[发明专利]推荐文本生成方法、装置、电子设备和计算机可读介质

权利要求书

1.一种推荐文本生成方法，包括：

获取目标物品的至少一个第一物品描述信息和所述目标物品对应的目标图像；

生成用于描述所述目标图像的图像特征的至少一个第二物品描述信息；

从所述至少一个第二物品描述信息中筛选出目标数目个第二物品描述信息作为目标物品描述信息；

对所述至少一个第一物品描述信息中的第一物品描述信息和所述目标物品描述信息进行向量化处理，以生成第一向量集和第二向量集；

基于所述第一向量集、所述第二向量集和预先训练的编码与解码模型，生成所述目标物品对应的目标推荐文本。

2.根据权利要求1所述的方法，其中，所述生成用于描述所述目标图像的图像特征的至少一个第二物品描述信息，包括：

将所述目标图像输入至预先训练的物品描述信息生成模型，得到所述至少一个第二物品描述信息。

3.根据权利要求1所述的方法，其中，所述基于所述第一向量集、所述第二向量集和预先训练的编码与解码模型，生成所述目标物品对应的目标推荐文本，包括：

生成所述目标物品的风格信息；

对所述目标物品的风格信息进行向量化处理，得到第三向量；

基于所述第三向量、所述第一向量集、所述第二向量集和所述编码与解码模型，生成所述目标推荐文本。

4.根据权利要求1所述的方法，其中，所述基于所述第一向量集、所述第二向量集和预先训练的编码与解码模型，生成所述目标物品对应的目标推荐文本，包括：

获取所述目标物品的类目信息；

对所述目标物品的类目信息进行向量化处理，得到第四向量；

基于所述第四向量、所述第一向量集、所述第二向量集和所述编码与解码模型，生成所述目标推荐文本。

5.根据权利要求1所述的方法，其中，所述编码与解码模型包括第一编码模型和第二编码模型；以及

所述基于所述第一向量集、所述第二向量集和预先训练的编码与解码模型，生成所述目标物品对应的目标推荐文本，包括：

将所述第一向量集输入至预先训练的编码与解码模型中的第一编码模型，得到第一编码结果；

将所述第二向量集输入至预先训练的编码与解码模型中的第二编码模型，得到第二编码结果；

将所述第一编码结果与所述第二编码结果进行向量拼接，得到拼接向量；

将所述拼接向量输入至预先训练的编码与解码模型中的解码模型，得到所述目标推荐文本。

6.根据权利要求1所述的方法，其中，所述编码与解码模型为加入注意力机制的时序神经网络模型。

7.根据权利要求6所述的方法，其中，所述编码与解码模型中解码模型的每个时间步对应的、所述目标推荐文本中的输出词语是通过以下步骤生成的：

获取目标词表，其中，所述目标推荐文本对应的词组存在于所述目标词表；

基于所述编码与解码模型中的解码模型，针对所述时间步，确定所述目标词表中每个词的第一概率；

基于所述解码模型中的、与所述时间步对应的隐藏层的输出向量和与所述时间步对应的输入向量，确定目标数值；

基于所述目标数值、所述目标词表中每个词的第一概率和目标权重矩阵，确定所述目标词表中每个词的第二概率，其中，所述目标权重矩阵表征所述第一向量集和所述第二向量集中各个向量的关注度；

基于所述目标词表中每个词的第二概率，确定所述时间步对应的、所述目标推荐文本的输出词语。

8.根据权利要求1所述的方法，其中，所述编码与解码模型对应的损失函数包括覆盖损失函数。

9.根据权利要求1所述的方法，其中，所述编码与解码模型为解码模型中加入避免词语重复生成机制的编码与解码模型。