[发明专利]摘要生成方法、装置、终端设备及存储介质

说明书

本申请实施例适用于文本处理技术领域，提供了一种摘要生成方法、装置、终端设备及存储介质，所述方法包括：获取待处理的目标文档，所述目标文档包括标题文本；根据预设的特征词词典，识别所述目标文档各个句子中的特征词，根据所述特征词，计算所述各个句子的句子权重；分别计算所述各个句子与对应的标题文本之间的标题相似度；采用预设算法计算所述各个句子的特征权重；根据所述句子权重、所述标题相似度和所述特征权重，分别计算所述各个句子的累积权重；根据所述各个句子及其累积权重，生成所述目标文档的摘要。本实施例通过结合文档的结构特征以及文档标题计算每个句子的权重作为摘要提取的排序标准，能够更精确地提取到文档中的有效信息。

技术领域

本申请属于文本处理技术领域，特别是涉及一种摘要生成方法、装置、终端设备及存储介质。

背景技术

信息化的飞速发展使得互联网成为了人们获取信息的主要来源。然而，随着冗余信息的增加，读者难以从众多文档中准确并快速地获取到感兴趣的信息，因此文本自动摘要技术逐渐受到了学术界和工业界的广泛关注。目前，流行的摘要自动提取技术可以大致分为抽取式和生成式两种。

抽取式就是按照一定权重计算规则，从原文中抽取出最符合文章主旨的一个或多个句子，组合成文章摘要。这是一种较为成熟的技术，主要可以分为TF-IDF、TextRank、MMR、LDA和LSI等几类。这些方法主要计算词在句子中的共现频率、句子之间的相似度等统计学指标，作为句子的累计权重。虽然这种方法生成的句子可阅读性较强，但是无法保证摘要中句子之间的连贯性，同时也难以根据用户的喜好个性化生成摘要。

生成式方法以一种更接近于人类提取的方式生成摘要，通过对全文的阅读和理解，总结并概括出文本的摘要。近几年，借助于深度学习的发展，生成式摘要法也取得了不错的效果，主流的方法包括神经网络、Seq2seq和Seq2seq+Attention等几类。虽然这类方法具有更好的总结概括能力，然而摘要的语言流畅性和语法正确性难以保证，对于样本数据的质量和数量也要求较高，目前难以满足实际应用的需求。

发明内容

有鉴于此，本申请实施例提供了一种摘要生成方法、装置、终端设备及存储介质，以解决现有技术中的文本摘要生成方法只关注句子之间的相似度，而忽略了文本中标题、段落和关键词等结构特征，同时也不能灵活地进行定制化生成摘要，难以满足实际应用的问题。

本申请实施例的第一方面提供了一种摘要生成方法，包括：

获取待处理的目标文档，所述目标文档包括标题文本；

根据预设的特征词词典，识别所述目标文档各个句子中的特征词，根据所述特征词，计算所述各个句子的句子权重；

分别计算所述各个句子与对应的标题文本之间的标题相似度；以及，采用预设算法计算所述各个句子的特征权重；

根据所述句子权重、所述标题相似度和所述特征权重，分别计算所述各个句子的累积权重；

根据所述各个句子及其累积权重，生成所述目标文档的摘要。

本申请实施例的第二方面提供了一种摘要生成装置，包括：

获取模块，用于获取待处理的目标文档，所述目标文档包括标题文本；

句子权重计算模块，用于根据预设的特征词词典，识别所述目标文档各个句子中的特征词，根据所述特征词，计算所述各个句子的句子权重；

标题相似度计算模块，用于分别计算所述各个句子与对应的标题文本之间的标题相似度；以及，

特征权重计算模块，用于采用预设算法计算所述各个句子的特征权重；

累积权重计算模块，用于根据所述句子权重、所述标题相似度和所述特征权重，分别计算所述各个句子的累积权重；