AI模型教你写出秒抓读者眼球的好标题

本文涉及的产品
交互式建模 PAI-DSW,5000CU*H 3个月
简介: 广告大师大卫·奥格威曾在《一个广告人的自白》中提到:标题在大部分广告中,都是最重要的元素,能够决定读者会不会看这则广告。一般来说,读标题的人比读内人的人多出4倍。换句话说,你所写标题的价值将是整个广告预算的80%。因此对于一篇文章、新闻来说,标题的好坏决定了点击和流量。本文介绍通过ModelScope的AI模型PALM来完成标题/摘要生成

作者:木子李炼丹术


还在为起一个文章的标题想到头秃掉发吗?还在熬夜苦思冥想什么标题更吸引流量点击吗?AI模型解放生产力,教你如何写出好标题。话不多说,直接放demo,下面是秒生成我们简介输入内容的标题。

image.png生成式摘要介绍

随着近几年文本信息的爆发式增长,人们每天都接触到海量的文本信息,如新闻、微博等。如何从大量文本信息中提取关键的信息,已成为迫切需求。而对于自媒体或者文章创作者来说,如何写一个更具吸引力的标题或者摘要生成式摘要则提供了一个高效的解决方案,相比于抽取式摘要,生成式摘要更接近人类写摘要的风格。生成式摘要有非常多的应用场景,如新闻标题生成、自动报告生成等。


操作步骤

参考快速开始,里面有一些关于ModelScope的基本介绍


环境准备


模型调试

frommodelscope.pipelinesimportpipelinefrommodelscope.utils.constantimportTaskstext_generation_zh=pipeline(Tasks.text_generation, model='damo/nlp_palm2.0_text-generation_chinese-base')
result_zh=text_generation_zh("北上广深一线城市的房价节节攀高,二、三线城市的房价则喜忧参半。调查发现,“鬼城”现象正逐渐成为小城市中的普遍现象。媒体报道称有新开的楼盘因为位置相对比较偏不好卖,卖不出去,在开盘当天花钱雇人排队制造“热销”假象。")
print(result_zh['text'])
"鬼城现象逐渐成为小城市普遍现象"



  • 英文测试:
frommodelscope.pipelinesimportpipelinefrommodelscope.utils.constantimportTaskstext_generation_en=pipeline(Tasks.text_generation, model='damo/nlp_palm2.0_text-generation_english-base')
result_en=text_generation_en("The Director of Public Prosecutions who let off Lord Janner over alleged child sex abuse started""her career at a legal chambers when the disgraced Labour peer was a top QC there . Alison Saunders ,""54 , sparked outrage last week when she decided the 86-year-old should not face astring of charges""of paedophilia against nine children because he has dementia . Today , newly-released documents""revealed damning evidence that abuse was covered up by police andsocial workers for more than 20 years .""And now it has emerged Mrs Saunders ' law career got off to a flying start when she secured her""pupillage -- a barrister 's training contract at 1 Garden Court Chambers in London in 1983 .")
print(result_en['text'])
"Alison Saunders, 54, sparked outrage last week when she decided the 86-year-old should not face charges of paedophilia against nine children because he has dementia. New documents reveal damning evidence that abuse was covered up by police and social workers for more than 20 years. Mrs Saunders'law career got off to a flying start when she secured her pupillage - a barrister"



测试反馈

  • 测试的case,模型对于新闻、热点等生成的摘要质量还可以,但是到其他领域,比如论文上效果差一些
  • 针对较长的输入文本生成摘要能力较差,无法捕捉到隐藏在长文本中的关键信息
相关文章
|
1天前
|
机器学习/深度学习 人工智能 算法
AI大模型学习理论基础
本文探讨了AI大模型学习的理论基础,包括深度学习(模拟神经元工作原理,通过多层非线性变换提取特征)、神经网络结构(如前馈、循环和卷积网络)、训练方法(监督、无监督、强化学习)、优化算法(如SGD及其变种)、正则化(L1、L2和dropout防止过拟合)以及迁移学习(利用预训练模型加速新任务学习)。这些理论基础推动了AI大模型在复杂任务中的应用和人工智能的发展。
|
4天前
|
人工智能 搜索推荐 决策智能
【AI Agent系列】【阿里AgentScope框架】1. 深入源码:详细解读AgentScope中的智能体定义以及模型配置的流程
【AI Agent系列】【阿里AgentScope框架】1. 深入源码:详细解读AgentScope中的智能体定义以及模型配置的流程
35 0
|
4天前
|
数据采集 存储 人工智能
【AI大模型应用开发】【LangChain系列】实战案例4:再战RAG问答,提取在线网页数据,并返回生成答案的来源
【AI大模型应用开发】【LangChain系列】实战案例4:再战RAG问答,提取在线网页数据,并返回生成答案的来源
29 0
|
4天前
|
数据采集 存储 人工智能
【AI大模型应用开发】【LangChain系列】实战案例2:通过URL加载网页内容 - LangChain对爬虫功能的封装
【AI大模型应用开发】【LangChain系列】实战案例2:通过URL加载网页内容 - LangChain对爬虫功能的封装
14 0
|
4天前
|
人工智能 Python
【AI大模型应用开发】【LangChain系列】实战案例1:用LangChain写Python代码并执行来生成答案
【AI大模型应用开发】【LangChain系列】实战案例1:用LangChain写Python代码并执行来生成答案
9 0
|
4天前
|
人工智能 监控 数据处理
【AI大模型应用开发】【LangSmith: 生产级AI应用维护平台】1. 快速上手数据集与测试评估过程
【AI大模型应用开发】【LangSmith: 生产级AI应用维护平台】1. 快速上手数据集与测试评估过程
18 0
|
4天前
|
人工智能 监控 数据可视化
【AI大模型应用开发】【LangSmith: 生产级AI应用维护平台】0. 一文全览Tracing功能,让你的程序运行过程一目了然
【AI大模型应用开发】【LangSmith: 生产级AI应用维护平台】0. 一文全览Tracing功能,让你的程序运行过程一目了然
8 0
|
4天前
|
人工智能 API 开发者
【AI大模型应用开发】0.2 智谱AI API接入详细步骤和简单应用
【AI大模型应用开发】0.2 智谱AI API接入详细步骤和简单应用
16 0
|
4天前
|
数据采集 人工智能 数据可视化
【AI大模型应用开发】【LangChain系列】4. 从Chain到LCEL:探索和实战LangChain的巧妙设计
【AI大模型应用开发】【LangChain系列】4. 从Chain到LCEL:探索和实战LangChain的巧妙设计
17 0
|
4天前
|
存储 人工智能 JSON
【AI大模型应用开发】【LangChain系列】3. 一文了解LangChain的记忆模块(理论实战+细节)
本文介绍了LangChain库中用于处理对话会话记忆的组件。Memory功能用于存储和检索先前的交互信息,以便在对话中提供上下文。目前,LangChain的Memory大多处于测试阶段,其中较为成熟的是`ChatMessageHistory`。Memory类型包括:`ConversationBufferMemory`(保存对话历史数组)、`ConversationBufferWindowMemory`(限制为最近的K条对话)和`ConversationTokenBufferMemory`(根据Token数限制上下文长度)。
13 0