[发明专利]信息生成方法、装置、电子设备和计算机可读介质

权利要求书

1.一种信息生成的方法，包括：

获取预先构建的、与目标物品品类相关联的图模型、目标物品相关的序列化文本数据和结构化文本数据，其中，所述图模型表征所述目标物品品类的参数名称与各个参数内容信息之间的关联关系，所述图模型中的节点表征所述目标物品品类的参数名称或参数内容信息，所述图模型中的边对应的数值表征所述参数名称与所述参数内容信息之间的关联程度信息；

对所述序列化文本数据进行分词，得到词集；

将所述词集中目标词和所述图模型中的参数名称进行匹配以及根据匹配结果生成匹配后的图模型；

根据所述结构化文本数据和所述匹配后的图模型，生成融合后的图模型；

根据所述融合后的图模型，生成所述目标物品的摘要信息。

2.根据权利要求1所述的方法，其中，所述将所述词集中目标词和所述图模型中的参数名称进行匹配以及根据匹配结果生成匹配后的图模型，包括：

将所述词集中目标词和所述图模型中的参数名称进行匹配，得到匹配结果；

根据所述匹配结果和所述图模型中的目标边，生成匹配后的图模型，其中，所述目标边为所述图模型中表征所述目标词和所述目标词对应的参数名称之间关联程度信息的边。

3.根据权利要求1所述的方法，其中，所述根据所述融合后的图模型，生成所述目标物品的摘要信息，包括：

将所述融合后的图模型转换为对应的向量矩阵；

确定所述融合后的图模型中每个节点对应的向量，其中，所述每个节点对应的向量表征所述参数名称或所述参数内容信息的特征信息；

根据所述向量矩阵和所述每个节点对应的向量，生成所述目标物品的摘要信息。

4.根据权利要求3所述的方法，其中，所述根据所述向量矩阵和所述每个节点对应的向量，生成所述目标物品的摘要信息，包括：

将所述向量矩阵和所述融合后的图模型中各个节点对应的向量输入至预先训练的图卷积神经网络，得到第一输出结果；

对所述第一输出结果进行编码，得第二输出结果；

对所述第二输出结果进行解码，得到所述目标物品的摘要信息。

5.根据权利要求4所述的方法，其中，所述对所述第一输出结果进行编码，得第二输出结果，包括：

将所述第一输出结果输入至预先训练的、处理时序文本数据的编码网络，得到所述第二输出结果。

6.根据权利要求4所述的方法，其中，所述对所述第二输出结果进行解码，得到所述目标物品对应的摘要信息，包括：

将所述第二输出结果输入至预先训练的、处理时序文本数据的解码网络，得到所述目标物品的摘要信息。

7.根据权利要求1所述的方法，其中，所述图模型中的边对应的数值通过以下步骤确定：

获取所述目标物品品类下的各个物品的物品信息，其中，所述物品信息包括参数名称和至少一个参数数值；

根据所述各个物品的物品信息，确定每个参数名称对应的各个参数内容信息和每个参数内容信息在所述各个物品的物品信息中出现的次数；

根据所述每个参数名称对应的各个参数内容信息和每个参数内容信息出现的频次，利用词频-逆向文件频率方法，确定所述图模型中的边对应的数值。

8.一种信息生成装置，包括：

获取单元，被配置成获取预先构建的、与目标物品品类相关联的图模型、目标物品相关的序列化文本数据和结构化文本数据，其中，所述图模型表征所述目标物品品类的参数名称与各个参数数值之间的关联关系，所述图模型中的节点表征所述目标物品品类的参数名称或参数内容信息，所述图模型中的边对应的数值表征所述参数名称与所述参数内容信息之间的关联程度信息；

分词单元，被配置成对所述序列化文本数据进行分词，得到词集；

匹配生成单元，被配置成将所述词集中目标词和所述图模型中的参数名称进行匹配以及根据匹配结果生成匹配后的图模型；

第一生成单元，被配置成根据所述结构化文本数据和所述匹配后的图模型，生成融合后的图模型；

第二生成单元，被配置成根据所述融合后的图模型，生成所述目标物品的摘要信息。