[发明专利]一种文本生成方法、装置、电子设备及存储介质

说明书

本说明书一个或多个实施例提供一种基于关键词生成文本的语言生成方法。本方法从关键词生成文本包括以下步骤：收集句子并将句子进行分词和关键词提取，形成训练语料；基于收集的语料数据，使用传统的seq2seq模型进行训练获得由关键词生成粗粒度文本的模型；对粗粒度文本进行改写，改写时首先将文本中遗漏的关键词添加到文本中得到第一重构文本，然后通过插入操作或删除操作对第一重构文本进行处理得到第二重构文本，并利用语言模型对第二重构文本评价是否合理通顺；选择语句最通顺的第二重构文本作为与细粒度文本，从而保证生成的细粒度文本为最优文本，其中，生成的细粒度文本不仅文本流畅度高，而且表达内容精确。

技术领域

本说明书一个或多个实施例涉及自然语言生成方法技术领域，尤其涉及一种文本生成方法、装置、电子设备及存储介质。

背景技术

文本生成，也可以称为文本自动生成，指计算机自动生成类似自然语言的文本。主流的方法要么依赖人工定义的模板、要么基于深度学习中神经翻译模型实现。前者需要耗费大量的人力对模版进行定义，而后者往往不能对保证生成的结果质量，均无法在广泛进行推广。本发明旨在现有技术的基础上，依据深度学习技术实现一种对生成内容质量有保障的通用技术，该技术不需要针对领域知识图谱进行训练，所生成的文本不仅考虑文本流畅度，同时考虑文本内容是否覆盖所需表达的内容。

发明内容

有鉴于此，本说明书一个或多个实施例的目的在于提出一种文本生成方法，以解决文本生成内容不准确、文本不流畅的问题。

基于上述目的，本申请中一个或多个实施例提供了一种文本生成方法，包括：

获取若干关键词，将若干所述关键词输入预先训练的粗粒度文本生成模型，得到若干所述关键词对应的粗粒度文本；

确定未出现在粗粒度文本中的至少一个所述关键词；

根据所述粗粒度文本和至少一个所述关键词，得到若干第一重构文本；

对于每个所述第一重构文本均进行改写处理，以得到若干第二重构文本；

对于每个所述第一重构文本均执行改写处理，以得到若干第二重构文本；将若干所述第二重构文本输入预先训练的评估模型，得到若干所述第二重构文本分别对应的合理性数值，并将合理性数值最高的所述第二重构文本作为与所述遗漏关键词对应的细粒度文本。

作为一种可选的实施方式，根据所述粗粒度文本和至少一个所述关键词，得到若干第一重构文本，具体包括：

根据所述粗粒度文本，确定若干插入位置；

将至少一个所述遗漏关键词分别插入每个所述插入位置，以得到若干所述第一重构文本。

作为一种可选的实施方式，将至少一个所述遗漏关键词分别插入每个所述插入位置，以得到若干所述第一重构文本，具体包括：

将所述遗漏关键词分别添加到所述粗粒度文本的所有位置，其中，所述遗漏关键词的个数为M，所述粗粒度文本的长度为N；

所述将至少一个所述遗漏关键词分别插入每个所述插入位置，以得到若干所述第一重构文本，具体包括：

将所述粗粒度文本的句首、句尾以及每两个词间的位置，确定为所述插入位置，以得到N+1个所述插入位置；

选择一个所述遗漏关键词分别添加到所有所述插入位置，得到N+1个添加结果；对于每个所述添加结果均执行确定所述插入位置，以及将另一所述遗漏关键词分别添加到所有所述插入位置的步骤；

重复执行上述步骤，直至全部所述遗漏关键词均添加到所述粗粒度句子中，并得到个第一重构文本。

作为一种可选的实施方式，对于每个所述第一重构文本均执行改写处理，以得到若干所述第二重构文本，具体包括：