[发明专利]文本生成方法、装置、介质和电子设备

权利要求书

1.一种文本生成方法，其特征在于，所述方法包括：

获取用于生成目标文本的基础文本；

对所述基础文本进行向量转换，以得到所述基础文本对应的特征向量；

通过预先训练的文本生成模型对所述特征向量进行至少两次编码处理，以得到所述基础文本对应的编码数据；

通过所述文本生成模型对所述基础文本对应的编码数据进行至少两次解码处理，以生成目标文本。

2.根据权利要求1所述的方法，其特征在于，所述基础文本中包括至少一个字词集合，所述字词集合中包括至少一个字词，所述对所述基础文本进行向量转换，以得到所述基础文本对应的特征向量，包括：

根据预设映射关系，分别将基础文本中的各个字词映射为字词向量；

分别对各个字词集合中字词对应的字词向量进行降维，得到各个字词集合对应的特征向量，其中，各个字词集合对应的特征向量组成所述基础文本的特征向量。

3.根据权利要求2所述的方法，其特征在于，所述通过预先训练的文本生成模型对所述特征向量进行至少两次编码处理，以得到所述基础文本对应的编码数据，包括：

在预先训练的文本生成模型中分别对各个字词集合对应的特征向量进行编码，得到各个字词集合对应的编码数据；

在预先训练的文本生成模型中对各个字词集合对应的编码数据进行编码，得到所述基础文本对应的编码数据。

4.根据权利要求3所述的方法，其特征在于，所述预先训练的文本生成模型包括卷积神经网络层，所述在预先训练的文本生成模型中分别对各个字词集合对应的特征向量进行编码，得到各个字词集合对应的编码数据，包括：

通过卷积神经网络层对各个字词集合对应的特征向量进行卷积处理，分别得到各个字词集合对应的第一卷积特征数据；

根据所述各个字词集合对应的第一卷积特征数据，分别确定各个第一卷积特征数据的第一数学分布，以分别根据各个第一数学分布得到各个字词集合对应的编码数据。

5.根据权利要求3所述的方法，其特征在于，所述在预先训练的文本生成模型中对各个字词集合对应的编码数据进行编码，得到所述基础文本对应的编码数据，包括：

通过卷积神经网络层对所述各个字词集合对应的编码数据进行卷积处理，得到所述基础文本对应的第二卷积特征数据；

根据所述基础文本对应的第二卷积特征数据，确定所述第二卷积特征数据的第二数学分布，以根据所述第二数学分布得到所述基础文本对应的编码数据。

6.根据权利要求1所述的方法，其特征在于，所述通过所述文本生成模型对所述基础文本对应的编码数据进行至少两次解码处理，以生成目标文本，包括：

在所述文本生成模型中对所述基础文本对应的编码数据进行解码处理，得到第一解码数据；

在所述文本生成模型中对所述第一解码数据进行解码处理，得到第二解码数据；

通过所述第二解码数据生成最大概率的当前字，得到目标文本。

7.根据权利要求1所述的方法，其特征在于，重复如下步骤直至待训练文本生成模型中的损失函数收敛，得到所述文本生成模型：

获取训练数据集，所述训练数据集中包括输入数据和监督数据；

将所述输入数据输入至所述待训练文本生成模型，以输出输出数据，所述待训练文本生成模型中包括至少两个卷积神经网络层和至少两个递归神经网络层；

基于所述监督数据与所述输出数据的对比，通过梯度反向传递对所述待训练文本生成模型中的隐层参数进行校正。

8.一种文本生成装置，其特征在于，所述装置包括：

获取单元，被用于获取用于生成目标文本的基础文本；

转换单元，被用于对所述基础文本进行向量转换，以得到所述基础文本对应的特征向量；

编码单元，被用于通过预先训练的文本生成模型对所述特征向量进行至少两次编码处理，以得到所述基础文本对应的编码数据；

解码单元，被用于通过所述文本生成模型对所述基础文本对应的编码数据进行至少两次解码处理，以生成目标文本。