1.一種基于人工智能的新聞?wù)煞椒?，其特征在于，包括以下步驟：
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(jìn)行識別，得到每一個(gè)段落中屬于段落摘要的目標(biāo)句子；
依據(jù)所識別出的各目標(biāo)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。
2.根據(jù)權(quán)利要求1所述的基于人工智能的新聞?wù)煞椒ǎ涮卣髟谟?，所述邏輯結(jié)構(gòu)包括事件內(nèi)容、事件背景和事件分析；所述依據(jù)所識別出的各目標(biāo)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)語之后，還包括：
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(dāng)探測到用戶點(diǎn)擊所述引導(dǎo)語時(shí)，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>
3.根據(jù)權(quán)利要求1所述的基于人工智能的新聞?wù)煞椒?，其特征在于，所述利用各邏輯結(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(jìn)行識別，得到每一個(gè)段落中屬于段落摘要的目標(biāo)句子，包括：
針對所述段落中的每一個(gè)句子進(jìn)行特征提取，得到所述句子的特征向量；
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(biāo)句子。
4.根據(jù)權(quán)利要求3所述的基于人工智能的新聞?wù)煞椒?，其特征在于，所述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(biāo)句子的冗余性的向量。
5.根據(jù)權(quán)利要求4所述的基于人工智能的新聞?wù)煞椒?，其特征在于，所述針對所述段落中的每一個(gè)句子進(jìn)行特征提取，得到所述句子的特征向量，包括：
將所述段落進(jìn)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(gè)詞進(jìn)行映射得到所述詞的向量；
根據(jù)所述段落中每一個(gè)句子所含詞的向量，計(jì)算得到各句子的向量。
6.根據(jù)權(quán)利要求5所述的基于人工智能的新聞?wù)煞椒?，其特征在于，所述?jì)算得到各句子的向量之后，還包括：
將所述段落中每一個(gè)句子的向量輸入雙向RNN模型中，得到所述段落的向量。
7.根據(jù)權(quán)利要求1-6任一項(xiàng)所述的基于人工智能的新聞?wù)煞椒ǎ涮卣髟谟?，所述利用各邏輯結(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(jìn)行識別，得到每一個(gè)段落中屬于段落摘要的目標(biāo)句子之前，還包括：
獲取已標(biāo)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(biāo)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(jìn)行訓(xùn)練。
8.根據(jù)權(quán)利要求1-6任一項(xiàng)所述的基于人工智能的新聞?wù)煞椒?，其特征在于，所述識別新聞稿的邏輯結(jié)構(gòu)包括：
針對所述新聞稿中每一段落，將段落的字?jǐn)?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)。
9.根據(jù)權(quán)利要求1-6任一項(xiàng)所述的基于人工智能的新聞?wù)煞椒?，其特征在于，所述依?jù)所識別出的各目標(biāo)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)?，包括?/p>
將同屬于一個(gè)邏輯結(jié)構(gòu)的各目標(biāo)句子，按照在所述新聞稿中出現(xiàn)的先后順序進(jìn)行拼接，生成所述邏輯結(jié)構(gòu)的新聞?wù)?/p>
10.一種基于人工智能的新聞?wù)@示方法，其特征在于，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)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；
當(dāng)探測到用戶點(diǎn)擊所述引導(dǎo)語時(shí)，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>
11.根據(jù)權(quán)利要求10所述的新聞?wù)@示方法，其特征在于，所述各邏輯結(jié)構(gòu)的新聞?wù)遣捎脵?quán)利要求1-9任一項(xiàng)所述的基于人工智能的新聞?wù)煞椒ㄉ傻摹?/p>
12.一種基于人工智能的新聞?wù)裳b置，其特征在于，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(jìn)行識別，得到每一個(gè)段落中屬于段落摘要的目標(biāo)句子；
生成模塊，用于依據(jù)所識別出的各目標(biāo)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。
13.根據(jù)權(quán)利要求12所述的基于人工智能的新聞?wù)裳b置，其特征在于，所述邏輯結(jié)構(gòu)包括事件內(nèi)容、事件背景和事件分析；所述裝置，還包括：
顯示模塊，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(dāng)探測到用戶點(diǎn)擊所述引導(dǎo)語時(shí)，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>
14.根據(jù)權(quán)利要求12所述的基于人工智能的新聞?wù)裳b置，其特征在于，所述句子識別模塊，包括：
提取單元，用于針對所述段落中的每一個(gè)句子進(jìn)行特征提取，得到所述句子的特征向量；
處理單元，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(biāo)句子。
15.根據(jù)權(quán)利要求14所述的基于人工智能的新聞?wù)裳b置，其特征在于，所述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(biāo)句子的冗余性的向量。
16.根據(jù)權(quán)利要求15所述的基于人工智能的新聞?wù)裳b置，其特征在于，所述提取單元，包括：
第一提取子單元，用于將所述段落進(jìn)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(gè)詞進(jìn)行映射得到所述詞的向量；根據(jù)所述段落中每一個(gè)句子所含詞的向量，計(jì)算得到各句子的向量。
17.根據(jù)權(quán)利要求16所述的基于人工智能的新聞?wù)裳b置，其特征在于，所述提取單元，還包括：
第二提取子單元，用于將所述段落中每一個(gè)句子的向量輸入雙向RNN模型中，得到所述段落的向量。
18.根據(jù)權(quán)利要求12-17任一項(xiàng)所述的基于人工智能的新聞?wù)裳b置，其特征在于，所述裝置，還包括：
訓(xùn)練模塊，用于獲取已標(biāo)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(biāo)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(jìn)行訓(xùn)練。
19.根據(jù)權(quán)利要求12-17任一項(xiàng)所述的基于人工智能的新聞?wù)裳b置，其特征在于，所述結(jié)構(gòu)識別模塊，具體用于：
針對所述新聞稿中每一段落，將段落的字?jǐn)?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)。
20.根據(jù)權(quán)利要求12-17任一項(xiàng)所述的基于人工智能的新聞?wù)裳b置，其特征在于，所述生成模塊，具體用于：
將同屬于一個(gè)邏輯結(jié)構(gòu)的各目標(biāo)句子，按照在所述新聞稿中出現(xiàn)的先后順序進(jìn)行拼接，生成所述邏輯結(jié)構(gòu)的新聞?wù)?/p>
21.一種基于人工智能的新聞?wù)裳b置，其特征在于，包括存儲器、處理器及存儲在存儲器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述程序時(shí)，實(shí)現(xiàn)如權(quán)利要求1-9中任一所述的方法。
22.一種非臨時(shí)性計(jì)算機(jī)可讀存儲介質(zhì)，其上存儲有計(jì)算機(jī)程序，其特征在于，所述程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1-9中任一所述的方法。
23.一種基于人工智能的新聞?wù)@示系統(tǒng)，其特征在于，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(dāng)探測到用戶點(diǎn)擊所述引導(dǎo)語時(shí)，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>
24.根據(jù)權(quán)利要求23所述的基于人工智能的新聞?wù)@示系統(tǒng)，其特征在于，所述生成組件包括：權(quán)利要求12-20任一項(xiàng)所述的基于人工智能的新聞?wù)裳b置。