[发明专利]文本生成方法、文本生成装置、电子设备及存储介质

说明书

本公开提供了一种文本生成方法、文本生成装置、电子设备及计算机可读存储介质，属于数据处理技术领域。该方法包括：对样本文本集中的文本进行分词，得到多个词；根据所述文本对所述多个词进行关联分析，得到关联词组；将所述文本分别与各所述关联词组进行匹配，得到各所述关联词组对应的匹配文本集，所述匹配文本集为所述样本文本集的子集；基于所述匹配文本集生成目标文本。本公开可以快速、准确的生成目标文本。

背景技术

随着互联网及多媒体技术的发展，互联网资源已经成为大众生活、娱乐的一种方式，人们在观看视频或媒体资讯时，通常会喜欢在显示界面内发布一些信息，如文本、表情等，以表达自己的感受或者与其他用户进行交流，例如在观看直播时，发送弹幕信息；或者在阅读资讯时，发送评论等。为了提高用户交流活跃程度，促进其发布信息的积极性，系统也会在显示界面中，投放一些话题信息，如在直播界面中投放话题弹幕等。

现有技术中投放的话题信息，通常是通过对已发布的信息进行聚类，并基于聚类结果确定的。然而，由于实际应用中，这些信息可能会包含大量的噪声，例如包含非热门的话题信息或者垃圾信息，如刷屏、广告等，难以保证所确定的话题信息的准确性，进一步，影响话题信息的投放效果。另外，当发布的信息数量大、噪声多或者信息的内容离散化程度较高时，还会增加生成话题文本过程的计算量和复杂程度。

因此，如何便捷、有效的生成有效的文本信息进行话题投放，以带动用户发布信息的活跃度，是现有技术亟待解决的问题。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开提供了一种文本生成方法、文本生成装置、电子设备及计算机可读存储介质，进而至少在一定程度上克服现有技术中文本生成过程复杂程度高且准确性较差的问题。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的第一方面，提供一种文本生成方法，包括：对样本文本集中的文本进行分词，得到多个词；根据所述文本对所述多个词进行关联分析，得到关联词组；将所述文本分别与各所述关联词组进行匹配，得到各所述关联词组对应的匹配文本集，所述匹配文本集为所述样本文本集的子集；基于所述匹配文本集生成目标文本。

在本公开的一种示例性实施例中，所述根据所述文本对所述多个词进行关联分析，得到多个关联词组，包括：通过所述词关联树确定所述关联词组，其中，所述词关联树是根据所述文本对应的词序列构建得到的。

在本公开的一种示例性实施例中，所述词关联树包括前缀树；所述通过所述词关联树确定所述关联词组，包括：依次以所述多个词中的每个词作为结尾词，在所述前缀树中确定从所述结尾词到根节点的路径；遍历每条路径中以所述结尾词为结尾的词组，计算每个词组的支持度；将支持度达到支持度阈值的词组确定为所述关联词组。

在本公开的一种示例性实施例中，依次以所述多个词中的每个词作为结尾词，在所述前缀树中确定从所述结尾词到根节点的路径时，所述方法还包括：当任一路径的长度大于第一长度阈值时，跳过所述任一路径。

在本公开的一种示例性实施例中，所述遍历每条路径中以所述结尾词为结尾的词组，计算每个词组的支持度，包括：通过多个进程对各所述词组的支持度进行并行计算。

在本公开的一种示例性实施例中，所述将支持度达到支持度阈值的词组确定为所述关联词组，包括：通过所述多个进程将支持度达到支持度阈值的词组写入共享内存，以作为所述关联词组。

在本公开的一种示例性实施例中，所述对样本文本集中的文本进行分词，得到多个词，包括：对所述样本文本集中的文本进行分词，得到各所述文本对应的词序列；当所述词序列中存在长度小于第二长度阈值的词时，将所述长度小于第二长度阈值的词合并至其相邻词中；根据所述词序列中的词生成全局词集，所述全局词集包括所述多个词。