[发明专利]一种诗词生成方法、装置、电子设备及可读存储介质在审

专利信息
申请号: 202010712561.X 申请日: 2020-07-22
公开(公告)号: CN111814488A 公开(公告)日: 2020-10-23
发明(设计)人: 黄诗磊;张聪;毛晓曦;范长杰;胡志鹏 申请(专利权)人: 网易(杭州)网络有限公司
主分类号: G06F40/30 分类号: G06F40/30;G06F40/289;G06F40/58;G06N3/04
代理公司: 北京超成律师事务所 11646 代理人: 刘静
地址: 310052 浙江省杭州*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 诗词 生成 方法 装置 电子设备 可读 存储 介质
【权利要求书】:

1.一种诗词生成方法,其特征在于,包括:

获取用于生成目标诗词的图像中的表达元素;

针对每个待确定内容的语素,从参考诗词集的文字中选择该语素所使用的文字;该语素所使用的文字是根据所述表达元素、已确定的其他语素的内容以及所述参考诗词集中的文字与所述表达元素的关联度选择的;

将每个语素所使用的文字进行组合,以生成目标诗词。

2.根据权利要求1所述的诗词生成方法,其特征在于,步骤针对每个待确定内容的语素,从参考诗词集的文字中选择该语素所使用的文字,包括:

针对每个待确定内容的语素,根据所述表达元素、已确定的其他语素的内容以及参考诗词集中的文字与所述表达元素的关联度,确定所述参考诗词集中每个文字的使用概率;

针对每个待确定内容的语素,根据所述参考诗词集中每个文字的使用概率,选择该语素所使用的文字。

3.根据权利要求1所述的诗词生成方法,其特征在于,在获取用于生成目标诗词的图像中的表达元素之前,还包括:

获取用于生成目标诗词的图像;

所述方法包括:将获取的用于生成目标诗词的图像输入至预先训练好的深度学习模型中,输出得到目标诗词。

4.根据权利要求3所述的诗词生成方法,其特征在于,所述深度学习模型是通过以下步骤进行训练的:

获取样本图像以及所述样本图像中的表达元素;

针对每个表达元素,根据该表达元素的语义和候选诗词中包含的文字的语义,确定包含该表达元素的语义的诗词集;

针对每个表达元素,生成训练样本;所述训练样本中均包含样本图像和包含该样本图像中表达元素语义的诗词集;

将所述训练样本输入至未训练完成的深度学习模型中,以对所述深度学习模型进行训练。

5.根据权利要求4所述的诗词生成方法,其特征在于,步骤针对每个表达元素,根据该表达元素的语义和候选诗词中包含的文字的语义,确定包含该表达元素的语义的诗词集,包括:

针对每个表达元素,计算候选诗词中包含的候选关键词与该表达元素的语义相似度;

针对每个表达元素,将候选诗词中包含的候选关键词与该表达元素的语义相似度大于第一预设值的候选关键词确定为表征该表达元素语义的目标关键词;

针对每个表达元素,根据表征该表达元素语义的目标关键词所在的候选诗词形成包含该表达元素的语义的诗词集。

6.根据权利要求5所述的诗词生成方法,其特征在于,在步骤针对每个表达元素,计算候选诗词中包含的候选关键词与该表达元素的语义相似度之前,包括:

确定候选诗词中包含的每个关键词的出现频率;

将出现频率大于第二预设值的关键词确定为候选关键词。

7.根据权利要求1所述的诗词生成方法,其特征在于,所述生成的目标诗词为以下体裁中的任意一种:古体诗、近体诗、词和曲。

8.一种诗词生成装置,其特征在于,包括:

第一获取模块,用于获取用于生成目标诗词的图像中的表达元素获取用于生成目标诗词的游戏界面图像;

第一选择模块,用于针对每个待确定内容的语素,从参考诗词集的文字中选择该语素所使用的文字;该语素所使用的文字是根据所述表达元素、已确定的其他语素的内容以及所述参考诗词集中的文字与所述表达元素的关联度选择的;

组合模块,用于将每个语素所使用的文字进行组合,以生成目标诗词。

9.根据权利要求8所述的诗词生成装置,其特征在于,所述第一选择模块,包括:

第一确定模块,用于针对每个待确定内容的语素,根据所述表达元素、已确定的其他语素的内容以及参考诗词集中的文字与所述表达元素的关联度,确定所述参考诗词集中每个文字的使用概率;

第二选择模块,用于针对每个待确定内容的语素,根据所述参考诗词集中每个文字的使用概率,选择该语素所使用的文字。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于网易(杭州)网络有限公司,未经网易(杭州)网络有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010712561.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top