[发明专利]文本生成方法、装置以及存储介质

权利要求书

1.一种文本生成方法，其特征在于，包括：

获取目标图像；

对所述目标图像进行图像分类，得到所述目标图像的图像类别；

当所述图像类别属于预设类别集合时，根据所述图像类别所对应的标签，在预设词库的所述标签所对应的多个相关字符组中筛选得到所述目标图像对应的关键词；

根据所述图像类别，确定所述目标图像的图像风格；

根据所述图像风格，在预设的模型候选组中选择文本生成模型，其中，所述预设的模型候选组中包括多个基于循环神经网络结构的模型；

采用所述图像风格对应的文本生成模型，根据所述关键词对应的语义信息生成对应的文本片段；

根据所述文本片段生成文本。

2.如权利要求1所述方法，其特征在于，所述采用所述文本生成模型，根据所述关键词对应的语义信息生成对应的文本片段，包括：

采用文本生成模型，根据所述文本生成模型内的预设字典，将所述关键词映射为关键词向量；

根据所述关键词向量以及文本生成模型编码时刻的隐层状态，生成语义向量；

根据所述语义向量以及文本生成模型解码时刻的隐层状态，计算得到文本片段。

3.如权利要求2所述方法，其特征在于，所述根据所述关键词向量及文本生成模型编码时刻的隐层状态，生成语义向量，包括：

确定所述文本生成模型中当前编码时刻的上一时刻，获取所述上一时刻的向前隐层状态，根据所述关键词和向前隐层状态计算当前编码时刻的向前隐层状态；

确定所述当前时刻的下一时刻，获取所述下一时刻的向后隐层状态，根据所述关键词和向后隐层状态计算当前编码时刻的向后隐层状态；

根据所述当前编码时刻的向前隐层状态和向后隐层状态，计算得到语义向量。

4.如权利要求2所述方法，其特征在于，所述文本片段包括多个子文本片段，所述根据所述语义向量以及文本生成模型解码时刻的隐层状态，计算得到文本片段，包括：

确定所述文本生成模型中当前解码时刻的上一时刻，获取所述上一时刻的隐层状态以及上一时刻的子文本片段；

根据所述上一时刻的隐层状态、上一时刻的子文本片段以及语义向量，计算得到当前时刻的子文本片段。

5.如权利要求2所述方法，其特征在于，所述根据所述语义向量以及解码时刻的隐层状态，计算得到文本片段，包括：

根据所述语义向量以及预设的注意力权重，计算得到注意力语义向量；

根据所述注意力语义向量以及解码时刻的隐层状态，计算得到文本片段。

6.如权利要求2所述方法，其特征在于，所述根据所述语义向量以及解码时刻的隐层状态，计算得到文本片段，包括：

根据预设文本生成规则、所述语义向量以及解码时刻的隐层状态，计算文本片段。

7.如权利要求1-6任一项所述方法，其特征在于，所述对所述目标图像进行图像分类，得到所述目标图像的图像类别，包括：

获取预设的训练图像，及其对应的图像类别；

提取所述训练图像的特征向量；

根据所述训练图像的特征向量及其对应的图像类别，训练图像分类器；

采用所述图像分类器对所述目标图像进行图像分类，得到所述目标图像的图像类别。

8.一种文本生成装置，其特征在于，包括：

图像获取模块，用于获取目标图像；

图像分类模块，用于对所述目标图像进行图像分类，得到所述目标图像的图像类别；

关键字模块，用于当所述图像类别属于预设类别集合时，根据所述图像类别，在预设词库的标签所对应的多个相关字符组中筛选得到所述目标图像对应的关键词；

片段生成模块，用于根据所述图像类别，确定所述目标图像的图像风格；根据所述图像风格，在预设的模型候选组中选择文本生成模型，其中，所述预设的模型候选组中包括多个基于循环神经网络结构的模型，采用所述图像风格对应的文本生成模型，根据所述关键词对应的语义信息生成对应的文本片段；

文本生成模块，用于根据所述文本片段生成文本。