[发明专利]基于知识库导向的网络文本生成方法、装置及存储介质

权利要求书

1.一种基于知识库导向的网络文本生成方法，其特征在于，包括：

获取训练数据；其中，所述训练数据包括历史对话数据和预设知识库中的实体数据；

基于所述训练数据训练基础神经网络模型，所述基础神经网络包括编码端和解码端，所述编码端用于对所述训练数据进行编码处理，所述解码端用于对所述编码端处理后的数据进行解码处理，直至所述基础神经网络模型的损失函数收在预设范围内，以形成所述文本生成模型；

将查询条件输入所述文本生成模型中，获取与所述查询条件对应的网络文本数据。

2.如权利要求1所述的基于知识库导向的网络文本生成方法，其特征在于，所述训练数据存储于区块链中，所述训练数据的获取公式表示为：

U＝[B；X]

其中，U表示所述训练数据，X表示所述历史对话数据，B表示所述知识库中的实体数据三元组。

3.如权利要求2所述的基于知识库导向的网络文本生成方法，其特征在于，所述历史对话数据的公式表示为：

X＝{x₁,x₂,…x_n,$}

其中，x_n表示所述历史对话数据中的任意字符，$表示所述历史对话数据中的特殊字符；

所述实体数据三元组的公式表示为：

B＝{b₁,b₂,…,b_l}，

其中，b_l表示实体数据三元组。

4.如权利要求1所述的基于知识库导向的网络文本生成方法，其特征在于，所述基于所述训练数据训练文本生成模型的基础神经网络模型的步骤包括：

将所述训练数据输入所述基础神经网络模型中，所述基础神经网络模型输出与所述训练数据对应的标签数据；其中，

所述标签数据的公式表示为：

其中，表示t时刻所述基础神经网络模型输出的标签数据，U表示所述训练数据，U_z表示所述知识库中的某一实体，Z表示U_z在所述实体数据三元组中的位置，n表示输入文本字数，l表示所述知识库中实体数据三元组的个数，label表示标签。

5.如权利要求1所述的基于知识库导向的网络文本生成方法，其特征在于，所述编码端用于对所述训练数据进行编码处理的步骤包括：

通过编码端对所述查询条件进行编码，获取与所述查询条件对应的初始编码矩阵；

获取所述初始编码矩阵与预设的记忆矩阵的乘积，以获取与所述查询条件对应的记忆内容信息；

基于所述记忆内容信息更新所述查询条件，直至更新次数与所述查询条件的访问次数相等，获取编码数据并结束编码。

6.如权利要求5所述的基于知识库导向的网络文本生成方法，其特征在于，所述解码端用于对所述编码端处理后的数据进行解码处理的步骤包括：

解析所述编码数据并获取与所述编码数据对应的词分布概率；

根据所述词分布概率获取损失函数；

基于所述训练数据最小化所述损失函数，直至所述基础神经网络模型收敛在预设范围内。

7.一种基于知识库导向的网络文本生成装置，其特征在于，包括：

训练数据获取模块，用于获取训练数据；其中，所述训练数据包括历史对话数据和预设知识库中的实体数据；

文本生成模型形成模块，用于基于所述训练数据训练文本生成模型的基础神经网络模型，所述基础神经网络包括编码端和解码端，所述编码端用于对所述训练数据进行编码处理，所述解码端用于对所述编码端处理后的数据进行解码处理，直至所述基础神经网络模型的损失函数收在预设范围内，以形成所述文本生成模型；

网络文本数据获取模块，用于将查询条件输入所述文本生成模型中，获取与所述查询条件对应的网络文本数据。