，如图4所示，该装置包括切分模块410、获取模块420、抽取模块430、生成模块440以及确定模块450。

其中，切分模块410，用于获取待生成标题的文本，并将文本切分为多个分句。

获取模块420，用于获取多个分句的特征信息。

抽取模块430，用于将特征信息输入至标题支撑句模型，以抽取出至少一个标题支撑句。

生成模块440，用于将至少一个标题支撑句输入至标题生成模型，以生成对应的标题。

确定模块450，用于基于标题打分模型对生成的标题进行打分，并根据标题的得分确定文本对应的标题。

如图5所示，本发明的标题生成装置，还可包括第一训练模块460。

第一训练模块460，用于训练标题打分模型。

如图6所示，本发明的标题生成装置，还可包括第二训练模块470。

第二训练模块470，用于训练标题生成模型。

需要说明的是，前述对标题生成方法的解释说明，也适用于本发明实施例的标题生成装置，本发明实施例中未公布的细节，在此不再赘述。

本发明实施例的标题生成装置，通过获取待生成标题的文本，并将文本切分为多个分句，以及获取多个分句的特征信息，并将特征信息输入至标题支撑句模型，以抽取出至少一个标题支撑句，以及将至少一个标题支撑句输入至标题生成模型，以生成对应的标题，以及基于标题打分模型对生成的标题进行打分，并根据标题的得分确定文本对应的标题，降低了人工成本，提高了效率和时效性，并且能够满足优化标题提高点击率的需求。

为了实现上述实施例，本发明还提出了一种电子设备。

电子设备包括处理器、存储器及存储在存储器上并可在处理器上运行的计算机程序，处理器用于执行本发明第一方面实施例的标题生成方法。

例如，计算机程序可被处理器执行以完成以下步骤的标题生成方法：

S101’，获取待生成标题的文本，并将文本切分为多个分句。

S102’，获取多个分句的特征信息。

S103’，将特征信息输入至标题支撑句模型，以抽取出至少一个标题支撑句。

S104’，将至少一个标题支撑句输入至标题生成模型，以生成对应的标题。

S105’，基于标题打分模型对生成的标题进行打分，并根据标题的得分确定文本对应的标题。

本发明实施例的电子设备，通过获取待生成标题的文本，并将文本切分为多个分句，以及获取多个分句的特征信息，并将特征信息输入至标题支撑句模型，以抽取出至少一个标题支撑句，以及将至少一个标题支撑句输入至标题生成模型，以生成对应的标题，以及基于标题打分模型对生成的标题进行打分，并根据标题的得分确定文本对应的标题，降低了人工成本，提高了效率和时效性，并且能够满足优化标题提高点击率的需求。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (16)

1.一种标题生成方法，其特征在于，包括：

获取待生成标题的文本，并将所述文本切分为多个分句；

获取所述多个分句的特征信息，所述特征信息包括长度信息、位置信息、重要性信息以及相似度信息中的至少一种；

将所述特征信息输入至标题支撑句模型，以抽取出至少一个标题支撑句；

将所述至少一个标题支撑句输入至标题生成模型，以生成对应的标题；

基于标题打分模型对生成的标题进行打分，并根据标题的得分确定所述文本对应的标题；包括：训练所述标题打分模型，所述训练所述标题打分模型，还包括：获取标题样本与所述标题样本对应的点击数据；根据所述标题样本和所述点击数据训练所述标题打分模型；所述基于标题打分模型对生成的标题进行打分包括：计算标题对应的点击率，将所述点击率和所述标题输入至标题打分模型。

2.如权利要求1所述的方法，其特征在于，所述文本切分为多个分句，包括：

基于整句粒度或子句粒度，将所述文本切分为多个分句。

3.如权利要求1所述的方法，其特征在于，所述标题支撑句模型包括决策树GBDT模型。

4.如权利要求1所述的方法，其特征在于，所述标题打分模型包括深度神经网络DNN模型。

5.如权利要求1所述的方法，其特征在于，还包括：

训练所述标题生成模型。

6.如权利要求5所述的方法，其特征在于，所述标题生成模型为seq2seq模型。

7.如权利要求1所述的方法，其特征在于，根据标题的得分确定所述文本对应的标题，包括：

过滤得分低于预设分数的标题；

对过滤后的标题进行排序，并根据排序结果确定所述文本对应的标题。

8.一种标题生成装置，其特征在于，包括：

切分模块，用于获取待生成标题的文本，并将所述文本切分为多个分句；

获取模块，用于获取所述多个分句的特征信息，所述特征信息包括长度信息、位置信息、重要性信息以及相似度信息中的至少一种；

抽取模块，用于将所述特征信息输入至标题支撑句模型，以抽取出至少一个标题支撑句；

生成模块，用于将所述至少一个标题支撑句输入至标题生成模型，以生成对应的标题；

确定模块，用于基于标题打分模型对生成的标题进行打分，并根据标题的得分确定所述文本对应的标题；还包括：

第一训练模块，用于训练所述标题打分模型；所述第一训练模块，用于：获取标题样本与所述标题样本对应的点击数据；根据所述标题样本和所述点击数据训练所述标题打分模型；所述基于标题打分模型对生成的标题进行打分包括：计算标题对应的点击率，将所述点击率和所述标题输入至标题打分模型。

9.如权利要求8所述的装置，其特征在于，所述切分模块，用于：

基于整句粒度或子句粒度，将所述文本切分为多个分句。

10.如权利要求8所述的装置，其特征在于，所述标题支撑句模型包括决策树GBDT模型。

11.如权利要求8所述的装置，其特征在于，所述标题打分模型包括深度神经网络DNN模型。

12.如权利要求8所述的装置，其特征在于，还包括：

第二训练模块，用于训练所述标题生成模型。

13.如权利要求12所述的装置，其特征在于，所述标题生成模型为seq2seq模型。

14.如权利要求8所述的装置，其特征在于，所述确定模块，用于：

过滤得分低于预设分数的标题；

对过滤后的标题进行排序，并根据排序结果确定所述文本对应的标题。

15.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1～7任一项所述的标题生成方法。

16.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1～7任一项所述的标题生成方法。

Images