本發(fā)明涉及信息處理技術(shù)領(lǐng)域，尤其涉及一種基于人工智能的新聞?wù)珊惋@示方法、裝置及系統(tǒng)。

背景技術(shù)：

人工智能(Artificial Intelligence)，英文縮寫為AI。它是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。人工智能是計算機科學(xué)的一個分支，它企圖了解智能的實質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機器，該領(lǐng)域的研究包括機器人、語音識別、圖像識別、自然語言處理和專家系統(tǒng)等。

新聞?wù)夹g(shù)能夠?qū)π侣劦奈谋具M行壓縮，從而提取出新聞稿中比較重要的信息，以新聞?wù)男问秸宫F(xiàn)給用戶。由于新聞?wù)^為簡短，從而能夠提高用戶獲取信息的效率。

但現(xiàn)有技術(shù)中，往往是針對同一新聞事件的多篇新聞稿進行處理，形成該新聞事件的新聞?wù)@種生成新聞?wù)姆绞?，存在新聞?wù)星昂缶渥硬贿B貫，邏輯性不強，以及新聞?wù)粔驕蚀_的問題。

技術(shù)實現(xiàn)要素：

本發(fā)明旨在至少在一定程度上解決相關(guān)技術(shù)中的技術(shù)問題之一。

為此，本發(fā)明的第一個目的在于提出一種基于人工智能的新聞?wù)煞椒?，以實現(xiàn)新聞?wù)纳伞?/p>

本發(fā)明的第二個目的在于提出一種基于人工智能的新聞?wù)裳b置。

本發(fā)明的第三個目的在于提出另一種基于人工智能的新聞?wù)裳b置。

本發(fā)明的第四個目的在于提出一種非臨時性計算機可讀存儲介質(zhì)。

本發(fā)明的第五個目的在于提出一種計算機程序產(chǎn)品。

本發(fā)明的第六個目的在于提出一種基于人工智能的新聞?wù)@示方法。

本發(fā)明的第七個目標在于提出一種基于人工智能的新聞?wù)@示系統(tǒng)。

為達上述目的，本發(fā)明第一方面實施例提出了一種基于人工智能的新聞?wù)煞椒?，包括?/p>

識別新聞稿的邏輯結(jié)構(gòu)；

利用各邏輯結(jié)構(gòu)所對應(yīng)的識別網(wǎng)絡(luò)，對相應(yīng)邏輯結(jié)構(gòu)所包含的各段落進行識別，得到每一個段落中屬于段落摘要的目標句子；

依據(jù)所識別出的各目標句子在所述新聞稿中所屬的邏輯結(jié)構(gòu)，生成所述各邏輯結(jié)構(gòu)的新聞?wù)?，并在各邏輯結(jié)構(gòu)的新聞?wù)g插入對應(yīng)的引導(dǎo)語。

本發(fā)明實施例的基于人工智能的新聞?wù)煞椒ǎㄟ^識別新聞稿的邏輯結(jié)構(gòu)之后，利用各邏輯結(jié)構(gòu)所對應(yīng)的識別網(wǎng)絡(luò)，對相應(yīng)邏輯結(jié)構(gòu)所包含的各段落進行識別，得到每一個段落中屬于段落摘要的目標句子。進而依據(jù)所識別出的各目標句子在新聞稿中所屬的邏輯結(jié)構(gòu)，生成各邏輯結(jié)構(gòu)的新聞?wù)?，并在各邏輯結(jié)構(gòu)的新聞?wù)g插入對應(yīng)的引導(dǎo)語。由于新聞稿的各個邏輯結(jié)構(gòu)具有一些特殊性，因此，基于新聞稿的邏輯結(jié)構(gòu)，采用對應(yīng)的識別網(wǎng)絡(luò)進行摘要提取，能夠提高各邏輯結(jié)構(gòu)的新聞?wù)臏蚀_性和連貫性，并且在各邏輯結(jié)構(gòu)的新聞?wù)g插入引導(dǎo)語進一步增強了摘要的邏輯性和連貫性，解決了現(xiàn)有技術(shù)中新聞?wù)粔驕蚀_，新聞?wù)那昂缶渥硬贿B貫，邏輯性不強的技術(shù)問題。

為達上述目的，本發(fā)明第二方面實施例提出了一種基于人工智能的新聞?wù)裳b置，包括：

結(jié)構(gòu)識別模塊，用于識別新聞稿的邏輯結(jié)構(gòu)；

句子識別模塊，用于利用各邏輯結(jié)構(gòu)所對應(yīng)的識別網(wǎng)絡(luò)，對相應(yīng)邏輯結(jié)構(gòu)所包含的各段落進行識別，得到每一個段落中屬于段落摘要的目標句子；

生成模塊，用于依據(jù)所識別出的各目標句子在所述新聞稿中所屬的邏輯結(jié)構(gòu)，生成所述各邏輯結(jié)構(gòu)的新聞?wù)⒃诟鬟壿嫿Y(jié)構(gòu)的新聞?wù)g插入對應(yīng)的引導(dǎo)語。

本發(fā)明實施例的基于人工智能的新聞?wù)裳b置，通過識別新聞稿的邏輯結(jié)構(gòu)之后，利用各邏輯結(jié)構(gòu)所對應(yīng)的識別網(wǎng)絡(luò)，對相應(yīng)邏輯結(jié)構(gòu)所包含的各段落進行識別，得到每一個段落中屬于段落摘要的目標句子。進而依據(jù)所識別出的各目標句子在新聞稿中所屬的邏輯結(jié)構(gòu)，生成各邏輯結(jié)構(gòu)的新聞?wù)?，并在各邏輯結(jié)構(gòu)的新聞?wù)g插入對應(yīng)的引導(dǎo)語。由于新聞稿的各個邏輯結(jié)構(gòu)具有一些特殊性，因此，基于新聞稿的邏輯結(jié)構(gòu)，采用對應(yīng)的識別網(wǎng)絡(luò)進行摘要提取，能夠提高各邏輯結(jié)構(gòu)的新聞?wù)臏蚀_性和連貫性，并且在各邏輯結(jié)構(gòu)的新聞?wù)g插入引導(dǎo)語進一步增強了摘要的邏輯性和連貫性，解決了現(xiàn)有技術(shù)中新聞?wù)粔驕蚀_，新聞?wù)那昂缶渥硬贿B貫，邏輯性不強的技術(shù)問題。

為達上述目的，本發(fā)明第三方面實施例提出了另一種基于人工智能的新聞?wù)裳b置，包括：包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執(zhí)行所述程序時，實現(xiàn)第一方面所述的方法。

為了實現(xiàn)上述目的，本發(fā)明第四方面實施例提出了一種非臨時性計算機可讀存儲介質(zhì)，其上存儲有計算機程序，所述程序被處理器執(zhí)行時實現(xiàn)如第一方面所述的方法。

為了實現(xiàn)上述目的，本發(fā)明第五方面實施例提出了一種計算機程序產(chǎn)品，當所述計算機程序產(chǎn)品中的指令處理器執(zhí)行時，執(zhí)行第一方面所述的方法。

為了實現(xiàn)上述目的，本發(fā)明第六方面實施例提出了一種基于人工智能的新聞?wù)@示方法，包括：

生成新聞稿的各邏輯結(jié)構(gòu)的新聞?wù)黄渲?，所述邏輯結(jié)構(gòu)包括事件內(nèi)容、事件背景和事件分析；

在顯示事件內(nèi)容的新聞?wù)?，顯示用于引導(dǎo)用戶閱讀事件背景的引導(dǎo)語或者顯示用于引導(dǎo)用戶閱讀事件分析的引導(dǎo)語；

當探測到用戶點擊所述引導(dǎo)語時，繼續(xù)顯示所述引導(dǎo)語所引導(dǎo)用戶閱讀的事件背景的新聞?wù)?，或者事件分析的新聞?wù)?/p>

為了實現(xiàn)上述目的，本發(fā)明第七方面實施例提出了一種基于人工智能的新聞?wù)@示系統(tǒng)，包括：

生成組件，用于生成新聞稿的各邏輯結(jié)構(gòu)的新聞?wù)?；其中，所述邏輯結(jié)構(gòu)包括事件內(nèi)容、事件背景和事件分析；

顯示組件，用于在顯示事件內(nèi)容的新聞?wù)?，顯示用于引導(dǎo)用戶閱讀事件背景的引導(dǎo)語或者顯示用于引導(dǎo)用戶閱讀事件分析的引導(dǎo)語；

探測組件，用于當探測到用戶點擊所述引導(dǎo)語時，繼續(xù)顯示所述引導(dǎo)語所引導(dǎo)用戶閱讀的事件背景的新聞?wù)蛘呤录治龅男侣務(wù)?/p>

本發(fā)明附加的方面和優(yōu)點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發(fā)明的實踐了解到。

附圖說明

本發(fā)明上述的和/或附加的方面和優(yōu)點從下面結(jié)合附圖對實施例的描述中將變得明顯和容易理解，其中：

圖1為本發(fā)明實施例所提供的一種基于人工智能的新聞?wù)煞椒ǖ牧鞒淌疽鈭D；

圖2為本發(fā)明實施例提供的另一種基于人工智能的新聞?wù)煞椒ǖ牧鞒淌疽鈭D；

圖3為分類器的示意圖；

圖4為句子的向量生成過程的示意圖；

圖5為段落的向量生成過程的示意圖；

圖6為目標句子的識別過程的示意圖；

圖7為邏輯結(jié)構(gòu)的新聞?wù)蛇^程的示意圖；

圖8為本發(fā)明實施例提供的一種基于人工智能的新聞?wù)裳b置的結(jié)構(gòu)示意圖；

圖9為本發(fā)明實施例提供的又一種基于人工智能的新聞?wù)裳b置的結(jié)構(gòu)示意圖；

圖10為本發(fā)明實施例提供的基于人工智能的新聞?wù)@示方法的流程示意圖；以及

圖11為新聞?wù)@示的示意圖。

具體實施方式

下面詳細描述本發(fā)明的實施例，所述實施例的示例在附圖中示出，其中自始至終相同或類似的標號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附圖描述的實施例是示例性的，旨在用于解釋本發(fā)明，而不能理解為對本發(fā)明的限制。

下面參考附圖描述本發(fā)明實施例的基于人工智能的新聞?wù)珊惋@示方法、裝置及系統(tǒng)。

圖1為本發(fā)明實施例所提供的一種基于人工智能的新聞?wù)煞椒ǖ牧鞒淌疽鈭D。

在現(xiàn)有技術(shù)中通過依據(jù)新聞稿中句子的重要性，構(gòu)建無向圖，依據(jù)無向圖抽取出重要的句子形成新聞?wù)５@種方式，由句子的重要性僅根據(jù)句子之間的語義相似度，并沒有考慮到句子所屬新聞稿中的邏輯結(jié)構(gòu)之間的差異性。發(fā)明人發(fā)現(xiàn)，描述新聞核心事實的事件內(nèi)容中，往往包含更多重要的信息，會針對事件內(nèi)容這一邏輯結(jié)構(gòu)盡量減少刪減，但由于現(xiàn)有技術(shù)中不對邏輯結(jié)構(gòu)進行區(qū)分，因此，導(dǎo)致抽取出的新聞?wù)粔驕蚀_，而且邏輯性和連貫性上也存在一些問題。

針對這一問題，本發(fā)明實施例提供了基于人工智能的新聞?wù)煞椒?，如圖1所示，該方法包括以下步驟：

步驟101，識別新聞稿的邏輯結(jié)構(gòu)。

其中，邏輯結(jié)構(gòu)包括事件內(nèi)容、事件背景和事件分析。

事件內(nèi)容，用于闡述新聞事件的核心事實。

事件背景，用于闡述新聞事件所發(fā)生的背景。

事件分析，包括對新聞事件的分析、預(yù)測以及評論等內(nèi)容。

具體地，可以針對新聞稿中每一段落，將段落的字數(shù)、位于新聞稿中的位置和/或關(guān)鍵詞作為段落的特征，輸入經(jīng)過訓(xùn)練的多分類器，得到該段落所屬的邏輯結(jié)構(gòu)。一般，這里可以采用支持向量機、邏輯回歸等模型作為多分類器。

步驟102，利用各邏輯結(jié)構(gòu)所對應(yīng)的識別網(wǎng)絡(luò)，對相應(yīng)邏輯結(jié)構(gòu)所包含的各段落進行識別，得到每一個段落中屬于段落摘要的目標句子。

具體地，針對段落中的每一個句子進行特征提取，得到句子的特征向量；其中，句子的特征向量至少包括所述句子所屬段落的向量、所述句子的向量、表征所述句子在所屬段落中的語義重要程度的向量、表征所述句子在所屬段落中位置的向量和/或表征所述句子相對于已確定出的目標句子的冗余性的向量。進而，將句子的特征向量拼接后輸入全連接層，得到輸出結(jié)果，這里的輸出結(jié)果用于指示該句子是否屬于段落摘要中的目標句子。

作為一種可能的實現(xiàn)方式，可以預(yù)先獲取已標注各段落所屬邏輯結(jié)構(gòu)的樣本新聞稿，其中，這里的樣本新聞稿為在網(wǎng)絡(luò)中抓取到的新聞稿。利用標注為同一邏輯結(jié)構(gòu)的各段落，對所述邏輯結(jié)構(gòu)所對應(yīng)的識別網(wǎng)絡(luò)進行訓(xùn)練。

步驟103，依據(jù)所識別出的各目標句子在新聞稿中所屬的邏輯結(jié)構(gòu)，生成各邏輯結(jié)構(gòu)的新聞?wù)⒃诟鬟壿嫿Y(jié)構(gòu)的新聞?wù)g插入對應(yīng)的引導(dǎo)語。

具體地，將同屬于一個邏輯結(jié)構(gòu)的各目標句子，按照在所述新聞稿中出現(xiàn)的先后順序進行拼接，生成所述邏輯結(jié)構(gòu)的新聞?wù)?。進而在各邏輯結(jié)構(gòu)的新聞?wù)g插入對應(yīng)的引導(dǎo)語。

進一步，在顯示事件內(nèi)容的新聞?wù)?，顯示用于引導(dǎo)用戶閱讀事件背景的引導(dǎo)語或者顯示用于引導(dǎo)用戶閱讀事件分析的引導(dǎo)語；當探測到用戶點擊所述引導(dǎo)語時，繼續(xù)顯示所述引導(dǎo)語所引導(dǎo)用戶閱讀的事件背景的新聞?wù)蛘呤录治龅男侣務(wù)?/p>

具體地，可以采用交互的方式顯示各個邏輯結(jié)構(gòu)的新聞?wù)?，通過顯示用于引導(dǎo)用戶閱讀事件背景的引導(dǎo)語或者顯示用于引導(dǎo)用戶閱讀事件分析的引導(dǎo)語之后，若用戶有意愿繼續(xù)閱讀，則用戶會點擊該引導(dǎo)語，以繼續(xù)顯示引導(dǎo)語所引導(dǎo)用戶閱讀的事件背景的新聞?wù)?，或者事件分析的新聞?wù)?/p>

本實施例中，通過識別新聞稿的邏輯結(jié)構(gòu)之后，利用各邏輯結(jié)構(gòu)所對應(yīng)的識別網(wǎng)絡(luò)，對相應(yīng)邏輯結(jié)構(gòu)所包含的各段落進行識別，得到每一個段落中屬于段落摘要的目標句子。進而依據(jù)所識別出的各目標句子在新聞稿中所屬的邏輯結(jié)構(gòu)，生成各邏輯結(jié)構(gòu)的新聞?wù)?，并在各邏輯結(jié)構(gòu)的新聞?wù)g插入對應(yīng)的引導(dǎo)語。由于新聞稿的各個邏輯結(jié)構(gòu)具有一些特殊性，因此，基于新聞稿的邏輯結(jié)構(gòu)，采用對應(yīng)的識別網(wǎng)絡(luò)進行摘要提取，能夠提高各邏輯結(jié)構(gòu)的新聞?wù)臏蚀_性和連貫性，并且在各邏輯結(jié)構(gòu)的新聞?wù)g插入引導(dǎo)語進一步增強了摘要的邏輯性和連貫性，解決了現(xiàn)有技術(shù)中新聞?wù)粔驕蚀_，新聞?wù)那昂缶渥硬贿B貫，邏輯性不強的技術(shù)問題。

為了清楚說明上一實施例，本實施例提供了另一種基于人工智能的新聞?wù)煞椒ǎ瑘D2為本發(fā)明實施例提供的另一種基于人工智能的新聞?wù)煞椒ǖ牧鞒淌疽鈭D，如圖2所示，該基于人工智能的新聞?wù)煞椒梢园ㄒ韵虏襟E：

步驟201，針對所述新聞稿中每一段落，將段落的字數(shù)、位于所述新聞稿中的位置和/或關(guān)鍵詞作為所述段落的特征，輸入經(jīng)過訓(xùn)練的多分類器，得到所述段落所屬的邏輯結(jié)構(gòu)。

其中，邏輯結(jié)構(gòu)包括事件內(nèi)容、事件背景和事件分析。如圖3所示的分類器的示意圖，由于輸出的結(jié)果為多分類，從而也稱為多分類器，輸入特征中包括段落的字數(shù)、位于所述新聞稿中的位置和/或關(guān)鍵詞作為所述段落的特征，分類器具體可以為支持向量機，或者邏輯回歸，輸出為段落所屬的邏輯結(jié)構(gòu)標識。

本步驟中所采用的多分類器是預(yù)先經(jīng)過訓(xùn)練的，具體來說，從互聯(lián)網(wǎng)門戶網(wǎng)站獲取了海量的新聞稿，并且人工對其段落進行了邏輯結(jié)構(gòu)的標識。比如，某篇新聞稿包含了5個段落，我們通過人工的理解，對其每個段落標識它是屬于事件內(nèi)容、事件背景和事件分析中的一個。然后，通過經(jīng)過標注的段落，采用段落的字數(shù)、位于原文中的段落位置、關(guān)鍵詞等作為段落的特征，對該多分類器進行訓(xùn)練。

步驟202，將每一個段落輸入該段落所屬的邏輯結(jié)構(gòu)的識別網(wǎng)絡(luò)中，得到該段落的新聞?wù)?/p>

具體地，這里的識別網(wǎng)絡(luò)具體可以為深度卷積模型，這個深度卷積模型包括三大層次。

第一個層次，用于輸入段落，得到段落中各句子的向量表示。圖4為句子的向量生成過程的示意圖，如圖4所示，首先，將段落進行切詞，得到段落的詞序列，并對詞序列中的每一個詞進行映射得到詞的向量，最后，根據(jù)段落中每一個句子所含詞的向量，計算得到各句子的向量。

具體來說，可以采用向量相加，或者向量卷積的方式，由句子所含詞的向量，得到該句子的向量。

例如：在圖4中將詞序列中“近期”、“冷”、“空氣”、“襲擊”、“華北”和“地區(qū)”這幾個詞在向量映射層(embedding layer)進行映射得到詞的向量，并對詞的向量進行向量相加(summation)，得到句子的向量。

第二個層次，用于輸入句子的向量，得到段落的向量。圖5為段落的向量生成過程的示意圖。如圖5所示，在得到每一個句子的向量之后，將句子1至n的向量輸入到雙向循環(huán)神經(jīng)網(wǎng)絡(luò)(recurrent neural network，RNN)模型，得到段落的向量表示。

第三個層次，用于根據(jù)段落的向量和句子的向量，判斷段落中的句子是否屬于段落摘要中的目標句子。具體地，在判斷段落中的句子是否屬于段落摘要中的目標句子時，可以從以下幾個維度進行考慮：句子在所屬段落中的語義重要程度、句子在所屬段落中位置的向量、句子相對于已確定出的目標句子的冗余性。

因此，可以針對段落中的每一個句子進行特征提取，得到句子的特征向量，這里的特征向量至少包括了句子所屬段落的向量、句子的向量、表征句子在所屬段落中的語義重要程度的向量、表征句子在所屬段落中位置的向量和/或表征句子相對于已確定出的目標句子的冗余性的向量。圖6為目標句子的識別過程的示意圖。如圖6所示，采用連接層(concat layer)對多個維度的特征向量進行連接，進而采用全連接層(fully connected layer)進行識別，得到段落中的句子是否屬于段落摘要中的目標句子的判斷結(jié)果。當判斷結(jié)果為0時，表示該句子不是段落摘要中的目標句子，當判斷結(jié)果為1時，表示該句子是段落摘要中的目標句子。

經(jīng)過以上三個層次之后，將識別出的目標句子，按照在段落中出現(xiàn)的先后順序，組成該段落的段落摘要。

步驟203，依據(jù)段落在新聞稿中所屬的邏輯結(jié)構(gòu)，將同屬該邏輯結(jié)構(gòu)的各段落的段落摘要組成該邏輯結(jié)構(gòu)的新聞?wù)?，并在各邏輯結(jié)構(gòu)的新聞?wù)g插入對應(yīng)的引導(dǎo)語。

具體地，圖7為邏輯結(jié)構(gòu)的新聞?wù)蛇^程的示意圖，如圖7所示，可以把事件內(nèi)容的段落摘要組成摘要的第一部分，即事件內(nèi)容的新聞?wù)?；可以把事件背景的段落摘要組成摘要的第二部分，即事件背景的新聞?wù)?；可以把事件分析的段落摘要組成摘要的第三部分，即事件分析的新聞?wù)?/p>

并且，在顯示事件內(nèi)容的摘要之后，當新聞稿包含事件背景時，使用關(guān)于事件背景的交互式的引導(dǎo)語，例如“你想知道關(guān)于這個新聞的背景嗎？”，引導(dǎo)用戶點擊閱讀關(guān)于事件背景的新聞?wù)划斝侣劯灏录治鰰r，使用關(guān)于事件分析的交互式的引導(dǎo)語，例如“你想進一步知道些分析嗎？”，引導(dǎo)用戶進一步點擊閱讀關(guān)于事件分析的新聞?wù)?/p>

本實施例中，通過識別新聞稿的邏輯結(jié)構(gòu)之后，利用各邏輯結(jié)構(gòu)所對應(yīng)的識別網(wǎng)絡(luò)，對相應(yīng)邏輯結(jié)構(gòu)所包含的各段落進行識別，得到每一個段落中屬于段落摘要的目標句子。進而依據(jù)所識別出的各目標句子在新聞稿中所屬的邏輯結(jié)構(gòu)，生成各邏輯結(jié)構(gòu)的新聞?wù)?，并在各邏輯結(jié)構(gòu)的新聞?wù)g插入對應(yīng)的引導(dǎo)語。由于新聞稿的各個邏輯結(jié)構(gòu)具有一些特殊性，因此，基于新聞稿的邏輯結(jié)構(gòu)，采用對應(yīng)的識別網(wǎng)絡(luò)進行摘要提取，能夠提高各邏輯結(jié)構(gòu)的新聞?wù)臏蚀_性和連貫性，并且在各邏輯結(jié)構(gòu)的新聞?wù)g插入引導(dǎo)語進一步增強了摘要的邏輯性和連貫性，解決了現(xiàn)有技術(shù)中新聞?wù)粔驕蚀_，新聞?wù)那昂缶渥硬贿B貫，邏輯性不強的技術(shù)問題。

為了實現(xiàn)上述實施例，本發(fā)明還提出一種基于人工智能的新聞?wù)裳b置。

圖8為本發(fā)明實施例提供的一種基于人工智能的新聞?wù)裳b置的結(jié)構(gòu)示意圖。如圖8所示，該裝置包括：結(jié)構(gòu)識別模塊71、句子識別模塊72、生成模塊73。

結(jié)構(gòu)識別模塊71，用于識別新聞稿的邏輯結(jié)構(gòu)。

具體地，結(jié)構(gòu)識別模塊71，具體用于：針對所述新聞稿中每一段落，將段落的字數(shù)、位于所述新聞稿中的位置和/或關(guān)鍵詞作為所述段落的特征，輸入經(jīng)過訓(xùn)練的多分類器，得到所述段落所屬的邏輯結(jié)構(gòu)。

句子識別模塊72，用于利用各邏輯結(jié)構(gòu)所對應(yīng)的識別網(wǎng)絡(luò)，對相應(yīng)邏輯結(jié)構(gòu)所包含的各段落進行識別，得到每一個段落中屬于段落摘要的目標句子。

生成模塊73，用于依據(jù)所識別出的各目標句子在所述新聞稿中所屬的邏輯結(jié)構(gòu)，生成所述各邏輯結(jié)構(gòu)的新聞?wù)?，并在各邏輯結(jié)構(gòu)的新聞?wù)g插入對應(yīng)的引導(dǎo)語。

具體地，生成模塊73，具體用于：將同屬于一個邏輯結(jié)構(gòu)的各目標句子，按照在所述新聞稿中出現(xiàn)的先后順序進行拼接，生成所述邏輯結(jié)構(gòu)的新聞?wù)?/p>

進一步地，在本發(fā)明實施例的一種可能的實現(xiàn)方式中，邏輯結(jié)構(gòu)包括事件內(nèi)容、事件背景和事件分析?；诖?，本實施例還提供了又一種基于人工智能的新聞?wù)裳b置，圖9為本發(fā)明實施例提供的又一種基于人工智能的新聞?wù)裳b置的結(jié)構(gòu)示意圖。如圖9所示，該裝置還包括：顯示模塊74和訓(xùn)練模塊75。

顯示模塊74，用于在顯示事件內(nèi)容的新聞?wù)?，顯示用于引導(dǎo)用戶閱讀事件背景的引導(dǎo)語或者顯示用于引導(dǎo)用戶閱讀事件分析的引導(dǎo)語；當探測到用戶點擊所述引導(dǎo)語時，繼續(xù)顯示所述引導(dǎo)語所引導(dǎo)用戶閱讀的事件背景的新聞?wù)?，或者事件分析的新聞?wù)?/p>

訓(xùn)練模塊75，用于獲取已標注各段落所屬邏輯結(jié)構(gòu)的樣本新聞稿；所述樣本新聞稿為在網(wǎng)絡(luò)中抓取到的新聞稿；利用標注為同一邏輯結(jié)構(gòu)的各段落，對所述邏輯結(jié)構(gòu)所對應(yīng)的識別網(wǎng)絡(luò)進行訓(xùn)練。

在本發(fā)明實施例的一種可能的實現(xiàn)方式中，句子識別模塊72，包括：提取單元721和處理單元722。

提取單元721，用于針對所述段落中的每一個句子進行特征提取，得到所述句子的特征向量。

處理單元722，用于將所述句子的特征向量拼接后輸入全連接層，得到輸出結(jié)果；所述輸出結(jié)果用于指示所述句子是否屬于段落摘要中的目標句子。

進一步，句子的特征向量包括所述句子所屬段落的向量、所述句子的向量、表征所述句子在所屬段落中的語義重要程度的向量、表征所述句子在所屬段落中位置的向量和/或表征所述句子相對于已確定出的目標句子的冗余性的向量?；诖?，提取單元721，可以包括：第一提取子單元和第二提取子單元。

第一提取子單元，用于將所述段落進行切詞，得到所述段落的詞序列，并對所述詞序列中的每一個詞進行映射得到所述詞的向量；根據(jù)所述段落中每一個句子所含詞的向量，計算得到各句子的向量。

第二提取子單元，用于將所述段落中每一個句子的向量輸入雙向RNN模型中，得到所述段落的向量。

需要說明的是，前述對方法實施例的解釋說明也適用于該實施例的裝置，此處不再贅述。

本發(fā)明實施例中，通過識別新聞稿的邏輯結(jié)構(gòu)之后，利用各邏輯結(jié)構(gòu)所對應(yīng)的識別網(wǎng)絡(luò)，對相應(yīng)邏輯結(jié)構(gòu)所包含的各段落進行識別，得到每一個段落中屬于段落摘要的目標句子。進而依據(jù)所識別出的各目標句子在新聞稿中所屬的邏輯結(jié)構(gòu)，生成各邏輯結(jié)構(gòu)的新聞?wù)⒃诟鬟壿嫿Y(jié)構(gòu)的新聞?wù)g插入對應(yīng)的引導(dǎo)語。由于新聞稿的各個邏輯結(jié)構(gòu)具有一些特殊性，因此，基于新聞稿的邏輯結(jié)構(gòu)，采用對應(yīng)的識別網(wǎng)絡(luò)進行摘要提取，能夠提高各邏輯結(jié)構(gòu)的新聞?wù)臏蚀_性和連貫性，并且在各邏輯結(jié)構(gòu)的新聞?wù)g插入引導(dǎo)語進一步增強了摘要的邏輯性和連貫性，解決了現(xiàn)有技術(shù)中新聞?wù)粔驕蚀_，新聞?wù)那昂缶渥硬贿B貫，邏輯性不強的技術(shù)問題。

為了實現(xiàn)上述實施例，本發(fā)明還提出另一種基于人工智能的新聞?wù)裳b置，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執(zhí)行所述程序時，實現(xiàn)如前述實施例所提供的基于人工智能的新聞?wù)煞椒ā?/p>

為了實現(xiàn)上述實施例，本發(fā)明還提出一種非臨時性計算機可讀存儲介質(zhì)，其上存儲有計算機程序，所述程序被處理器執(zhí)行時實現(xiàn)如前述實施例所提供的基于人工智能的新聞?wù)煞椒ā?/p>

為了實現(xiàn)上述實施例，本發(fā)明還提出一種計算機程序產(chǎn)品，當所述計算機程序產(chǎn)品中的指令處理器執(zhí)行時，執(zhí)行如前述實施例所提供的基于人工智能的新聞?wù)煞椒ā?/p>

本實施例還提供了一種基于人工智能的新聞?wù)@示方法，圖10為本發(fā)明實施例提供的基于人工智能的新聞?wù)@示方法的流程示意圖，如圖10所示，方法包括：

步驟901，生成新聞稿的各邏輯結(jié)構(gòu)的新聞?wù)?/p>

其中，所述邏輯結(jié)構(gòu)包括事件內(nèi)容、事件背景和事件分析。

具體地，生成新聞稿的各邏輯結(jié)構(gòu)的新聞?wù)梢詤⒖记笆鰧嵤├谢谌斯ぶ悄艿男侣務(wù)煞椒ǖ南嚓P(guān)說明，本實施例中對此不再贅述。

步驟902，在顯示事件內(nèi)容的新聞?wù)螅@示用于引導(dǎo)用戶閱讀事件背景的引導(dǎo)語或者顯示用于引導(dǎo)用戶閱讀事件分析的引導(dǎo)語。

步驟903，當探測到用戶點擊所述引導(dǎo)語時，繼續(xù)顯示所述引導(dǎo)語所引導(dǎo)用戶閱讀的事件背景的新聞?wù)?，或者事件分析的新聞?wù)?/p>

具體地，圖11為新聞?wù)@示的示意圖，如圖11所示，當顯示引導(dǎo)語“這事什么背景”，之后顯示事件背景的新聞?wù)?/p>

本發(fā)明實施例還提供了一種基于人工智能的新聞?wù)@示系統(tǒng)，包括：生成組件、顯示組件和探測組件。

生成組件，用于生成新聞稿的各邏輯結(jié)構(gòu)的新聞?wù)?/p>

其中，所述邏輯結(jié)構(gòu)包括事件內(nèi)容、事件背景和事件分析。

作為一種可能的實現(xiàn)方式，生成組件包括：前述實施例中的基于人工智能的新聞?wù)裳b置。

顯示組件，用于在顯示事件內(nèi)容的新聞?wù)?，顯示用于引導(dǎo)用戶閱讀事件背景的引導(dǎo)語或者顯示用于引導(dǎo)用戶閱讀事件分析的引導(dǎo)語。

探測組件，用于當探測到用戶點擊所述引導(dǎo)語時，繼續(xù)顯示所述引導(dǎo)語所引導(dǎo)用戶閱讀的事件背景的新聞?wù)?，或者事件分析的新聞?wù)?/p>

可見，通過在各邏輯結(jié)構(gòu)的新聞?wù)g插入引導(dǎo)語增強了摘要的邏輯性和連貫性，解決了現(xiàn)有技術(shù)中新聞?wù)粔驕蚀_，新聞?wù)那昂缶渥硬贿B貫，邏輯性不強的技術(shù)問題。

在本說明書的描述中，參考術(shù)語“一個實施例”、“一些實施例”、“示例”、“具體示例”、或“一些示例”等的描述意指結(jié)合該實施例或示例描述的具體特征、結(jié)構(gòu)、材料或者特點包含于本發(fā)明的至少一個實施例或示例中。在本說明書中，對上述術(shù)語的示意性表述不必須針對的是相同的實施例或示例。而且，描述的具體特征、結(jié)構(gòu)、材料或者特點可以在任一個或多個實施例或示例中以合適的方式結(jié)合。此外，在不相互矛盾的情況下，本領(lǐng)域的技術(shù)人員可以將本說明書中描述的不同實施例或示例以及不同實施例或示例的特征進行結(jié)合和組合。

此外，術(shù)語“第一”、“第二”僅用于描述目的，而不能理解為指示或暗示相對重要性或者隱含指明所指示的技術(shù)特征的數(shù)量。由此，限定有“第一”、“第二”的特征可以明示或者隱含地包括至少一個該特征。在本發(fā)明的描述中，“多個”的含義是至少兩個，例如兩個，三個等，除非另有明確具體的限定。

流程圖中或在此以其他方式描述的任何過程或方法描述可以被理解為，表示包括一個或更多個用于實現(xiàn)定制邏輯功能或過程的步驟的可執(zhí)行指令的代碼的模塊、片段或部分，并且本發(fā)明的優(yōu)選實施方式的范圍包括另外的實現(xiàn)，其中可以不按所示出或討論的順序，包括根據(jù)所涉及的功能按基本同時的方式或按相反的順序，來執(zhí)行功能，這應(yīng)被本發(fā)明的實施例所屬技術(shù)領(lǐng)域的技術(shù)人員所理解。

在流程圖中表示或在此以其他方式描述的邏輯和/或步驟，例如，可以被認為是用于實現(xiàn)邏輯功能的可執(zhí)行指令的定序列表，可以具體實現(xiàn)在任何計算機可讀介質(zhì)中，以供指令執(zhí)行系統(tǒng)、裝置或設(shè)備(如基于計算機的系統(tǒng)、包括處理器的系統(tǒng)或其他可以從指令執(zhí)行系統(tǒng)、裝置或設(shè)備取指令并執(zhí)行指令的系統(tǒng))使用，或結(jié)合這些指令執(zhí)行系統(tǒng)、裝置或設(shè)備而使用。就本說明書而言，"計算機可讀介質(zhì)"可以是任何可以包含、存儲、通信、傳播或傳輸程序以供指令執(zhí)行系統(tǒng)、裝置或設(shè)備或結(jié)合這些指令執(zhí)行系統(tǒng)、裝置或設(shè)備而使用的裝置。計算機可讀介質(zhì)的更具體的示例(非窮盡性列表)包括以下：具有一個或多個布線的電連接部(電子裝置)，便攜式計算機盤盒(磁裝置)，隨機存取存儲器(RAM)，只讀存儲器(ROM)，可擦除可編輯只讀存儲器(EPROM或閃速存儲器)，光纖裝置，以及便攜式光盤只讀存儲器(CDROM)。另外，計算機可讀介質(zhì)甚至可以是可在其上打印所述程序的紙或其他合適的介質(zhì)，因為可以例如通過對紙或其他介質(zhì)進行光學(xué)掃描，接著進行編輯、解譯或必要時以其他合適方式進行處理來以電子方式獲得所述程序，然后將其存儲在計算機存儲器中。

應(yīng)當理解，本發(fā)明的各部分可以用硬件、軟件、固件或它們的組合來實現(xiàn)。在上述實施方式中，多個步驟或方法可以用存儲在存儲器中且由合適的指令執(zhí)行系統(tǒng)執(zhí)行的軟件或固件來實現(xiàn)。如，如果用硬件來實現(xiàn)和在另一實施方式中一樣，可用本領(lǐng)域公知的下列技術(shù)中的任一項或他們的組合來實現(xiàn)：具有用于對數(shù)據(jù)信號實現(xiàn)邏輯功能的邏輯門電路的離散邏輯電路，具有合適的組合邏輯門電路的專用集成電路，可編程門陣列(PGA)，現(xiàn)場可編程門陣列(FPGA)等。

本技術(shù)領(lǐng)域的普通技術(shù)人員可以理解實現(xiàn)上述實施例方法攜帶的全部或部分步驟是可以通過程序來指令相關(guān)的硬件完成，所述的程序可以存儲于一種計算機可讀存儲介質(zhì)中，該程序在執(zhí)行時，包括方法實施例的步驟之一或其組合。

此外，在本發(fā)明各個實施例中的各功能單元可以集成在一個處理模塊中，也可以是各個單元單獨物理存在，也可以兩個或兩個以上單元集成在一個模塊中。上述集成的模塊既可以采用硬件的形式實現(xiàn)，也可以采用軟件功能模塊的形式實現(xiàn)。所述集成的模塊如果以軟件功能模塊的形式實現(xiàn)并作為獨立的產(chǎn)品銷售或使用時，也可以存儲在一個計算機可讀取存儲介質(zhì)中。

上述提到的存儲介質(zhì)可以是只讀存儲器，磁盤或光盤等。盡管上面已經(jīng)示出和描述了本發(fā)明的實施例，可以理解的是，上述實施例是示例性的，不能理解為對本發(fā)明的限制，本領(lǐng)域的普通技術(shù)人員在本發(fā)明的范圍內(nèi)可以對上述實施例進行變化、修改、替換和變型。