[发明专利]对联信息生成方法和装置

权利要求书

1.一种对联信息生成方法，其特征在于，包括：

获取用户输入的文本信息，提取所述文本信息中包含的词序列；

将所述词序列输入到第一深度学习模型，获取与所述文本信息对应的上联信息；

将所述上联信息输入到第二深度学习模型，获取与所述上联信息对应的下联信息；

获取至少一个候选横批信息，计算所述上联信息和所述下联信息与每个候选横批信息的相似度；

根据所述相似度在所述至少一个候选横批信息中确定目标横批信息，从而生成包括所述上联信息、所述下联信息和所述目标横批信息的对联信息；

所述将所述上联信息输入到第二深度学习模型，获取与所述上联信息对应的下联信息，包括：

将所述上联信息输入到预先训练的语义理解模型，获取与所述上联信息对应的语义编码；所述语义理解模型是采用单语语料训练得到的；

将所述语义编码输入所述第二深度学习模型中的解码端，获取所述下联信息。

2.如权利要求1所述的方法，其特征在于，在所述提取所述文本信息中包含的词序列之前，包括：

判断所述文本信息中是否包含人名信息；

若包含人名信息，则识别所述人名信息中的姓信息和名信息；

判断所述名信息是否大于预设阈值；

若小于所述预设阈值，则复制所述名信息，并拼接所述名信息和复制后的名信息生成目标名信息；

将所述文本信息中所述名信息替换为所述目标名信息。

3.如权利要求1所述的方法，其特征在于，在所述将所述词序列输入到第一深度学习模型之前，包括：

将所述词序列中包含的每个分词，与预设高频词集合中的高频词进行语义匹配；

判断所述预设高频词集合中，是否包含与所述每个分词的匹配度大于预设阈值的目标高频词；

若包含所述目标高频词，则通过所述目标高频词替换对应的分词。

4.如权利要求1所述的方法，其特征在于，在所述将所述上联信息输入到预先训练的语义理解模型之前，包括：

获取满足预设对联条件的样本上联信息和所述样本上联信息的标注语义信息；

对所述样本上联信息切词处理获取样本词序列；

将所述样本词序列输入预先构建的语义理解模型，获取训练语义信息；

计算所述训练语义信息对应的所述标注语义信息的匹配度，当所述匹配度大于预设阈值时完成对所述预先构建的语义理解模型的训练。

5.如权利要求4所述的方法，其特征在于，在所述完成对所述预先构建的语义理解模型的训练后，还包括：

计算所述样本词序列中的样本分词，与预设常用词汇集中的每个常用词的语义相似度；

在所述常用词汇集中确定所述语义相似度大于预设阈值的目标常用词；

根据所述目标常用词替换所述样本词序列中的对应样本词，获取修正样本词序列；

根据所述修正样本词序列修正训练完成后的所述语义理解模型。

6.如权利要求1所述的方法，其特征在于，所述获取至少一个候选横批信息，计算所述上联信息和所述下联信息与每个候选横批信息的相似度，包括：

对所述上联信息和所述下联信息切词处理，获取多个对联分词；

在预设数据库中，确定与所述多个对联分词包括重复分词的至少一个候选横批信息；

统计所述至少一个候选横批信息中每个候选横批信息对应的重复分词的数量；

计算所述重复分词的数量和所述多个对联分词的比值，根据所述比值确定所述上联信息和所述下联信息与每个候选横批信息的相似度。