[发明专利]评价文本生成方法、装置及电子设备

权利要求书

1.一种评价文本生成方法，其特征在于，包括：

获取初始的文本信息，所述初始的文本信息包括家装搭配方案的文本描述信息；

运用预先训练好的语义理解模型对所述初始的文本信息进行语义特征提取，并得到语义特征向量；

基于预先训练好的文本生成模型根据所述语义特征向量生成评价文本。

2.根据权利要求1所述的方法，其特征在于，所述语义理解模型为BERT神经网络模型；运用预先训练好的语义理解模型对所述初始的文本信息进行语义特征提取，并得到语义特征向量的步骤，包括：

根据预设文本映射字典对所述初始的文本信息进行文本映射，得到对应的编码信息；所述编码信息中携带有字编码信息嵌入标识、位置编码信息嵌入标识及段落编码信息嵌入标识；

基于预先训练好的所述BERT神经网络模型对所述编码信息提取对应的语义信息，并基于所述语义信息得到语义特征向量。

3.根据权利要求2所述的方法，其特征在于，所述根据预设文本映射字典对所述初始的文本信息进行文本映射，得到对应的编码信息的步骤，包括：

根据预设文本映射字典查找所述初始的文本信息对应的索引信息；

根据所述索引信息将所述初始的文本信息转化为对应的编码信息。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：基于Attention机制将所述语义特征向量输入预先训练好的所述文本生成模型，以使预先训练好的所述文本生成模型输出与所述初始的文本信息相关的评价文本。

5.根据权利要求1所述的方法，其特征在于，所述文本生成模型为LSTM神经网络模型；所述基于预先训练好的文本生成模型根据所述语义特征向量生成评价文本的步骤，包括：

将所述语义特征向量输入预先训练好的所述LSTM神经网络模型；

按照预设Beam Search的最大概率输出机制对所述语义特征向量进行信息处理，得到所述评价文本。

6.根据权利要求1至5任一项所述的方法，其特征在于，所述方法应用于网站社区或论坛。

7.一种评价文本生成装置，其特征在于，包括：

文本获取模块，用于获取初始的文本信息，所述初始的文本信息包括家装搭配方案的文本描述信息；

语义理解模块，用于运用预先训练好的语义理解模型对所述初始的文本信息进行语义特征提取，并得到语义特征向量；

文本生成模块，用于基于预先训练好的文本生成模型根据所述语义特征向量生成评价文本。

8.根据权利要求7所述的装置，其特征在于，

所述语义理解模型为BERT神经网络模型；所述语义理解模块用于：

根据预设文本映射字典对所述初始的文本信息进行文本映射，得到对应的编码信息；所述编码信息中携带有字编码信息嵌入标识、位置编码信息嵌入标识及段落编码信息嵌入标识；

基于预先训练好的所述BERT神经网络模型对所述编码信息提取对应的语义信息，并基于所述语义信息得到语义特征向量。

9.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机可执行指令，所述处理器执行所述计算机可执行指令以实现权利要求1至6任一项所述的评价文本生成方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行权利要求1至6任一项所述的评价文本生成方法的步骤。