买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：杭州艾耕科技有限公司

摘要：本发明公开了基于端到端深度学习模型的文章标题生成方法，本发明对文章进行分类，对文章标题进行意图识别，在输入端提供文章品类和标题意图组合，这些额外信息优化了标题生成的质量，并且可以人工控制标题内容形式，具备更强的多样性。本发明能够选取热门的标题意图组合，生成的标题内容更加具有吸引力；因为模型生成的标题内容和输入的意图组合有关，因此可以通过给定不同的意图组合来控制标题的内容形式，在文章标题需要突出某些方面内容时有很大作用。

主权项：1.基于端到端深度学习模型的文章标题生成方法，其特征是，包括以下步骤：（1）将文章正文输入文章品类分类模型，得到文章品类；将文章分割成小段，利用意图分类模型，预测文章意图；根据文章品类和文章意图，从该文章品类下的热门的标题意图组合中，计算热门的标题意图组合属于文章意图的意图比例，然后选择意图比例高的意图组合作为标题意图组合；（2）对文章正文进行分词，选取摘要，得到正文摘要；（3）将正文摘要、文章品类、标题意图组合拼接后得到输入数据，将其输入到端到端标题生成模型，得到文章标题；所述端到端标题生成模型的构建包括数据集建立与模型训练，所述数据集建立与模型训练包括以下步骤：（1.1）搜集垂直领域的文章语料；（1.2）由垂直领域专家对步骤（1.1）得到的文章语料中的文章进行归类，得到文章品类；选取一定量的文章，得到文章数据集{A1，A2，A3……Ai……An}，n为文章数量，Ai表示第i篇文章，1≤i≤n；对文章进行分类标注得到文章品类数据集｛C1，C2，C3……Ci……Cn｝，其中Ci是Ai的文章品类，训练bert模型得到文章品类分类模型；（1.3）对文章标题按照标点符号分割成小段，得到小段标题数据集{T1，T2，T3……Tt……Tm},Tt表示第t小段标题，m为小段标题数量，1≤t≤m，对每个小段进行意图分类，标注得到标题意图数据集｛M1，M2，M3……Mt……Mm｝，其中，为第t个小段标题对应的意图，其中，为第t个小段标题的意图数量，为非0的自然数，训练bert模型得到意图分类模型；（1.4）处理全量文章语料：利用步骤（1.2）和（1.3）得到的模型预测文章品类和标题意图组合；对文章正文和文章标题进行分词，选取正文摘要，将文章品类、标题意图组合和正文摘要拼接后作为输入，将分词后的标题作为预测目标，训练transformer模型得到端到端标题生成模型。

全文数据：

权利要求：

百度查询： 杭州艾耕科技有限公司 基于端到端深度学习模型的文章标题生成方法