[发明专利]信息生成方法、装置、电子设备和计算机可读介质

说明书

本公开的实施例公开了信息生成方法、装置、电子设备和计算机可读介质。该信息生成方法的一具体实施方式包括：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；对该序列化文本数据进行分词，得到词集；将该词集中目标词和该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；根据结构化文本数据和匹配后的图模型，生成融合后的图模型；根据该融合后的图模型，生成该目标物品的摘要信息。该实施方式可以通过考量序列化文本数据和结构化文本数据的特征信息来准确、有效的生成目标物品的摘要信息。

技术领域

本公开的实施例涉及计算机技术领域，具体涉及信息生成方法、装置、电子设备和计算机可读介质。

背景技术

目前，传统的物品搜索与推荐的技术应用已经无法较好地满足用户日益增长的需求。在浏览推荐系统时，用户常常面临信息爆炸的问题。用户希望通过一些优致的物品摘要来快速了解产品。对于物品摘要的生成，通常采用的方式为：基于循环神经网络来生成物品的摘要。然而，循环神经网络只能建模序列文本信息，由于物品信息不仅包括非结构化的文本序列，也包括结构化信息。而循环神经网络对结构化输入难以直接建模，目前处理方法仍是作为字符串序列处理，这种处理方法可能会损失结构化信息，从而降低模型的表达能力。

发明内容

本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本公开的一些实施例提出了信息生成方法、装置、设备和计算机可读介质，来解决以上背景技术部分提到的技术问题。

第一方面，本公开的一些实施例提供了一种信息生成方法，该方法包括：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，上述图模型表征上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，上述图模型中的节点表征上述目标物品品类的参数名称或参数内容信息，上述图模型中的边对应的数值表征上述参数名称与上述参数内容信息之间的关联程度信息；对上述序列化文本数据进行分词，得到词集；将上述词集中目标词和上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；根据上述结构化文本数据和上述匹配后的图模型，生成融合后的图模型；根据上述融合后的图模型，生成上述目标物品的摘要信息。

可选的，上述将上述词集中目标词和上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：将上述词集中目标词和上述图模型中的参数名称进行匹配，得到匹配结果；根据上述匹配结果和上述图模型中的目标边，生成匹配后的图模型，其中，上述目标边为上述图模型中表征上述目标词和上述目标词对应的参数名称之间关联程度信息的边。

可选的，上述根据上述融合后的图模型，生成上述目标物品的摘要信息，包括：将上述融合后的图模型转换为对应的向量矩阵；确定上述融合后的图模型中每个节点对应的向量，其中，上述每个节点对应的向量表征上述参数名称或上述参数内容信息的特征信息；根据上述向量矩阵和上述每个节点对应的向量，生成上述目标物品的摘要信息。

可选的，上述根据上述向量矩阵和上述每个节点对应的向量，生成上述目标物品的摘要信息，包括：将上述向量矩阵和上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；对上述第一输出结果进行编码，得第二输出结果；对上述第二输出结果进行解码，得到上述目标物品的摘要信息。

可选的，上述对上述第一输出结果进行编码，得第二输出结果，包括：将上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，得到上述第二输出结果。

可选的，上述对上述第二输出结果进行解码，得到上述目标物品对应的摘要信息，包括：将上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，得到上述目标物品的摘要信息。