文章可读性确定方法、装置、设备和介质

摘要

本发明实施例公开了一种文章可读性确定方法、装置、设备和介质，涉及文本可读性分析领域。该方法包括：基于句间模型、句内模型和相似度模型检测目标文章,获得句间概率、句子的困惑度和句间相似度；根据句间概率、句子的困惑度和句间相似度，通过动态分类模型确定目标文章的可读性得分；动态分类模型的训练过程如下：将训练文档集中的样本文档分别输入训练完成的所述句间模型、句内模型和相似度模型，获得样本文档的句间概率、句子的困惑度和句间相似度；将样本文档的句间概率、句子的困惑度和句间相似度作为样本特征输入动态分类模型进行训练。本发明实施例提供的一种文章可读性确定方法、装置、设备和介质，实现了文章可读性的准确确定。

权利要求

1.一种文章可读性确定方法，其特征在于，包括：基于句间模型、句内模型和相似度模型检测目标文章,获得句间概率、句子的困惑度和句间相似度；

根据所述句间概率、句子的困惑度和句间相似度，通过动态分类模型确定目标文章的可读性得分；

其中：

所述句内模型是基于对确定句子困惑度的神经网络语言模型训练获得，所述句间模型是基于对确定句间概率的跨句子语言模型训练获得；

其中所述动态分类模型的训练过程如下：

将训练文档集中的样本文档分别输入训练完成的所述句间模型、句内模型和相似度模型，获得样本文档的句间概率、句子的困惑度和句间相似度；

将所述样本文档的句间概率、句子的困惑度和句间相似度作为样本特征输入动态分类模型进行训练。

2.一种文章可读性确定装置，其特征在于，包括：特征确定模块，用于基于句间模型、句内模型和相似度模型检测目标文章，获得句间概率、句子的困惑度和句间相似度；

可读性确定模块，用于根据所述句间概率、句子的困惑度和句间相似度，通过动态分类模型确定目标文章的可读性得分；

其中：

所述句内模型是基于对确定句子困惑度的神经网络语言模型训练获得，所述句间模型是基于对确定句间概率的跨句子语言模型训练获得；

其中所述动态分类模型的训练过程如下：

将训练文档集中的样本文档分别输入训练完成的所述句间模型、句内模型和相似度模型，获得样本文档的句间概率、句子的困惑度和句间相似度；

将所述样本文档的句间概率、句子的困惑度和句间相似度作为样本特征输入动态分类模型进行训练。

3.一种设备，其特征在于，所述设备包括：一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1所述的文章可读性确定方法。

4.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1所述的文章可读性确定方法。

说明书

文章可读性确定方法、装置、设备和介质

技术领域

[0001] 本发明实施例涉及文本可读性分析领域，尤其涉及一种文章可读性确定方法、装置、设备和介质。

背景技术

[0002] 在这互联网信息爆炸的时代，每天都有数以百万计的文章产出。众所周知，可读性好的文章会给读者带来极大的经济意义。

[0003] 然而，直接产出的文章中往往存在句子或段落不连贯，以及句子或段落存在错别字的情况。这些情况都会导致文章逻辑混乱和文本不连贯的问题。这些问题都直接影响文章的可读性，使得真正可读性良好(逻辑清晰，文本连贯)的文章少了很多。

[0004] 因此，如何挑选出可读性好的文章推送给读者成为了亟待解决的问题。

发明内容

[0005] 本发明实施例提供一种文章可读性确定方法、装置、设备和介质，以实现文章可读性的准确确定。

[0006] 第一方面，本发明实施例提供了一种文章可读性确定方法，该方法包括：

[0007] 基于句间模型、句内模型和相似度模型检测目标文章,获得句间概率、句子的困惑度和句间相似度；

[0008] 根据所述句间概率、句子的困惑度和句间相似度，通过动态分类模型确定目标文章的可读性得分；

[0009] 其中：

[0010] 所述句内模型是基于对确定句子困惑度的神经网络语言模型训练获得，所述句间模型是基于对确定句间概率的跨句子语言模型训练获得；

[0011] 其中所述动态分类模型的训练过程如下：

[0012] 将训练文档集中的样本文档分别输入训练完成的所述句间模型、句内模型和相似度模型，获得样本文档的句间概率、句子的困惑度和句间相似度；

[0013] 将所述样本文档的句间概率、句子的困惑度和句间相似度作为样本特征输入动态分类模型进行训练。

[0014] 第二方面，本发明实施例还提供了一种文章可读性确定装置，该装置包括：

[0015] 特征确定模块，用于基于句间模型、句内模型和相似度模型检测目标文章，获得句间概率、句子的困惑度和句间相似度；

[0016] 可读性确定模块，用于根据所述句间概率、句子的困惑度和句间相似度，通过动态分类模型确定目标文章的可读性得分；

[0017] 其中：

[0018] 所述句内模型是基于对确定句子困惑度的神经网络语言模型训练获得，所述句间模型是基于对确定句间概率的跨句子语言模型训练获得；

[0019] 其中所述动态分类模型的训练过程如下：

[0020] 将训练文档集中的样本文档分别输入训练完成的所述句间模型、句内模型和相似度模型，获得样本文档的句间概率、句子的困惑度和句间相似度；

[0021] 将所述样本文档的句间概率、句子的困惑度和句间相似度作为样本特征输入动态分类模型进行训练。

[0022] 第三方面，本发明实施例还提供了一种设备，所述设备包括：

[0023] 一个或多个处理器；

[0024] 存储装置，用于存储一个或多个程序，

[0025] 当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明实施例中任一所述的文章可读性确定方法。

[0026] 第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例中任一所述的文章可读性确定方法。

[0027] 本发明实施例通过依据目标文章中的句子特征和/或段落特征确定目标文章的可读性得分。从而实现对存在句子或段落不连贯，以及句子或段落存在错别字的文章的可读性打分。进而挑选出可读性好的文章推送给读者。

附图说明

[0028] 图1为本发明实施例一提供的一种文章可读性确定方法的流程图；

[0029] 图2是本发明实施例二提供的一种文章可读性确定方法的流程图；

[0030] 图3是本发明实施例二提供的一种文章可读性模型的结构示意图；

[0031] 图4是本发明实施例三提供的一种文章可读性确定方法的流程图；

[0032] 图5是本发明实施例三提供的一种文章可读性模型的结构示意图；

[0033] 图6是本发明实施例四提供的一种文章可读性确定装置的结构示意图；

[0034] 图7为本发明实施例五提供的一种设备的结构示意图。

具体实施方式

[0035] 下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

[0036] 实施例一

[0037] 图1为本发明实施例一提供的一种文章可读性确定方法的流程图。本实施例可适用于对产出的文章进行可读性检测的情况。该方法可以由一种文章可读性确定装置来执行，该装置可以由软件和/或硬件的方式实现。参见图1，本实施例提供的一种文章可读性确定方法包括：

[0038] S110、检测目标文章中的句子和/或段落，确定各句子的句子特征和/或各段落的段落特征。

[0039] 具体地，所述句子特征包括：句间相关性和/或句内相关性。段落特征包括:标题和段落之间的相关性，和/或，段落与段落之间的相关性。

[0040] 进一步地，所述句间相关性包括：相邻句子间的句间相似度和/或句间概率；所述句内相关性包括：各句子的困惑度。

[0041] 其中，句间概率表示由当前句生成下一句的概率。

[0042] 困惑度(ppl)用于表示句子语言是否通顺，是否符合人的说话逻辑，也可以理解为符合人说话的概率。

[0043] 具体地，句间概率和困惑度均可以根据预先训练的语言模型确定。

[0044] S120、根据确定的各句子的句子特征和/或各段落的段落特征确定目标文章的可读性得分。

[0045] 具体地，可以对确定的各句子的句子特征和/或各段落的段落特征进行加权求和，确定目标文章的可读性得分。

[0046] 典型地，所述根据确定的各句子的句子特征和/或各段落的段落特征确定目标文章的可读性得分，包括：

[0047] 将确定的各句子的句子特征和/或各段落的段落特征输入预先训练的动态分类模型，输出目标文章的可读性得分。

[0048] 可选地，动态分类模型可以是动态递归神经网络(Recurrent Neural Network,RNN)、动态长短期记忆网络(Long Short‑Term Memory，LSTM)和动态门控循环单元(Gated Recurrent Unit，GRU)中的任一种。

[0049] 因为目标文章中段落的数量，以及段落中的句子的数量数是可变的。所以构建的基于段落或句子的特征数量也是可变的。

[0050] 而动态分类模型可以在特征输入时，针对特征数量对特征进行补齐，将补齐后的特征输入模型。并且，在动态分类模型中利用损失函数计算损失时，仅基于真实的特征的处理结果计算损失，而对补充的特征的处理结果不进行损失计算，避免补充特征对模型的干扰。从而利用动态分类模型实现对特征长度不固定的句子特征或段落特征的分类。

[0051] 本发明实施例的技术方案，通过依据目标文章中的句子特征和/或段落特征确定目标文章的可读性得分。从而实现对存在句子或段落不连贯，以及句子或段落存在错别字的文章的可读性打分。进而挑选出可读性好的文章推送给读者。

[0052] 实施例二

[0053] 图2是本发明实施例二提供的一种文章可读性确定方法的流程图。本实施例是在上述实施例的基础上提出的一种可选方案。参见图2，本实施例提供的文章可读性方法包括：

[0054] S210、检测目标文章中的段落，确定各段落和标题之间的相关性，以及段落间的相关性。

[0055] S220、将确定的各段落和标题之间的相关性，以及段落间的相关性输入预先训练的基于动态神经网络的可读性模型，输出目标文章的可读性得分。

[0056] 参见图3，将从目标文章中提取的各段落和标题之间的相关性，以及段落间的相关性作为特征，输入基于动态神经网络的可读性模型，其中该模型包括加权平均层和全链接层。最后输出目标文章的可读性得分。

[0057] 本发明实施例的技术方案，通过将各段落和标题之间的相关性，以及段落间的相关性作为特征，输入基于动态神经网络的可读性模型，输出文章的可读性得分。从而实现基于段落特征的可读性检测。

[0058] 实施例三

[0059] 图4是本发明实施例三提供的一种文章可读性确定方法的流程图。本实施例是在上述实施例的基础上提出的一种可选方案。参见图4，本实施例提供的文章可读性确定方法包括：

[0060] 将大量优质文档输入用于确定句子困惑度的神经网络语言模型，训练得到句内模型，并将大量优质文档输入用于确定句间概率的跨句子语言模型，训练得到句间模型。

[0061] 将训练文档集中的样本文档输入训练完成的句间模型、句内模型和相似度模型，输出样本文档的句间概率、句子的困惑度和句间相似度。

[0062] 将输出的样本文档的句间概率、句子的困惑度和句间相似度作为样本特征输入动态分类模型进行训练，得到基于句子特征的可读性模型。

[0063] 将目标文档输入可读性模型，输出目标文档的可读性得分。

[0064] 参见图5，特征提取层将提取的目标文档中句子的句间概率、困惑度和句间相似度作为特征输入特征层；特征层将特征输入动态分类网络(RNN、LSTM和GRU中的任一种)层，由动态分类网络层输出目标文档可读性得分。

[0065] 本发明实施例的技术方案，通过构建句间相关性特征和句内连贯度特征，并结合动态分类器，构建一个文章可读性模型。该模型可以自动判断文章的可读性，挑选出优质的文章。

[0066] 需要说明的是，经过本实施例的技术教导，本领域技术人员有动机将上述实施例中描述的任一种实施方式进行方案的组合，以实现对文章可读性的确定。

[0067] 实施例四

[0068] 图6是本发明实施例四提供的一种文章可读性确定装置的结构示意图。参见图6，本实施例提供的文章可读性确定装置包括：特征确定模块10和可读性确定模块20.[0069] 其中，特征确定模块10，用于检测目标文章中的句子和/或段落，确定各句子的句子特征和/或各段落的段落特征；

[0070] 可读性确定模块20，用于根据确定的各句子的句子特征和/或各段落的段落特征确定目标文章的可读性得分。

[0071] 本发明实施例的技术方案，通过依据目标文章中的句子特征和/或段落特征确定目标文章的可读性得分。从而实现对存在句子或段落不连贯，以及句子或段落存在错别字的文章的可读性打分。进而挑选出可读性好的文章推送给读者。

[0072] 进一步地，所述句子特征包括：句间相关性和/或句内相关性。

[0073] 进一步地，所述句间相关性包括：相邻句子间的句间相似度和/或句间概率；

[0074] 所述句内相关性包括：各句子的困惑度。

[0075] 进一步地，所述可读性确定模块，包括：可读性确定单元。

[0076] 其中，可读性确定单元，用于将确定的各句子的句子特征和/或各段落的段落特征输入预先训练的动态分类模型，输出目标文章的可读性得分。

[0077] 本发明实施例所提供的文章可读性确定装置可执行本发明任意实施例所提供的文章可读性确定方法，具备执行方法相应的功能模块和有益效果。

[0078] 实施例五

[0079] 图7为本发明实施例五提供的一种设备的结构示意图。图7示出了适于用来实现本发明实施方式的示例性设备12的框图。图7显示的设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

[0080] 如图7所示，设备12以通用计算设备的形式表现。设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。

[0081] 总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。

[0082] 设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

[0083] 系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图7未显示，通常称为“硬盘驱动器”)。尽管图7中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD‑ROM,DVD‑ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

[0084] 具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。

[0085] 设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该设备12交互的设备通信，和/或与使得该设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与设备12的其它模块通信。应当明白，尽管图中未示出，可以结合设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

[0086] 处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的文章可读性确定方法。

[0087] 实施例六

[0088] 本发明实施例六还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例中任一所述的文章可读性确定方法，该方法包括：

[0089] 检测目标文章中的句子和/或段落，确定各句子的句子特征和/或各段落的段落特征；

[0090] 根据确定的各句子的句子特征和/或各段落的段落特征确定目标文章的可读性得分。

[0091] 本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD‑ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

[0092] 计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

[0093] 计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。

[0094] 可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

[0095] 注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。