一种基于深度学习的目标软文的生成方法及装置制造方法及图纸

本发明专利技术公开了一种基于深度学习的目标软文的生成方法及装置，该方法包括：接收目标对象的相关信息，根据相关信息从标题库中匹配出若干条适配的目标标题，标题库中的标题由采集到的标题通过第三生成模型扩展而来；将目标标题输入到第一生成模型中，生成至少一个目标导语；根据相关信息以及预设规则生成至少一个符合预设结构的输入信息，将输入信息输入到第二生成模型中，生成至少一个目标正文；对目标标题、目标导语以及目标正文进行组装，获取多篇目标软文。本发明专利技术通过利用深度学习和自然语言处理技术，能够实现营销软文的自动化智能化多样化生成，节省运营人员的投入，提升营销软文的生产效率，有效的避免手写效率低下的问题，同时避免模板生成的呆板问题。

A method and device of target soft text generation based on deep learning

【技术实现步骤摘要】
一种基于深度学习的目标软文的生成方法及装置
本专利技术涉及自然语言处理
，特别涉及一种基于深度学习的目标软文的生成方法及装置。
技术介绍
新产品在市场进行推广时经常会用到营销软文，营销软文通常由标题、导语和营销正文三部分组成。标题用生动简洁的语言表明营销的产品，引人入胜，导语起到引导性作用，引导消费方向，引出下面营销正文，营销正文则对产品进行介绍、推荐营销。目前营销软文，无论是标题、导语，还是营销正文，多为商家运营人员手动编写，或者采用模板自动生成。这两种方法或多或少均存在不足：对于手动编写，需要相关人员根据待营销的品类组织生动的语言手动编写营销软文，一旦需要短时间输出大量软文或拓展至较多品类时，往往存在生产效率低下的问题；对于模板生成，虽然可以短时间内生成批量，但是生成的语句存在模式固定、呆板、多样化不足等问题。
技术实现思路
为了解决现有技术的问题，本专利技术实施例提供了一种基于深度学习的目标软文的生成方法及装置，以克服现有技术中手动编写目标软文生产效率低下、模板生成目标软文语句模式固定、呆板、多样化不足等问题。为解决上述一个或多个技术问题，本专利技术采用的技术方案是：一方面，提供了一种基于深度学习的目标软文的生成方法，该方法包括如下步骤：接收目标对象的相关信息，根据所述相关信息从标题库中匹配出若干条适配的目标标题，所述标题库中的标题由采集到的标题通过第三生成模型扩展而来；将所述目标标题输入到第一生成模型中，生成至少一个目标导语；<br>根据所述相关信息以及预设规则生成至少一个符合预设结构的输入信息，将所述输入信息输入到第二生成模型中，生成至少一个目标正文；对所述目标标题、所述目标导语以及所述目标正文进行组装，获取多篇目标软文。进一步的，所述根据所述相关信息以及预设规则生成至少一个符合预设结构的输入信息，将所述输入信息输入到第二生成模型中，生成至少一个目标正文包括：对所述相关信息进行分词处理，从获取到的第一分词结果中提取出满足预设条件的目标分词；对所述目标分词进行重组，获取至少一个符合预设结构的输入信息；将所述输入信息输入到第二生成模型中，生成至少一个目标正文。进一步的，所述方法还包括标题库的构建过程，包括：对采集到的若干第一样本标题进行分词处理，获取第二分词结果；采用预设的第一关键词提取方法从所述第一样本标题中提取出第一关键词；将所述第二分词结果以及所述第一关键词输入到第三生成模型，获取多个新的标题，所述标题库由所述新的标题构成。进一步的，所述标题库的构建过程还包括：对所述第一关键词集合与所述第二分词结果取交集，获取输入数据集合；将所述输入数据集合的数据作为输入，所述目标标题作为输出，基于预设算法训练出第三生成模型。进一步的，所述方法还包括第一生成模型的构建过程，包括：对采集到的若干第二样本标题以及与所述第二样本标题对应的导语对进行分词处理；采用预设的第二关键词提取方法从所述第二样本标题中提取出第二关键词；对所述第二关键词集合与每条分词后的所述第二样本标题取交集，获取目标关键词；遍历每一所述第二样本标题，将所述目标关键词与全量分词后的与所述第二样本标题对应的导语中进行匹配，获取匹配成功导语作为当前第二样本标题的新的导语；将所述第二样本标题作为输入，与所述第二样本标题对应的导语以及所述新的导语作为输出，基于预设算法训练出第一生成模型。另一方面，提供了一种基于深度学习的目标软文的生成装置，所述装置包括：标题匹配模块，用于接收目标对象的相关信息，根据所述相关信息从标题库中匹配出若干条适配的目标标题，所述标题库中的标题由采集到的标题通过第三生成模型扩展而来；导语生成模块，用于将所述目标标题输入到第一生成模型中，生成至少一个目标导语；正文生成模块，用于根据所述相关信息以及预设规则生成至少一个符合预设结构的输入信息，将所述输入信息输入到第二生成模型中，生成至少一个目标正文；信息组装模块，对所述目标标题、所述目标导语以及所述目标正文进行组装，获取多篇目标软文。进一步的，所述正文生成模块包括：第一分词单元，用于对所述相关信息进行分词处理，从获取到的第一分词结果中提取出满足预设条件的目标分词；分词重组单元，用于对所述目标分词进行重组，获取至少一个符合预设结构的输入信息；正文生成单元，用于将所述输入信息输入到第二生成模型中，生成至少一个目标正文。进一步的，所述装置还包括第一构建模块，包括：第二分词单元，用于对采集到的若干第一样本标题进行分词处理，获取第二分词结果；第一提取单元，用于采用预设的第一关键词提取方法从所述第一样本标题中提取出第一关键词；标题生成单元，用于将所述第二分词结果以及所述第一关键词输入到第三生成模型，获取多个新的标题，所述标题库由所述新的标题构成。进一步的，所述第一构建模块还包括：第一求交单元，用于对所述第一关键词集合与所述第二分词结果取交集，获取输入数据集合；第一训练单元，用于将所述输入数据集合的数据作为输入，所述目标标题作为输出，基于预设算法训练出第三生成模型。进一步的，所述装置还包括第二构建模块，包括：第三分词单元，用于对采集到的若干第二样本标题以及与所述第二样本标题对应的导语对进行分词处理；第二提取单元，用于采用预设的第二关键词提取方法从所述第二样本标题中提取出第二关键词；第二求交单元，用于对所述第二关键词集合与每条分词后的所述第二样本标题取交集，获取目标关键词；导语拓展单元，用于遍历每一所述第二样本标题，将所述目标关键词与全量分词后的与所述第二样本标题对应的导语中进行匹配，获取匹配成功导语作为当前第二样本标题的新的导语；第二训练单元，用于将所述第二样本标题作为输入，与所述第二样本标题对应的导语以及所述新的导语作为输出，基于预设算法训练出第一生成模型。本专利技术实施例提供的技术方案带来的有益效果是：1、本专利技术实施例提供的基于深度学习的目标软文的生成方法及装置，通过接收目标对象的相关信息，根据相关信息从标题库中匹配出若干条适配的目标标题，标题库中的标题由采集到的标题通过第三生成模型扩展而来，将目标标题输入到第一生成模型中，生成至少一个目标导语，根据相关信息以及预设规则生成至少一个符合预设结构的输入信息，将输入信息输入到第二生成模型中，生成至少一个目标正文，对目标标题、目标导语以及目标正文进行组装，获取多篇目标软文，利用深度学习和自然语言处理技术，能够实现营销软文的自动化智能化多样化生成，节省运营人员的投入，提升营销软文的生产效率，有效的避免手写效率低下的问题，同时避免模板生成的呆板问题；2、本专利技术实施例提供的基于深度学习的目标软文的生成方法及装置，通过对采集到的若干第一样本标题进行分词处理，获取第二分词结果，采用预设的第一关键词提取方法本文档来自技高网...

【技术保护点】
1.一种基于深度学习的目标软文的生成方法，其特征在于，所述方法包括如下步骤：/n接收目标对象的相关信息，根据所述相关信息从标题库中匹配出若干条适配的目标标题，所述标题库中的标题由采集到的标题通过第三生成模型扩展而来；/n将所述目标标题输入到第一生成模型中，生成至少一个目标导语；/n根据所述相关信息以及预设规则生成至少一个符合预设结构的输入信息，将所述输入信息输入到第二生成模型中，生成至少一个目标正文；/n对所述目标标题、所述目标导语以及所述目标正文进行组装，获取多篇目标软文。/n

【技术特征摘要】
1.一种基于深度学习的目标软文的生成方法，其特征在于，所述方法包括如下步骤：
接收目标对象的相关信息，根据所述相关信息从标题库中匹配出若干条适配的目标标题，所述标题库中的标题由采集到的标题通过第三生成模型扩展而来；
将所述目标标题输入到第一生成模型中，生成至少一个目标导语；
根据所述相关信息以及预设规则生成至少一个符合预设结构的输入信息，将所述输入信息输入到第二生成模型中，生成至少一个目标正文；
对所述目标标题、所述目标导语以及所述目标正文进行组装，获取多篇目标软文。


2.根据权利要求1所述的基于深度学习的目标软文的生成方法，其特征在于，所述根据所述相关信息以及预设规则生成至少一个符合预设结构的输入信息，将所述输入信息输入到第二生成模型中，生成至少一个目标正文包括：
对所述相关信息进行分词处理，从获取到的第一分词结果中提取出满足预设条件的目标分词；
对所述目标分词进行重组，获取至少一个符合预设结构的输入信息；
将所述输入信息输入到第二生成模型中，生成至少一个目标正文。


3.根据权利要求1或2所述的基于深度学习的目标软文的生成方法，其特征在于，所述方法还包括标题库的构建过程，包括：
对采集到的若干第一样本标题进行分词处理，获取第二分词结果；
采用预设的第一关键词提取方法从所述第一样本标题中提取出第一关键词；
将所述第二分词结果以及所述第一关键词输入到第三生成模型，获取多个新的标题，所述标题库由所述新的标题构成。


4.根据权利要求3所述的基于深度学习的目标软文的生成方法，其特征在于，所述标题库的构建过程还包括：
对所述第一关键词集合与所述第二分词结果取交集，获取输入数据集合；
将所述输入数据集合的数据作为输入，所述目标标题作为输出，基于预设算法训练出第三生成模型。


5.根据权利要求1或2所述的基于深度学习的目标软文的生成方法，其特征在于，所述方法还包括第一生成模型的构建过程，包括：
对采集到的若干第二样本标题以及与所述第二样本标题对应的导语对进行分词处理；
采用预设的第二关键词提取方法从所述第二样本标题中提取出第二关键词；
对所述第二关键词集合与每条分词后的所述第二样本标题取交集，获取目标关键词；
遍历每一所述第二样本标题，将所述目标关键词与全量分词后的与所述第二样本标题对应的导语中进行匹配，获取匹配成功导语作为当前第二样本标题的新的导语；
将所述第二样本标题作为输入，与所述第二样本标题对应的导语以及所述新的导语作为输出，基于预设算法训练出第一生成模型。


6.一种基于深度学习的目标软文的生成装置，其特征在于，所述装置包括：

【专利技术属性】
技术研发人员：朱景涛，沈艺，齐康，倪合强，梁诗雯，
申请(专利权)人：苏宁云计算有限公司，
类型：发明
国别省市：江苏;32