北京大學計算機科學技術研究所研究員萬小軍：機器寫稿技術與應用

最新 07-10

導語：寫稿機器人與記者的目前為止還是一種分工協作的關係。

本文作者：蔣鴻昌

雷鋒網消息，7月8日，CCF-GAIR全球人工智慧與機器人峰會進入第二天，在AI+專場，北京大學計算機科學技術研究所研究員萬小軍，作為AI+專場的開場嘉賓，為我們帶來了主題為《機器寫稿技術與應用》的演講。

機器寫稿的背景與現狀

在國外，已經有三家著名的提供機器寫稿技術的公司，包括ARRIA、AI、 NARRATIVESCIENCE，為美聯社等多家知名媒體寫了數千萬篇稿件，當然這是面向英文或者是西方的語言。

隨著人工智慧技術的發展，國內的機器寫稿也逐漸受到關注，有很多的媒體在和一些學術機構進行合作，推出一些寫稿機器人；另外是互聯網巨頭，包括微軟、百度、騰訊、今日頭條，也在研發機器寫稿技術。寫稿的內容主要側重在體育、財經、民生領域。

以新華社寫稿機器人快筆小新撰寫的財報新聞為例，其技術流程為：數據採集 - 數據加工 - 自動寫稿 - 編輯簽發，它的寫作方式還是比較死板的。

對於原創新聞和二次創作，前者指直接從數據生成原始稿件，比如天氣預報，年報財報；後者指基於已有稿件內容創作新稿件，兩種稿件涉及到不同的技術：第一種是自然語言處理技術，即從我語義的表達生成自然語言；第二種是自動摘要，從已有的文字素材去給它摘要，生成一個新的稿件。

還有一些其他相關的技術，包括文本信息推薦技術，文本複述技術，前者指自動為你插入你想引用的唐詩宋詞、名人名言等，後者指在保持同樣的語義的前提下，自動使用不同的語言表達，以規避版權問題。這裡有一個例子是說「梅西獲得了5座金球獎」，你可以改為「梅西是五屆金球獎得主」，也可以改寫為「金球獎5次頒給了梅西」。

對於更受關注的寫稿機器人與記者的關係：目前為止應該是一種分工協作的關係，就是說機器人現在可能不具有邏輯思維的能力，也不具有深度總結的能力，它只能去把一個基本的新聞事實描述清楚，但是我們記者就可以寫深度報道。

我們在機器寫稿方面的技術研究

我們做了很多的基礎技術性的研究，包括基礎的自動文摘、自然語言生成等等，另外也做了很多的應用研究，包括新聞資訊生成、綜述生成以及用戶評論自動生成。我們介紹幾個代表性的結果。

除了根據結構化數據和素材生成的新聞簡訊，我們還可以生成體育賽事的長篇報道。怎麼生成呢？我們發現有一個很重要的素材，就是體育的直播文字。我們經常發現一個很著名的體育比賽下面都有文字直播，或者是通過視頻直播轉成文字直播，這個文字直播中通常包含主持人對這樣一個比賽的精彩細節的描述，我們通過機器學習的手段，能夠把這些精彩的描述挑選出來，放到我們最終的報道中，這個報道就寫得比較長，可以達到上千字以上。

這是一個生成長篇報道的過程，首先對直播文字進行語句的智能排序，再進行智能選擇，這都是藉助機器學習的手段，最後生成一個平均長度超過1000字的賽事的報道。

另外，在娛樂新聞和自動生成評論上，我們也有不錯的成果。