[发明专利]一种文本生成方法和装置在审
申请号: | 202011290383.2 | 申请日: | 2020-11-17 |
公开(公告)号: | CN113761174A | 公开(公告)日: | 2021-12-07 |
发明(设计)人: | 李浩然 | 申请(专利权)人: | 北京京东尚科信息技术有限公司;北京京东世纪贸易有限公司 |
主分类号: | G06F16/34 | 分类号: | G06F16/34;G06F16/9535;G06K9/62;G06N3/04;G06N3/08;G06Q30/06 |
代理公司: | 中原信达知识产权代理有限责任公司 11219 | 代理人: | 张一军;郭晗 |
地址: | 100086 *** | 国省代码: | 北京;11 |
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 文本 生成 方法 装置 | ||
1.一种文本生成方法,其特征在于,包括:
获取参考产品的描述文本,基于所述参考产品的描述文本,利用第一文本生成模型生成所述参考产品的参考摘要文本,所述参考摘要文本由一个或多个关键词组成;
利用推荐分类器模型,计算所述关键词为产品推荐词的推荐概率;
根据所述关键词和对应的所述推荐概率,基于所述第一文本生成模型,形成第二文本生成模型;
获取目标产品的描述文本,利用所述第二文本生成模型,生成所述目标产品的目标摘要文本。
2.根据权利要求1所述的方法,其特征在于,
利用推荐分类器模型,计算所述关键词为产品推荐词的推荐概率,包括:
利用推荐分类器模型包含的编码器,将多个所述关键词进行编码并生成隐层序列,基于所述隐层序列计算所述关键词为所述产品推荐词的推荐概率。
3.根据权利要求2所述的方法,其特征在于,
基于所述产品推荐词的推荐标签,以及所述产品推荐词的所述推荐概率,利用推荐目标函数,训练所述推荐分类器模型。
4.根据权利要求1所述的方法,其特征在于,
根据所述关键词和对应的所述推荐概率,基于所述第一文本生成模型,形成第二文本生成模型,包括:
获取所述关键词和对应的所述推荐概率,利用极大似然估计模型,训练所述第一文本生成模型,形成所述第二文本生成模型。
5.根据权利要求1所述的方法,其特征在于,
利用第一文本生成模型生成所述参考产品的参考摘要文本,包括:
所述第一文本生成模型包括编码器和解码器;
获取所述参考产品的描述文本,所述参考产品的描述文本包含一个或多个描述词;基于所述描述词,利用所述编码器和所述解码器,生成组成所述参考摘要文本的所述关键词。
6.一种文本生成装置,其特征在于,包括:生成产品摘要模块、计算推荐概率模块、形成文本生成模型模块和推荐目标产品模块;其中,
所述生成产品摘要模块,用于获取参考产品的描述文本,基于所述参考产品的描述文本,利用第一文本生成模型生成所述参考产品的参考摘要文本,所述参考摘要文本由一个或多个关键词组成;
所述计算推荐概率模块,用于利用推荐分类器模型,计算所述关键词为产品推荐词的推荐概率;
所述形成文本生成模型模块,用于根据所述关键词和对应的所述推荐概率,基于所述第一文本生成模型,形成第二文本生成模型;
所述文本生成模块,用于获取目标产品的描述文本,利用所述第二文本生成模型,生成所述目标产品的目标摘要文本。
7.根据权利要求6所述的装置,其特征在于,
利用推荐分类器模型,计算所述关键词为产品推荐词的推荐概率,包括:
利用推荐分类器模型包含的编码器,将多个所述关键词进行编码并生成隐层序列,基于所述隐层序列以及所述产品推荐词,计算所述关键词为所述推荐词的推荐概率。
8.根据权利要求6所述的装置,其特征在于,
根据所述关键词和对应的所述推荐概率,基于所述第一文本生成模型,形成第二文本生成模型,包括:
获取所述关键词和对应的所述推荐概率,利用极大似然估计模型,训练所述第一文本生成模型,形成所述第二文本生成模型。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
10.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。
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北京京东尚科信息技术有限公司;北京京东世纪贸易有限公司,未经北京京东尚科信息技术有限公司;北京京东世纪贸易有限公司许可,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/202011290383.2/1.html,转载请声明来源钻瓜专利网。