[发明专利]标签描述信息的生成方法、装置、电子设备及存储介质

权利要求书

1.一种标签描述信息的生成方法，其特征在于，包括：

获取待描述标签对应的对象集合和所述对象集合中各对象关于所述待描述标签的关联程度值；所述对象集合包括多个不同的对象；所述各对象均通过所述待描述标签进行表征；所述待描述标签为预设字符形式；

基于所述关联程度值，对所述对象集合中各对象进行排序，得到排序结果；

将所述排序结果中前预设数量个对象的标题进行拼接处理，得到拼接后的标题；

根据已训练的描述信息生成模型，对所述拼接后的标题进行语义理解，得到所述待描述标签对应的描述信息；所述描述信息包括所述待描述标签的中文语义信息。

2.根据权利要求1所述的标签描述信息的生成方法，其特征在于，所述描述信息生成模型的生成方式，包括：

获取预训练好的语言模型；

获取训练标签对应的训练对象集合和所述训练对象集合中各训练对象关于所述训练标签的关联程度值；所述训练对象集合包括多个不同的训练对象；所述训练对象集合中各训练对象均通过所述训练标签进行表征；所述训练标签为预设字符形式；

基于所述各训练对象关于所述训练标签的关联程度值，对所述各训练对象进行排序，得到排序结果；

将所述排序结果中前预设数量个训练对象的标题进行拼接处理，得到拼接后的训练标题；

根据获取的所述训练标签对应的目标描述信息和所述训练标题，对所述预训练好的语言模型进行微调训练，在达到预设的微调结束条件时，得到所述描述信息生成模型。

3.根据权利要求2所述的标签描述信息的生成方法，其特征在于，所述根据获取的所述训练标签对应的目标描述信息和所述训练标题，对所述预训练好的语言模型进行微调训练，在达到预设的微调结束条件时，得到所述描述信息生成模型，包括：

将所述训练标题输入所述预训练好的语言模型，得到预测描述信息；

根据所述目标描述信息和所述预测描述信息确定损失值；

基于所述损失值调整所述预训练好的语言模型的模型参数进行训练，在达到所述预设的微调结束条件时，得到所述描述信息生成模型。

4.根据权利要求1所述的标签描述信息的生成方法，其特征在于，所述描述信息生成模型的生成方式，包括：

获取预训练好的语言模型；

获取训练标签对应的训练对象集合和所述对象集合和所述训练对象集合中各训练对象关于所述训练标签的关联程度值；所述训练对象集合包括多个不同的训练对象；所述训练对象集合中各对象均通过所述训练标签进行表征；所述训练标签为预设字符形式；

基于所述各训练对象关于所述训练标签的关联程度值，对所述各训练对象进行排序，得到排序结果；

将所述排序结果中前预设数量个训练对象的标题进行拼接处理，得到拼接后的训练标题；

根据预设特征提取算法对所述训练标题进行特征提取，得到所述训练标题的特征信息；所述特征信息包括分类信息和/或关键词信息；

根据获取的所述训练标签对应的目标描述信息、所述训练标题和所述特征信息，对所述预训练好的语言模型进行微调训练，在达到预设的微调结束条件时，得到所述描述信息生成模型。

5.根据权利要求2或4所述的标签描述信息的生成方法，其特征在于，所述获取预训练好的语言模型，包括：

获取预训练文本语料和未训练的语言模型；

通过至少一种处理方式，对所述预训练文本语料进行处理；所述处理方式包括：随机对所述预训练文本语料中部分连续或非连续文本进行替换处理、随机删除所述预训练文本语料中的部分文本、对所述预训练文本语料进行乱序处理；

将处理后的预训练文本语料作为所述未训练的语言模型的输入，得到所述未训练的语言模型输出的预测文本；

根据所述预测文本和原始预训练文本语料确定损失值，基于所述损失值对所述未训练的语言模型的模型参数进行训练，在达到预设的预训练结束条件时，得到所述预训练好的语言模型。

6.根据权利要求1所述的标签描述信息的生成方法，其特征在于，所述将所述排序结果中前预设数量个对象的标题进行拼接处理，得到拼接后的标题，包括：

将所述排序结果中前预设数量个对象的标题以预设分隔符进行拼接，得到拼接后的标题。