[发明专利]一种文本信息生成方法、装置以及计算设备

权利要求书

1.一种文本信息生成方法，包括：

获取商品的标题信息；

将所述标题信息输入到文本生成模型，以生成针对所述商品的多个描述文本，所述文本生成模型包括标题编码器和标题解码器，所述标题编码器适于将标题信息编码为针对标题信息的语义向量，所述标题解码器适于至少根据所述语义向量，生成描述文本的每个位置的词分布向量，并根据所述词分布向量生成针对所述商品的多个描述文本；

获取所述多个描述文本的点击信息；

至少根据所获取的点击信息对所述文本生成模型进行训练，以调整所述文本生成模型的网络参数，则所述至少根据所获取的点击信息对所述文本生成模型进行训练，以调整所述文本生成模型的网络参数，包括：

获取所述标题信息的目标描述文本，所述目标描述文本是训练样本中与标题信息关联的描述文本；

计算所述词分布向量与所述目标描述文本的第一交叉熵损失；

计算所述多个描述文本中预定数目个点击率最高的描述文本与所述标题信息的第二交叉熵损失；

以所述第一交叉熵损失与第二交叉熵损失之和作为损失函数值，调整文本生成模型的网络参数。

2.如权利要求1所述的方法，还包括：

获取与商品关联的属性信息；

根据所述属性信息生成注意力向量；

将所述注意力向量输入到所述标题解码器，以使所述标题解码器根据所述语义向量和所述注意力向量生成所述词分布向量。

3.如权利要求2所述的方法，其中，所述与商品关联的属性信息包括商品的品牌、颜色、尺寸、价格中的至少一个。

4.如权利要求1或2所述的方法，其中，所述根据所述词分布向量生成针对所述商品的多个描述文本，包括：

采用集束搜索算法对每个位置的词分布向量进行搜索，从而生成所述商品的多个描述文本。

5.如权利要求1或2所述的方法，其中，所述标题编码器和标题解码器采用循环神经网络RNN、门控循环单元GRU或者长短时记忆网络LSTM中的至少一个。

6.如权利要求1所述方法，还包括：

将所述描述文本发送至客户端显示。

7.一种文本信息生成装置，包括：

第一获取模块，适于获取商品的标题信息；

文本生成模块，适于将所述标题信息输入到文本生成模型，以生成针对所述商品的多个描述文本，所述文本生成模型包括标题编码器和标题解码器，所述标题编码器适于将标题信息编码为针对标题信息的语义向量，所述标题解码器适于至少根据所述语义向量，生成描述文本的每个位置的词分布向量，并根据所述词分布向量生成针对所述商品的多个描述文本；

第二获取模块，适于获取所述多个描述文本的点击信息；

参数调整模块，适于获取所述标题信息的目标描述文本，所述目标描述文本是训练样本中与标题信息关联的描述文本；计算所述词分布向量与所述目标描述文本的第一交叉熵损失；计算所述多个描述文本中预定数目个点击率最高的描述文本与所述标题信息的第二交叉熵损失；以所述第一交叉熵损失与第二交叉熵损失之和作为损失函数值，调整所述文本生成模型的网络参数。

8.一种计算设备，包括：

一个或多个处理器；

存储器；以及

一个或多个程序，其中所述一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据权利要求1-6所述的方法中的任一方法的指令。