体育比赛直播脚本以体育比赛中的实况数据为信息源,以网络平台为媒介,以文字形式向广大体育爱好者及时转播比赛实况。由于文字直播方式能为暂时无法通过传统媒介观看体育比赛的网民提供另一种动态观赏比赛进程的方式,已逐渐成为基于视频的体育比赛直播的有益补充,获得大量网民的关注和参与。直播脚本通过文字来描绘一场比赛的进展情况,随着比赛的不断进行,直播脚本根据交锋双方的赛况实时地更新报道,增强用户体验,同时还为体育记者提供第一手的报道信息,帮助他们在比赛结束后能据此撰写出高质量的体育新闻。面向体育比赛的大规模直播脚本快速及时地反映了比赛的实时进程,但依靠体育新闻记者来据此人工撰写新闻报道往往耗时费力。鉴于此,本文提出了一种自动生成体育直播脚本所对应的体育新闻的神经网络模型,该模型在一定程度上避免了传统模型过于依赖人工选择特征的局限性,同时还能综合考虑脚本中句子级局部信息与全局信息以及句子和新闻内容间的语义关联性,从而实现联合建模下的体育新闻生成。基于本文构建的神经网络模型从直播脚本中抽取出体育新闻内容,为对新闻结尾部分内容作进一步优化,本文采用Abigail See论文中的指针-生成器网络(Pointer-Generator Networks,PGN)模型结合体育新闻领域任务特点进行改进,主要从直播脚本结尾部分抽取关键词以改进原文中的注意力机制,实现抽取式与生成式方法相结合的体育新闻。在公开数据集上的实验结果验证了本文所提方法的可行性和有效性。此外,本文还尝试了基于规则和模板来自动生成体育新闻的标题以突显新闻正文的关键内容。