[发明专利]一种研报生成方法、系统及计算机存储介质

说明书

本发明涉及自然语言处理技术领域，特别涉及一种研报生成方法，包括以下步骤：获取语义计算模型；获取素材库，检索词句，基于检索词句到素材库中搜索出相关内容构成研报子集；基于研报子集通过语义计算模型获得大纲；对应大纲召回研报子集中的段落；对召回的段落进行排序组合构成对应大纲的模块内容；将各模块内容进行组合成为研报文本。通过从给定素材库中快速找到用户关心的信息，自动完成报告写作。本发明基于语义计算模型进行内容的生成，通过语义计算，本发明可以实现大纲生成、大纲‑内容生成、内容排序等智能化信息处理技术，从而实现对大量信息的高效整合，最终生成一篇高质量可读报告，供用户参考。

技术领域

本发明涉及自然语言处理技术领域，其特别涉及一种研报生成方法、系统及计算机存储介质。

背景技术

专业领域的研究报告简称研报，是人们获取信息的重要来源，如行业发展报告、证券分析报告等。由于研报高度的专业性和严谨性，往往需要使用大量的篇幅对特定行业、领域、事件或者企业等进行深入的分析，报告通常由专业人员搜集撰写，需要有对数据和信息的全面搜集及分析能力，涉及大量的固定格式的报告撰写工作，这些报告涉及的知识面广，专业知识多，撰写需要大量的人力进行长时间枯燥繁琐的数据罗列、整理工作，耗时耗力。针对这一问题，我们研发了一套研报自动生成系统达到高效信息聚合的目的，旨在利用自然语言处理技术，基于资料库自动完成报告的写作，为用户提供快速的报告写作辅助服务，起到提高写作效率的作用。

传统的研报生成技术往往使用基于规则的方法构建，或者使用简单的检索技术，检索数据库中存储的内容，最后得到很多与用户查询相关的数据，但这些技术只集中在信息查询，检索准确度较低，且并未对查询后的内容进行精炼或语义上的理解和深度加工，呈现内容较多，其并没有很好的反映关键信息，和对信息进行整合，其可读性较差，最终用户仍需要花费时间从检索结果中寻找自己关心的信息，其信息不够精准，难以有效提高效率。

发明内容

为了解决研报撰写需要大量的人力进行长时间枯燥繁琐的数据罗列、整理工作，耗时耗力的问题，本发明提供一种研报生成方法、系统及计算机存储介质。

本发明为解决上述技术问题，提供如下的技术方案：一种研报生成方法，包括以下步骤：

获取语义计算模型；具体为采用基于关键词抽取的标题获取方法和/或基于摘要的标题生成方法构建标题-段落对训练数据，采用双塔模型为基础模型，采用标题-段落对训练数据对双塔模型进行训练得到语义计算模型；

获取素材库，检索词句，基于检索词句到素材库中搜索出相关内容构成研报子集；

基于研报子集通过语义计算模型获得大纲；具体包括抽取研报子集中的标题，并通过语义计算模型获取各标题的向量，基于向量对标题进行聚类处理得到至少一个簇，计算簇中的标题与簇中心的语义距离，其中语义距离为余弦相似度，选取各簇中与簇中心语义距离最近的标题作为大纲标题组成第一级别的大纲；

对应大纲召回研报子集中的段落；

对召回的段落进行排序组合构成对应大纲的模块内容；

将各模块内容进行组合成为研报文本。

优选地，基于检索词句到素材库中搜索出相关内容构成研报子集的包括以下步骤：

分别将素材库的内容，检索词句进行向量化得到文本向量和检索词句向量；

对文本向量和检索词句向量进行相似度匹配；

选取相似度在预设范围内的内容，并根据相似度的高低排序以构成研报子集。

优选地，对标题的向量使用K-Means算法进行聚类处理。

优选地，在选取各簇中与簇中心语义距离最近的标题作为第一级别大纲之后还包括：