用于生成文本标题的方法和装置与流程

本申请实施例涉及计算机技术领域，具体涉及用于生成文本标题的方法和装置。

背景技术：

随着互联网的不断发展，网上的各类文本也越来越多。在许多场景下，需要确定这些文本的标题。目前，文本的标题一般采用人工方式确定。

技术实现要素：

本申请实施例提出了用于生成文本标题的方法和装置。

第一方面，本申请实施例提供了一种用于生成文本标题的方法，包括：获取待处理文本；提取待处理文本的特征信息；将待处理文本的特征信息输入预先训练的标题生成模型，得到待处理文本的文本标题，其中，标题生成模型用于表征文本和文本标题的对应关系。

在一些实施例中，标题生成模型通过以下步骤训练得到：获取训练样本集合，训练样本包括文本和文本的文本标题；将训练样本集合中的训练样本的文本作为输入，将与输入的文本对应的文本标题作为期望输出，利用机器学习方法训练得到标题生成模型。

在一些实施例中，提取待处理文本的特征信息，包括：获取特征位置信息；基于特征位置信息，将待处理文本中的、特征位置信息所指示的位置的文本确定为待处理文本的特征信息。

在一些实施例中，提取待处理文本的特征信息，包括：将待处理文本输入预先训练的文本特征提取模型，得到待处理文本的特征信息，其中，文本特征提取模型用于表征文本与文本的特征信息的对应关系。

在一些实施例中，该方法还包括：基于待处理文本和待处理文本的文本标题，生成推送信息。

在一些实施例中，待处理文本包括至少一个文本，其中，至少一个文本通过以下步骤得到：获取目标文本集合，目标文本集合中的文本为符合预设条件的文本；对于目标文本集合中的文本，获取该文本的预设属性的属性值；根据预设属性的属性值从大到小的顺序，从目标文本集合中选取预设数目个文本，并将所选取的文本确定为至少一个文本。

第二方面，本申请实施例提供了一种用于生成文本标题的装置，包括：获取单元，被配置成获取待处理文本；提取单元，被配置成提取待处理文本的特征信息；标题生成单元，被配置成将待处理文本的特征信息输入预先训练的标题生成模型，得到待处理文本的文本标题，其中，标题生成模型用于表征文本和文本标题的对应关系。

在一些实施例中，标题生成模型通过以下步骤训练得到：获取训练样本集合，训练样本包括文本和文本的文本标题；将训练样本集合中的训练样本的文本作为输入，将与输入的文本对应的文本标题作为期望输出，利用机器学习方法训练得到标题生成模型。

在一些实施例中，提取单元进一步被配置成：获取特征位置信息；基于特征位置信息，将待处理文本中的、特征位置信息所指示的位置的文本确定为待处理文本的特征信息。

在一些实施例中，提取单元进一步被配置成：将待处理文本输入预先训练的文本特征提取模型，得到待处理文本的特征信息，其中，文本特征提取模型用于表征文本与文本的特征信息的对应关系。

在一些实施例中，装置还包括：生成单元，被配置成基于待处理文本和待处理文本的文本标题，生成推送信息。

在一些实施例中，待处理文本包括至少一个文本，其中，至少一个文本通过以下步骤得到：获取目标文本集合，目标文本集合中的文本为符合预设条件的文本；对于目标文本集合中的文本，获取该文本的预设属性的属性值；根据预设属性的属性值从大到小的顺序，从目标文本集合中选取预设数目个文本，并将所选取的文本确定为至少一个文本。

第三方面，本申请实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，其上存储有一个或多个程序；当上述一个或多个程序被上述一个或多个处理器执行，使得上述一个或多个处理器实现如第一方面中任一实现方式描述的方法。

第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，上述程序被处理器执行时实现如第一方面中任一实现方式描述的方法。

本申请实施例提供的方法和装置，首先获取待处理文本。之后，提取待处理文本的特征信息。然后，将待处理文本的特征信息输入预先训练的标题生成模型，得到待处理文本的文本标题。在此过程中，由于使用了标题生成模型，实现了待处理文本的文本标题的自动生成。与人工方式相比，提高了生成待处理文本的文本标题的效率。此外，避免了人的主观性对于文本标题的影响。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本申请的用于生成文本标题的方法的一个实施例的流程图；

图3是根据本申请实施例的用于生成文本标题的方法的一个应用场景的示意图；

图4是根据本申请的用于生成文本标题的方法的又一个实施例的流程图；

图5是根据本申请的用于生成文本标题的装置的一个实施例的结构示意图；

图6是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请实施例的用于生成文本标题的方法或用于生成文本标题的装置的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种客户端应用，例如新闻类应用、小说类应用等等。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏并且支持显示信息的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上传的待处理文本进行处理的后台处理服务器。后台处理服务器可以对接收到的待处理文本进行提取特征信息以及将特征信息输入预先训练的标题生成模型，从而得到待处理文本的文本标题，并根据需要将处理结果(例如生成的评论信息)反馈至终端设备。

需要说明的是，本申请实施例所提供的用于生成文本标题的方法一般由服务器105执行，相应地，用于生成文本标题的装置一般设置于服务器105中。

需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，示出了根据本申请的用于生成文本标题的方法的一个实施例的流程200。该用于生成文本标题的方法，包括以下步骤：

步骤201，获取待处理文本。

在本实施例中，用于生成文本标题的方法的执行主体(例如图1所示服务器105)可以通过有线连接方式或者无线连接方式从通信连接的终端设备(例如图1所示的终端设备101、102、103)获取待处理文本。待处理文本可以是任意的文本。根据需要待处理文本可以是一个或多个文本。作为示例，待处理文本可以是根据一定的条件确定的文本。例如，实践中，用户经常将编辑好的文本(例如，小说、新闻稿件等等)通过手机、电脑等终端设备上传至对应的服务器。此时，对应的服务器作为执行主体，可以将接收到的终端上传的文本确定为待处理文本。作为示例，待处理文本也可以是技术人员指定的文本。其中，文本作为一种书面的表现形式，可以包括文字、语句、段落等等。此处，需要说明的是，文本可以用于表达某些含义(例如新闻稿件可以用于描述具体的事件)，也可以没有确切的含义。对此，本申请不做具体限定。此外，上述待处理文本也可以直接存储于上述执行主体本地。此时，上述执行主体可以直接本地获取待处理文本。

步骤202，提取待处理文本的特征信息。

在本实施例中，上述执行主体可以通过各种方式提取待处理文本的特征信息。其中，特征信息可以是用于表征待处理文本所具有的各种特征的信息。文本的特征包括但不限于：文本的题材类别、高频词、文本所描述内容的感情基调等等。作为示例，特征信息可以是待处理文本中出现频率较高的词语。作为示例，特征信息可以是待处理文本中的特定位置(例如开头)的文本。根据特征信息的不同，上述执行主体可以采用不同的方法提取待处理文本的特征信息。例如，可以采用信息增益法提取文本中出现的频率较高的词语。又如，可以通过识别标点符号来提取文本开头的几句文本。

在本实施例的一些可选的实现方式中，提取待处理文本的特征信息，包括：获取特征位置信息；基于特征位置信息，将待处理文本中的、特征位置信息所指示的位置的文本确定为待处理文本的特征信息。

在这些实现方式中，上述执行主体可以首先获取特征位置信息。特征位置信息用于表征待提取的信息在待处理文本中的位置。举例来说，对于特定类型的文本，例如，对于新闻类型的文本，其主要内容一般位于文本开头的几句。基于此，可以将文本的开头几句确定为文本的特征信息。可以理解，根据实际需要，也可以在文本的开头几句的基础上，进行一定的处理，将得到的信息作为文本的特征信息。例如，可以对文本的开头几句进行抽取关键字，将得到的关键字作为文本的特征信息。

在本实施例的一些可选的实现方式中，将待处理文本输入预先训练的文本特征提取模型，得到待处理文本的特征信息。

在这些实现方式中，文本特征提取模型用于表征文本与文本的特征信息的对应关系。作为示例，文本特征提取模型可以是现有的各种用户特征提取的人工神经网络。例如，特征提取模型可以是经过训练的卷积神经网络、全连接网络等等。此时，待处理文本的特征信息可以是特征向量。

步骤203，将待处理文本的特征信息输入预先训练的标题生成模型，得到待处理文本的文本标题。

在本实施例中，标题生成模型用于表征文本的特征信息和文本标题的对应关系。作为示例，标题生成模型可以是基于大量的统计数据得到的、记录有文本的特征信息和文本的标题的对应关系表。实践中，作为示例，可以从互联网上收集大量包括标题的文本。之后，可以提取这些文本的特征信息。在此基础上，可以将大量的文本的特征信息和标题对应存储于上述对应关系表中。从而，上述执行主体可以对于待处理文本的特征信息，在上述对应关系表中进行匹配。如果匹配成功，可以将对应关系表中匹配成功的特征信息所对应的文本标题确定为待处理文本的文本标题。

作为示例，标题生成模型可以是利用机器学习方法，基于大量的训练样本对各种人工神经网络进行训练得到的模型。

在本实施例的一些可选的实现方式中，标题生成模型可以通过以下步骤训练得到：

第一步，获取初始标题生成模型。

在本实施例中，训练步骤的执行主体可以首先获取初始标题生成模型。其中，初始标题生成模型可以是现有的各种神经网络。作为示例，可以是用于分类的神经网络。例如，seq2seq、lstm等。其中，lstm(longshort-termmemory，是长短期记忆网络)是一种时间递归神经网络。而seq2seq是在rnn(recurrentneuralnetwork，循环神经网络)的基础上演变的一种网络。实践中，根据不同的实现需要，可以在现有的神经网络的基础上调整网络的结构，以适应实际需要。

第二步，获取训练样本集合。每个训练样本可以包括文本的特征信息和文本的文本标题。训练样本可以通过多种方式得到。作为示例，可以首先收集大量的文本。在此基础上，抽取文本的特征信息和文本标题，从而得到训练样本集合。

第三步，将训练样本集合中的训练样本中的文本的特征信息输入初始文本标题生成模型，将与输入的特征信息对应的文本标题作为初始标题生成模型的期望输出，利用机器学习方法训练得到上述标题生成模型。

具体来说，可以首先利用预设的损失函数计算所得到的文本标题与训练样本中的文本标题之间的差异。然后，可以基于所得到的差异，调整初始标题生成模型的网络参数，并在满足预设的训练结束条件的情况下，结束训练。这里预设的训练结束条件可以包括但不限于：训练时间超过预设时长；训练次数超过预设次数；计算所得的差异小于预设差异阈值。

第四步，将训练得到的初始标题生成模型确定为标题生成模型。

需要说明的是，在本实施例中，训练步骤的执行主体可以与用于生成文本标题的方法的执行主体可以相同，也可以不同。如果相同，执行主体可以在训练完成后，将网络的结构信息和网络参数的参数值存储在本地。如果不同，则训练步骤的执行主体可以在训练完成后，将训练好的网络的机构信息和网络参数的参数值发送至用于生成标题的方法的执行主体。

在本实施例的一些可选的实现方式中，上述方法还可以包括：基于待处理文本和待处理文本的文本标题，生成推送信息。

继续参见图3，图3是根据本实施例的用于生成文本标题的方法的应用场景的一个示意图。在图3的应用场景中，用于生成文本标题的方法的执行主体为服务器301。首先，服务器301可以首先获取待处理文本302。待处理文本302为新闻类文本。在此基础上，可以提取待处理文本302的特征信息303。具体来说，可以通过识别句号等标点符号来提取待处理文本302的前三句文本，从而得到待处理文本302的特征信息303。然后，将待处理文本302的特征信息303输入预先训练的标题生成模型304，得到待处理文本的文本标题305。

本申请的上述实施例提供的方法，首先获取待处理文本。之后，提取待处理文本的特征信息。然后，将待处理文本的特征信息输入预先训练的标题生成模型，得到待处理文本的文本标题。在此过程中，由于使用了标题生成模型，实现了待处理文本的文本标题的自动生成。与人工方式相比，提高了生成待处理文本的文本标题的效率。此外，避免了人的主观性对于文本标题的影响。

进一步参考图4，其示出了用于生成文本标题的方法的又一个实施例的流程400。该用于生成文本标题的方法的流程400，包括以下步骤：

步骤401，获取待处理文本。

在本实施例中，待处理文本包括至少一个文本，其中，至少一个文本通过以下步骤得到：

步骤4011，获取目标文本集合，目标文本集合中的文本为符合预设条件的文本。

在本实施例中，用于生成文本标题的方法的执行主体可以首先获取目标文本集合。目标文本集合中的文本可以是符合预设条件的文本。预设条件可以是各种各样的条件。作为示例，预设条件可以是对于文本的类别、阅读量、转发量等各种属性进行限定的条件。

步骤4012，对于目标文本集合中的文本，获取该文本的预设属性的属性值。

在本实施例中，上述执行主体对于目标文本集合中的每个文本，可以获取该文本的预设属性的属性值。其中，预设属性可以根据需要进行确定，包括但不限于：文本的类别、阅读量、转发量等等。需要说明的是，这里的预设属性与步骤4011中预设条件中的属性可以相同，也可以不同，对此，本申请不做限定。

步骤4013，根据预设属性的属性值从大到小的顺序，从目标文本集合中选取预设数目个文本，并将所选取的文本确定为至少一个文本。

在本实施例中，上述执行主体可以根据预设属性的属性值从大到小的顺序，从目标文本集合中选取预设数目个文本。之后，将选取出的预设数目的文本确定为上述待处理文本。

步骤402，提取待处理文本的特征信息。

步骤403，将待处理文本的特征信息输入预先训练的标题生成模型，得到待处理文本的文本标题。

在本实施例中，上述步骤402-403的具体实现及其所带来的技术效果，可以参考图2对应的实施例的步骤202-203，在此不再赘述。

从图4中可以看出，与图2对应的实施例相比，本实施例的用于生成文本标题的方法中增加了目标文本集合的获取，以及从目标文本集合中确定待处理文本的步骤。从而可以根据需要，使待处理文本中的多个文本的在预设属性上相似程度高，进而使生成的文本标题更加准确。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种用于生成文本标题的装置的一个实施例，该装置与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的用于生成文本标题的装置500包括：获取单元501、提取单元502和标题生成单元503。其中，获取单元501被配置成获取待处理文本。提取单元502被配置成提取待处理文本的特征信息。标题生成单元503被配置成将待处理文本的特征信息输入预先训练的标题生成模型，得到待处理文本的文本标题，其中，标题生成模型用于表征文本和文本标题的对应关系。

在本实施例的一些可选的实现方式中，标题生成模型通过以下步骤训练得到：获取训练样本集合，训练样本包括文本和文本的文本标题；将训练样本集合中的训练样本的文本作为输入，将与输入的文本对应的文本标题作为期望输出，利用机器学习方法训练得到标题生成模型。

在本实施例的一些可选的实现方式中，提取单元502可以进一步被配置成：获取特征位置信息；基于特征位置信息，将待处理文本中的、特征位置信息所指示的位置的文本确定为待处理文本的特征信息。

在本实施例的一些可选的实现方式中，提取单元502可以进一步被配置成：将待处理文本输入预先训练的文本特征提取模型，得到待处理文本的特征信息，其中，文本特征提取模型用于表征文本与文本的特征信息的对应关系。

在本实施例的一些可选的实现方式中，该装置500还可以包括：生成单元(图中未示出)。其中，生成单元被配置成基于待处理文本和待处理文本的文本标题，生成推送信息。

在本实施例的一些可选的实现方式中，待处理文本包括至少一个文本，其中，至少一个文本通过以下步骤得到：获取目标文本集合，目标文本集合中的文本为符合预设条件的文本；对于目标文本集合中的文本，获取该文本的预设属性的属性值；根据预设属性的属性值从大到小的顺序，从目标文本集合中选取预设数目个文本，并将所选取的文本确定为至少一个文本。

在本实施例中，获取单元首先获取待处理文本。之后，提取单元提取待处理文本的特征信息。然后，标题生成单元将待处理文本的特征信息输入预先训练的标题生成模型，得到待处理文本的文本标题。在此过程中，由于使用了标题生成模型，实现了待处理文本的文本标题的自动生成。与人工方式相比，提高了生成待处理文本的文本标题的效率。此外，避免了人的主观性对于文本标题的影响。

下面参考图6，其示出了适于用来实现本申请实施例的电子设备的计算机系统600的结构示意图。图6示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图6所示，计算机系统600包括中央处理单元(cpu)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储部分608加载到随机访问存储器(ram)603中的程序而执行各种适当的动作和处理。在ram603中，还存储有系统600操作所需的各种程序和数据。cpu601、rom602以及ram603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。

以下部件连接至i/o接口605：包括键盘、鼠标等的输入部分606；包括诸如液晶显示器(lcd)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至i/o接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(cpu)601执行时，执行本申请的方法中限定的上述功能。

需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括图像。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取待处理文本的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取待处理文本；提取待处理文本的特征信息；将待处理文本的特征信息输入预先训练的标题生成模型，得到待处理文本的文本标题，其中，标题生成模型用于表征文本和文本标题的对应关系。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。