[发明专利]摘要生成方法及装置

权利要求书

1.一种摘要生成方法，其特征在于，包括：

采用预先训练的深度神经网络模型对接收到的文本内容中的各个句子进行打分，得到每个句子的第一得分；

采用文本排序算法对所述文本内容的各个句子进行打分，得到每个句子的第二得分；

采用预先训练的第一逻辑回归模型处理每个句子的第一得分和第二得分，得到每个句子的第三得分；

根据至少一个次模函数、贪心算法和每个句子的第三得分，从所述文本内容的各个句子中选出至少一个目标句子，其中，采用所述至少一个次模函数处理所述每个句子的第三得分，得到每个句子的处理结果，并通过所述贪心算法对各个句子的处理结果进行分析，以从所述文本内容的各个句子中选出所述至少一个目标句子；

根据至少一个目标句子生成所述文本内容的摘要。

2.如权利要求1所述的方法，其特征在于，所述根据至少一个次模函数、贪心算法和每个句子的第三得分，从所述文本内容的各个句子中选出至少一个目标句子，包括：

采用至少一个次模函数处理每个句子的第三得分，得到与每个句子对应的至少一个处理后的第三得分；

对所述每个句子的至少一个处理后的第三得分进行加权求和，得到每个句子的目标得分；

根据所述贪心算法和每个句子的目标得分，从所述文本内容的各个句子中选出至少一个目标句子。

3.如权利要求1所述的方法，其特征在于，在所述采用预先训练的第一逻辑回归模型处理每个句子的第一得分和第二得分之前，还包括：

获取每个句子的位置特征和长度特征；

采用预先训练的第二逻辑回归模型处理每个句子的第二得分、位置特征和长度特征，以得到修正后的第二得分；

所述采用预先训练的第一逻辑回归模型处理每个句子的第一得分和第二得分，包括：

采用预先训练的第一逻辑回归模型处理每个句子的第一得分和修正后的第二得分。

4.如权利要求1所述的方法，其特征在于，还包括：

接收原始文本；

对所述原始文本进行预处理，得到所述接收到的文本内容，所述预处理包括以下处理方式中的至少一种：网页字符转义、全角字符转半角、分段操作、分句操作、分词操作。

5.如权利要求4所述的方法，其特征在于，还包括：

对所述文本内容进行篇章结构分析；

确定所述文本内容的篇章结构不是对话类、图集类、列表类中的任一种。

6.如权利要求1所述的方法，其特征在于，在所述根据至少一个目标句子生成所述文本内容的摘要之后，还包括：

对所述摘要进行以下后处理方式中的至少一种：去水印、去重归一、时效性分析。

7.如权利要求6所述的方法，其特征在于，所述对所述摘要进行时效性分析包括：

当摘要的类别为事件前时，设置摘要的失效时间为事件开始时间；

当摘要的类别为事件中时，设置摘要的失效时间为事件结束时间；

当摘要的类别为事件后时，设置摘要的失效时间为事件结束后经过预设时间段。

8.一种摘要生成装置，其特征在于，包括：

第一打分模块，用于采用预先训练的深度神经网络模型对接收到的文本内容中的各个句子进行打分，得到每个句子的第一得分；

第二打分模块，用于采用文本排序算法对所述文本内容的各个句子进行打分，得到每个句子的第二得分；

第三打分模块，用于采用预先训练的第一逻辑回归模型处理每个句子的第一得分和第二得分，得到每个句子的第三得分；

选择模块，用于根据至少一个次模函数、贪心算法和每个句子的第三得分，从所述文本内容的各个句子中选出至少一个目标句子，其中，采用所述至少一个次模函数处理所述每个句子的第三得分，得到每个句子的处理结果，并通过所述贪心算法对各个句子的处理结果进行分析，以从所述文本内容的各个句子中选出所述至少一个目标句子；

生成模块，用于根据至少一个目标句子生成所述文本内容的摘要。