[发明专利]评论扩展方法及装置

说明书

本申请提供了一种评论扩展方法、装置、电子设备及计算机可读存储介质，涉及自然语言处理技术领域。该方法包括：获取待扩展的源评论及源评论对应的源新闻；将源评论及源新闻输入预先训练的神经网络模型，得到针对源评论及源新闻的多个目标评论；其中，神经网络模型是根据包括样本评论及样本评论对应的样本新闻的训练对，和训练对对应的评论结果进行训练得到的、并用于对样本评论进行扩展的模型。本申请可以生成大量具有相关性，同时又多种多样的评论，提高源新闻话题的高质量活跃度。

技术领域

本申请涉及自然语言处理技术领域，具体而言，本申请涉及一种评论扩展方法、装置、电子设备及计算机可读存储介质。

背景技术

互联网的高度发达，尤其是博客、微博、论坛等新兴应用的出现，使得网络成为现代生活中大量信息传播的主要媒介。

当某一新闻的活跃度不高时，由于互联网的海量信息，该新闻将会被淹没，因此当需要保持某一新闻的热度时，往往需要有关该新闻的大量评论，但是现有技术中在对新闻产生评论时需要用户的主动输入，没有自动化的生成方式，在需要保持某一新闻热度时，往往需要消耗巨大的人力资源，评论生成的效率低下。

因此如何提高新闻的评论数量，进而提高该新闻的活跃度就成一个亟待解决的问题。

发明内容

本申请提供了一种评论扩展的方法、装置、电子设备及计算机可读存储介质，可以解决提高新闻活跃度的问题。技术方案如下：

第一方面，提供了一种评论扩展的方法，该方法包括：

获取待扩展的源评论及源评论对应的源新闻；

将源评论及源新闻输入预先训练的神经网络模型，得到针对源评论及源新闻的多个目标评论；

其中，神经网络模型是根据包括样本评论及样本评论对应的样本新闻的训练对，和训练对对应的评论结果进行训练得到的、并用于对样本评论进行扩展的模型。

第二方面，提供了一种评论扩展的装置，该装置包括：

第一获取模块，用于获取待扩展的源评论及源评论对应的源新闻；

第一输入模块，用于将源评论及源评论对应的源新闻输入预先训练的第一神经网络模型，得到针对源评论及源新闻的多个目标评论；其中，神经网络模型是根据包括样本评论及样本评论对应的样本新闻的训练对，和训练对对应的评论结果进行训练得到的、并用于对样本评论进行扩展的模型。

第三方面，提供了一种电子设备，该电子设备包括：

一个或多个处理器；

存储器；

一个或多个应用程序，其中一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序配置用于：执行如本申请的第一方面所示的评论扩展的方法对应的操作。

第四方面，提供了一种计算机可读存储介质，计算机可读存储介质用于存储计算机指令，当其在计算机上运行时，使得计算机可以实现本申请第一方面所示的评论扩展的方法。

本申请提供的技术方案带来的有益效果是：

本申请通过预先根据训练对及和训练对的评论结果训练神经网络模型。进而在对源评论进行评论扩展时，将源评论及源评论对应的源新闻输入预先训练的神经网络模型，得到针对源评论及源新闻对应的多个目标评论。通过使用预先训练的神经网络模型，减少了人力成本，提高了评论生成效率，保证了源新闻话题的热度。