[发明专利]一种文本的生成方法及相关设备

权利要求书

1.一种文本的生成方法，其特征在于，包括：

获取目标编码，所述目标编码为待生成满足特殊格式要求的文本的首句编码；

将所述目标编码输入预设模型，以输出所述目标编码对应的目标序列编码，所述预设模型为通过目标模型对训练数据进行训练得到的，所述训练数据包括语料库中满足所述特殊格式要求的每个文本以及所述每个文本中句子的句子编码，所述每个文本中句子的句子编码符合所述特殊格式要求；

根据所述目标序列编码生成所述满足特殊格式要求的文本。

2.根据权利要求1所述的方法，其特征在于，所述目标模型为循环神经网络模型，所述将目标编码输入预设模型，以输出所述目标编码对应的目标序列编码之前，所述方法还包括：

获取所述每个文本；

根据所述特殊格式要求对所述每个文本中的句子分别进行编码，以得到所述每个文本中句子的句子编码；

基于所述每个文本中句子的句子编码对所述循环神经网络模型的模型参数进行迭代更新；

当达到预置的迭代终止条件，将达到所述预置的迭代终止条件时的所述循环神经网络模型确定为所述预设模型。

3.根据权利要求2所述的方法，其特征在于，所述特殊格式要求包括韵脚要求、节奏要求和/或内容要求，所述根据所述特殊格式要求对所述每个文本中的句子分别进行编码，以得到所述每个文本中句子的句子编码包括：

基于所述每个文本中的句子的最后一个字的韵母对所述每个文本中的句子进行韵脚编码，得到所述每个文本中句子的韵脚编码，所述韵脚编码与所述韵脚要求相对应；

和/或，

基于所述每个文本中的句子的目标词语对所述每个文本中的句子进行语义编码，得到所述每个文本中句子的内容编码，所述内容编码与所述内容要求相对应；

和/或，

基于所述每个文本中的句子的句子长度对所述每个文本中的句子进行节奏编码得到所述每个文本中句子的节奏编码，所述节奏编码与所述节奏要求相对应；

根据所述韵脚编码、所述节奏编码和/或所述内容编码确定所述每个文本中句子的句子编码。

4.根据权利要求1至3中任一项所述的方法，其特征在于，所述获取目标编码包括：

判断是否接收到用户的操作指令；

若是，则根据所述用户的操作指令从所述语料库中获取所述目标编码；

若否，则将从所述语料库中随机选取的句子编码确定为所述目标编码。

5.根据权利要求1至3中任一项所述的方法，其特征在于，所述根据所述目标序列编码生成满足特殊格式要求的文本包括：

确定所述语料库中与所述目标序列编码中的句子编码相同的目标句子编码；

基于所述目标句子编码对应的句子生成所述满足特殊格式要求的文本。

6.一种文本的生成装置，其特征在于，包括：

获取单元，用于获取目标编码，所述目标编码为待生成满足特殊格式要求的文本的首句编码；

处理单元，用于将所述目标编码输入预设模型，以输出所述目标编码对应的目标序列编码，所述预设模型为通过目标模型对训练数据进行训练得到的，所述训练数据包括语料库中满足所述特殊格式要求的每个文本以及所述每个文本中句子的句子编码，所述每个文本中句子的句子编码符合所述特殊格式要求；

生成单元，用于根据所述目标序列编码生成所述满足特殊格式要求的文本。

7.根据权利要求6所述的装置，其特征在于，所述目标模型为循环神经网络模型，所述装置还包括：

训练单元，所述训练单元用于：

获取所述每个文本；

根据所述特殊格式要求对所述每个文本中的句子分别进行编码，以得到所述每个文本中句子的句子编码；

基于所述每个文本中句子的句子编码对所述循环神经网络模型的模型参数进行迭代更新；

当达到预置的迭代终止条件时，将达到所述预置的迭代终止条件时的所述循环神经网络模型确定为所述预设模型。