[发明专利]文本生成方法、装置、设备及计算机可读存储介质

权利要求书

1.一种文本生成方法，其特征在于，所述文本生成方法包括以下步骤：

获取待生成文本的属性值，并对所述属性值进行表征得到第一隐向量和上下文向量；

基于所述第一隐向量及所述上下文向量确定文本生成计划；

获取所述文本生成计划对应的潜变量，并基于所述潜变量及所述文本生成计划生成所述待生成文本。

2.如权利要求1所述的文本生成方法，其特征在于，所述对所述属性值进行表征得到第一隐向量和上下文向量的步骤包括：

通过输入编码器对所述属性值进行表征，得到所述属性值的第一隐向量，其中，所述输入编码器由第一循环神经网络组成，后面得到的所述第一隐向量包含前面各个属性值的信息；

对多个所述第一隐向量对应的隐向量序列进行处理生成上下文向量；或，

基于多个所述第一隐向量中的最后一个隐向量进行变换得到上下文向量。

3.如权利要求1所述的文本生成方法，其特征在于，所述基于所述第一隐向量及所述上下文向量确定文本生成计划的步骤包括：

通过训练后的基于变分自编码器的深度学习网络模型，对所述第一隐向量进行采样，确定所述待生成文本中各个子句的输入隐向量；

基于所述输入隐向量及所述上下文向量，生成子句生成计划，其中，所述子句生成计划包括所述输入隐向量对应的属性值信息；

基于所述子句生成计划，确定所述待生成文本的文本生成计划。

4.如权利要求3所述的文本生成方法，其特征在于，所述基于所述输入隐向量及所述上下文向量，生成子句生成计划的步骤包括：

将所述输入隐向量输入第二循环神经网络，获取第二隐向量；

基于所述第二隐向量及所述输入隐向量，通过构建的二分类预测模型生成预测结果；

基于所述预测结果，生成子句生成计划。

5.如权利要求1所述的文本生成方法，其特征在于，所述获取所述文本生成计划对应的潜变量的步骤包括：

将所述文本生成计划、所述第一隐向量、所述上下文向量进行融合，得到全局向量；

将所述全局向量作为第三循环神经网络的初始隐向量，并将所述文本生成计划中的各个子句生成计划输入所述第三循环神经网络；

将所述第三循环神经网络中的隐向量作为所述文本生成计划中子句生成计划对应的潜变量。

6.如权利要求1所述的文本生成方法，其特征在于，所述基于所述潜变量及所述文本生成计划生成所述待生成文本的步骤包括：

基于所述潜变量及所述文本生成计划，生成子句向量；

采用第四循环神经网络，对所述子句向量进行处理，生成所述子句向量对应的子句文本；

对所述子句文本进行拼接，得到所述待生成文本。

7.如权利要求1至6中任一项所述的文本生成方法，其特征在于，所述获取待生成文本的属性值，并对所述属性值进行表征得到第一隐向量和上下文向量的步骤之前，还包括：

提取初始文本的关键词及短语词组，并对所述初始文本进行命名实体识别得到命名实体；

将所述关键词、所述短语词组、所述命名实体作为文本属性值；

对所述文本属性值进行聚类，得到文本属性类别；

将所述文本属性类别和所述文本属性值作为训练语料对，对构建的文本生成模型进行训练，以供基于所述文本生成模型，输入待生成文本的属性值后生成所述待生成文本。

8.一种文本生成装置，其特征在于，所述文本生成装置包括：

获取模块，用于获取待生成文本的属性值，并对所述属性值进行表征得到第一隐向量和上下文向量；

确定模块，用于基于所述第一隐向量及所述上下文向量确定文本生成计划；

生成模块，用于获取所述文本生成计划对应的潜变量，并基于所述潜变量及所述文本生成计划生成所述待生成文本。