一种新闻自动文摘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新闻自动文摘生成方法及装置。其中，该方法包括：获取原始新闻数据；根据所述原始新闻数据，生成段落标签和关联标签；通过所述段落标签和所述关联标签，将所述原始新闻数据进行拆分，得到新闻数据特征向量；将所述新闻数据特征向量输入至文摘生成模型中，得到新闻文摘数据。本发明专利技术解决了现有技术中的新闻文摘生成方法，无法根据新闻内容的数据量来进行智能化的拆分和分层递进生成，因此在新闻文摘生成的时候，由于是大量的数据整合生成，会导致数据生成效率低下、数据生成不精准的技术问题。精准的技术问题。精准的技术问题。

【技术实现步骤摘要】
一种新闻自动文摘生成方法及装置


[0001]本专利技术涉及智能化文本处理领域，具体而言，涉及一种新闻自动文摘生成方法及装置。

技术介绍

[0002]随着智能化科技的不断发展，人们的生活、工作、学习之中越来越多地用到了智能化设备，使用智能化科技手段，提高了人们生活的质量，增加了人们学习和工作的效率。
[0003]目前，针对新闻自动文摘的生成，通常采用针对新闻数据进行采集，并根据整段的新闻数据来进行关键词搜索，或者根据预设的词组集合来进行遍历查询操作，从而得到新闻文摘的输入信息，通过神经网络模型或者通过预设的规则矩阵来对新闻文摘进行逐步构成和逐步完善，最终得到成熟可用的新闻文摘。但是现有技术中的新闻文摘生成方法，无法根据新闻内容的数据量来进行智能化的拆分和分层递进生成，因此在新闻文摘生成的时候，由于是大量的数据整合生成，会导致数据生成效率低下、数据生成不精准等技术问题。
[0004]针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

[0005]本专利技术实施例提供了一种新闻自动文摘生成方法及装置，以至少解决现有技术中的新闻文摘生成方法，无法根据新闻内容的数据量来进行智能化的拆分和分层递进生成，因此在新闻文摘生成的时候，由于是大量的数据整合生成，会导致数据生成效率低下、数据生成不精准的技术问题。
[0006]根据本专利技术实施例的一个方面，提供了一种新闻自动文摘生成方法，包括：获取原始新闻数据；根据所述原始新闻数据，生成段落标签和关联标签；通过所述段落标签和所述关联标签，将所述原始新闻数据进行拆分，得到新闻数据特征向量；将所述新闻数据特征向量输入至文摘生成模型中，得到新闻文摘数据。
[0007]可选的，所述根据所述原始新闻数据，生成段落标签和关联标签包括：将所述原始新闻数据通过标识模型进行识别，得到识别结果，其中，所述识别结果包括：结构识别结果、语义识别结果；根据所述识别结果，生成所述段落标签和所述关联标签。
[0008]可选的，所述通过所述段落标签和所述关联标签，将所述原始新闻数据进行拆分，得到新闻数据特征向量包括：通过所述段落标签将所述原始新闻数据进行分区，得到第一新闻数据特征；通过所述关联标签和拉格朗日算子对所述原始新闻数据进行拉格朗日参数混差计算，得到用于表征关联性的第二新闻数据特征；将所述第一新闻数据特征和所述第二新闻数据特征进行融合汇总，得到所述新闻数据特征向量。
[0009]可选的，在所述将所述新闻数据特征向量输入至文摘生成模型中，得到新闻文摘数据之前，所述方法还包括：根据历史新闻数据和历史新闻文摘数据训练所述文摘生成模型。
[0010]根据本专利技术实施例的另一方面，还提供了一种新闻自动文摘生成装置，包括：获取
模块，用于获取原始新闻数据；生成模块，用于根据所述原始新闻数据，生成段落标签和关联标签；拆分模块，用于通过所述段落标签和所述关联标签，将所述原始新闻数据进行拆分，得到新闻数据特征向量；输入模块，用于将所述新闻数据特征向量输入至文摘生成模型中，得到新闻文摘数据。
[0011]可选的，所述生成模块包括：识别单元，用于将所述原始新闻数据通过标识模型进行识别，得到识别结果，其中，所述识别结果包括：结构识别结果、语义识别结果；生成单元，用于根据所述识别结果，生成所述段落标签和所述关联标签。
[0012]可选的，所述拆分模块包括：分区单元，用于通过所述段落标签将所述原始新闻数据进行分区，得到第一新闻数据特征；混差单元，用于通过所述关联标签和拉格朗日算子对所述原始新闻数据进行拉格朗日参数混差计算，得到用于表征关联性的第二新闻数据特征；将所述第一新闻数据特征和所述第二新闻数据特征进行融合汇总，得到所述新闻数据特征向量。
[0013]可选的，所述装置还包括：训练模块，用于根据历史新闻数据和历史新闻文摘数据训练所述文摘生成模型。
[0014]根据本专利技术实施例的另一方面，还提供了一种非易失性存储介质，所述非易失性存储介质包括存储的程序，其中，所述程序运行时控制非易失性存储介质所在的设备执行一种新闻自动文摘生成方法。
[0015]根据本专利技术实施例的另一方面，还提供了一种电子装置，包含处理器和存储器；所述存储器中存储有计算机可读指令，所述处理器用于运行所述计算机可读指令，其中，所述计算机可读指令运行时执行一种新闻自动文摘生成方法。
[0016]在本专利技术实施例中，采用获取原始新闻数据；根据所述原始新闻数据，生成段落标签和关联标签；通过所述段落标签和所述关联标签，将所述原始新闻数据进行拆分，得到新闻数据特征向量；将所述新闻数据特征向量输入至文摘生成模型中，得到新闻文摘数据的方式，解决了现有技术中的新闻文摘生成方法，无法根据新闻内容的数据量来进行智能化的拆分和分层递进生成，因此在新闻文摘生成的时候，由于是大量的数据整合生成，会导致数据生成效率低下、数据生成不精准的技术问题。
附图说明
[0017]此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：
[0018]图1是根据本专利技术实施例的一种新闻自动文摘生成方法的流程图；
[0019]图2是根据本专利技术实施例的一种新闻自动文摘生成装置的结构框图。
具体实施方式
[0020]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0021]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0022]根据本专利技术实施例，提供了一种新闻自动文摘生成方法的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0023]实施例一
[0024]图1是根据本专利技术实施例的一种新闻自动文摘生成方法的流程图，如图1所示，该方法包括如下步骤：
[0025]步骤S102，获取原始新闻数据。
[0026]具体的，在本专利技术实施例汇总，为了根据从网站或者政府数据库中获取新闻的原始数据，来进行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种新闻自动文摘生成方法，其特征在于，包括：获取原始新闻数据；根据所述原始新闻数据，生成段落标签和关联标签；通过所述段落标签和所述关联标签，将所述原始新闻数据进行拆分，得到新闻数据特征向量；将所述新闻数据特征向量输入至文摘生成模型中，得到新闻文摘数据。2.根据权利要求1所述的方法，其特征在于，所述根据所述原始新闻数据，生成段落标签和关联标签包括：将所述原始新闻数据通过标识模型进行识别，得到识别结果，其中，所述识别结果包括：结构识别结果、语义识别结果；根据所述识别结果，生成所述段落标签和所述关联标签。3.根据权利要求1所述的方法，其特征在于，所述通过所述段落标签和所述关联标签，将所述原始新闻数据进行拆分，得到新闻数据特征向量包括：通过所述段落标签将所述原始新闻数据进行分区，得到第一新闻数据特征；通过所述关联标签和拉格朗日算子对所述原始新闻数据进行拉格朗日参数混差计算，得到用于表征关联性的第二新闻数据特征；将所述第一新闻数据特征和所述第二新闻数据特征进行融合汇总，得到所述新闻数据特征向量。4.根据权利要求1所述的方法，其特征在于，在所述将所述新闻数据特征向量输入至文摘生成模型中，得到新闻文摘数据之前，所述方法还包括：根据历史新闻数据和历史新闻文摘数据训练所述文摘生成模型。5.一种新闻自动文摘生成装置，其特征在于，包括：获取模块，用于获取原始新闻数据；生成模块，用于根据所述原始新闻数据，生成段落标签和关联标签；拆分模块，用于通过所述段落...

【专利技术属性】
技术研发人员：高强，
申请(专利权)人：北京鼎泰智源科技有限公司，
类型：发明
国别省市：