CN112699296B - 投放信息的创意内容生成方法、装置、设备和介质 - Google Patents
投放信息的创意内容生成方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN112699296B CN112699296B CN201911014230.2A CN201911014230A CN112699296B CN 112699296 B CN112699296 B CN 112699296B CN 201911014230 A CN201911014230 A CN 201911014230A CN 112699296 B CN112699296 B CN 112699296B
- Authority
- CN
- China
- Prior art keywords
- attribute
- information
- determining
- creative
- word
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000007246 mechanism Effects 0.000 claims description 33
- 239000013598 vector Substances 0.000 claims description 30
- 230000015654 memory Effects 0.000 claims description 19
- 230000004927 fusion Effects 0.000 claims description 16
- 230000009977 dual effect Effects 0.000 claims description 12
- 239000004973 liquid crystal related substance Substances 0.000 claims description 12
- 230000011218 segmentation Effects 0.000 claims description 8
- 230000006399 behavior Effects 0.000 claims description 5
- 230000002441 reversible effect Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 abstract description 9
- 230000000694 effects Effects 0.000 abstract description 9
- 230000008569 process Effects 0.000 abstract description 9
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000008901 benefit Effects 0.000 description 15
- 230000006870 function Effects 0.000 description 10
- 238000012549 training Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 206010027175 memory impairment Diseases 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Abstract
本申请公开了一种投放信息的创意内容生成方法、装置、设备和介质，涉及人工智能技术领域。具体实现方案为：根据投放信息的至少两个维度的属性信息，确定投放信息的至少两个属性词以及至少两个属性词特征表示；根据所述至少两个属性词特征表示，确定目标属性状态特征；根据所述目标属性状态特征，生成投放信息的创意内容。本申请实施例通过在生成创意内容的过程中融合至少两个维度的属性信息，使生成的创意内容中包含丰富的信息，从而提高投放信息和创意内容的转化效果。
Description
技术领域
本申请涉及计算机技术领域，尤其涉及一种人工智能技术，具体涉及一种投放信息的创意内容生成方法、装置、设备和介质。
背景技术
在用户搜索投放信息的场景下，用户的搜索词不同，生成的与投放信息相关的创意内容不同。根据用户的搜索词生成的投放信息以及相对应的创意内容，根据创意内容展示与投放信息相关的其他推荐信息，能够为用户提供更多的相关信息。
目前，在生成投放信息的创意内容的过程中，关键词与生成的创意内容是一一对应的，无法融合多元化的属性数据，因此生成的创意内容包含的信息量少，内容单调，不利于投放信息以及创意内容的转化。
发明内容
本申请实施例提供的一种投放信息的创意内容生成方法、装置、设备和介质，以实现根据投放信息的多维属性确定创意内容，提高创意内容中包含信息的丰富度。
本申请实施例公开了一种投放信息的创意内容生成方法，该方法包括：
根据投放信息的至少两个维度的属性信息，确定投放信息的至少两个属性词以及至少两个属性词特征表示；
根据所述至少两个属性词特征表示，确定目标属性状态特征；
根据所述目标属性状态特征，生成投放信息的创意内容。
上述实施例具有如下优点或有益效果：通过根据投放信息的至少两个维度的属性信息，确定目标属性状态特征，并根据目标属性状态特征，生成投放信息的创意内容，从而克服了无法融合多维度的属性特征以生成包含丰富信息的创意内容的问题，实现了在生成创意内容的过程中融合至少两个维度的属性信息，使生成的创意内容中包含丰富的信息，从而提高投放信息和创意内容的转化效果。
进一步地，根据投放信息的至少两个维度的属性信息，确定投放信息的至少两个属性词以及至少两个属性词特征表示，包括：
对投放信息的至少两个维度的属性信息进行分词，得到至少两个属性词；
根据所述属性词所属维度，属性词的正序位置信息和属性词的逆序位置信息，确定所述属性词特征表示。
据此，上述实施例具有如下优点或有益效果：通过分词能够充分体现投放信息的属性特征，并通过根据属性词所属维度，属性词的正序位置和属性词的逆序位置，确定属性词的特征表示，从而使每一个属性词具有唯一的特征表示。
进一步地，所述投放信息的维度数据包括公司名称、一级行业、二级行业和三级行业中的至少一项，以及投放者的关键词。
据此，上述实施例具有如下优点或有益效果：通过分析投放信息的多个维度数据，实现从多个维度充分地反映投放信息的特征，从而根据全面的特征生成包含丰富信息的创意内容。
进一步地，根据所述至少两个属性词特征表示，确定目标属性状态特征，包括：
基于具有域门机制的编码模型，根据所述至少两个属性词特征表示，确定所述目标属性状态特征。
据此，上述实施例具有如下优点或有益效果：通过具有域门机制的编码模型，根据至少两个属性词特征表示，确定目标属性状态特征，从而适应性控制属性信息是否需要保留，以实现根据属性信息的遗忘和保留动态确定不同创意内容的效果。
进一步地，基于具有域门机制的编码模型，根据所述至少两个属性词特征表示，确定所述目标属性状态特征，包括：
将所述至少两个属性词特征表示作为具有域门机制的编码模型中至少两个单元的输入；
根据所述单元的域门和所述单元的输入，确定所述单元的状态值；其中，所述单元的域门中元素取值区间为[0，1]，0表示完全丢弃，1表示完全保留；
根据所述单元的状态值确定所述编码模型的隐藏输出值，作为所述目标属性状态特征。
据此，上述实施例具有如下优点或有益效果：通过将属性词特征作为具有域门机制的编码模型的输入，根据单元的域门和单元的输入确定单元的状态值，从而实现对属性信息保留和遗弃的控制，便于适应性选取属性信息生成创意内容。
进一步地，根据所述目标属性状态特征，生成投放信息的创意内容，包括：
基于对偶注意力机制，根据所述目标属性状态特征确定创意描述词；
基于预测模型，根据所述创意描述词造句生成所述投放信息的创意内容。
据此，上述实施例具有如下优点或有益效果：通过基于对偶注意力机制，根据目标属性状态特征确定创意描述词，从而确定不同属性的重要程度和权重，明确不同属性对创意内容生成的影响，以更准确地根据不同属性与投放信息的关系确定不同属性在创意内容中的重要程度。
进一步地，基于对偶注意力机制，根据所述目标属性状态特征确定创意描述词，包括：
根据预测模型的隐藏层参数和编码模型的隐藏层参数，确定当前时刻的局部注意力向量；
根据预测模型的隐藏层参数和目标属性词特征表示，确定当前时刻的全局注意力向量；
对所述局部注意力向量和所述全局注意力向量进行融合，得到当前时刻的属性信息融合结果；
根据当前时刻的属性信息融合结果、预测模型的隐藏层参数、所述目标属性词特征表示以及历史时刻的创意描述词，确定当前时刻的创意描述词。
据此，上述实施例具有如下优点或有益效果：能够确定不同属性的重要程度和权重，明确生成词对对创意内容生成的影响，并准确确定不同属性对于创意内容生成的影响，明确在创意内容生成的过程中，应用不同属性的具体时间，从而准确利用相关的属性信息，确定更加符合多维属性信息特征的创意内容。
进一步地，根据所述目标属性词生成投放信息的创意内容之后，还包括：
根据投放信息的点击率和/或用户行为数据，对所述投放信息的创意内容进行校验。
据此，上述实施例具有如下优点或有益效果：通过对创意内容的校验，从而对创意内容的各方面特性进行准确评估，以不断完善创意内容的展示，提高创意内容的转化效果。
本申请实施例还公开了一种投放信息的创意内容生成装置，该装置包括：
属性词确定模块，用于根据投放信息的至少两个维度的属性信息，确定投放信息的至少两个属性词以及至少两个属性词特征表示；
目标属性状态特征确定模块，用于根据所述至少两个属性词特征表示，确定目标属性状态特征；
创意内容生成模块，用于根据所述目标属性状态特征，生成投放信息的创意内容。
进一步地，所述属性词确定模块，包括：
分词单元，用于对投放信息的至少两个维度的属性信息进行分词，得到至少两个属性词；
特征表示确定单元，用于根据所述属性词所属维度，属性词的正序位置信息和属性词的逆序位置信息，确定所述属性词特征表示。
进一步地，所述投放信息的维度数据包括公司名称、一级行业、二级行业和三级行业中的至少一项，以及投放者的关键词。
进一步地，所述目标属性状态特征确定模块，包括：
编码单元，用于基于具有域门机制的编码模型，根据所述至少两个属性词特征表示，确定所述目标属性状态特征。
进一步地，所述编码单元，包括：
输入子单元，用于将所述至少两个属性词特征表示作为具有域门机制的编码模型中至少两个单元的输入；
状态确定子单元，用于根据所述单元的域门和所述单元的输入，确定所述单元的状态值；其中，所述单元的域门中元素取值区间为[0，1]，0表示完全丢弃，1表示完全保留；
隐藏输出值确定子单元，用于根据所述单元的状态值确定所述编码模型的隐藏输出值，作为所述目标属性状态特征。
进一步地，所述创意内容生成模块，包括：
描述词确定单元，用于基于对偶注意力机制，根据所述目标属性状态特征确定创意描述词；
预测单元，用于基于预测模型，根据所述创意描述词造句生成所述投放信息的创意内容。
进一步地，所述描述词确定单元，包括：
局部确定子单元，用于根据预测模型的隐藏层参数和编码模型的隐藏层参数，确定当前时刻的局部注意力向量；
全局确定子单元，用于根据预测模型的隐藏层参数和目标属性词特征表示，确定当前时刻的全局注意力向量；
融合子单元，用于对所述局部注意力向量和所述全局注意力向量进行融合，得到当前时刻的属性信息融合结果；
当前描述词确定子单元，用于根据当前时刻的属性信息融合结果、预测模型的隐藏层参数、所述目标属性词特征表示以及历史时刻的创意描述词，确定当前时刻的创意描述词。
本申请实施例还公开了一种电子设备，该设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如本申请实施例中任一项所述的方法。
本申请实施例还公开了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如本申请实施例中任一项所述的方法。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是根据本申请实施例提供的投放信息的创意内容生成方法的流程示意图；
图2是根据本申请实施例提供的另一种投放信息的创意内容生成方法的流程示意图；
图3是根据本申请实施例提供的另一种投放信息的创意内容生成方法的模型结构示意图；
图4是根据本申请实施例提供的投放信息的创意内容生成装置的结构示意图；
图5是用来实现本申请实施例的投放信息的创意内容生成方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
图1是根据本申请实施例提供的投放信息的创意内容生成方法的流程示意图。本实施例可适用于根据投放信息生成创意内容的情况。典型地，本实施例可以适用于，根据投放信息多维的属性信息生成创意内容的情况。本实施公开的投放信息的创意内容生成方法可以由一种投放信息的创意内容生成装置来执行，该装置可以由软件和/或硬件的方式实现。参见图1，本实施例提供的投放信息的创意内容生成方法包括：
S110、根据投放信息的至少两个维度的属性信息，确定投放信息的至少两个属性词以及至少两个属性词特征表示。
其中，至少两个维度可以为对投放信息的特征进行描述的不同角度，例如，对于投放信息“2020年考研英语辅导教材”，可以从书籍类型、适用对象、科目和适用年份等维度对投放信息进行描述。属性信息为从至少两个维度对投放信息进行描述的具体内容，例如，对应于书籍类型的属性信息为辅导教材，对应于适用对象的属性信息为考研学生，对应于科目的属性信息为英语，对应于使用年份的属性信息为2020年。属性词为与属性信息相对应的描述性词语，属性词特征表示为将属性词表示为在一个连续空间向量中的向量集合。
具体的，根据投放信息的至少两个维度的属性信息，确定投放信息的至少两个属性词以及至少两个属性词特征表示，多个维度的属性信息能够体现投放信息全面的属性特征，以便根据更全面的属性特征确定信息丰富的创意内容。
可选的，根据投放信息的至少两个维度的属性信息，确定投放信息的至少两个属性词以及至少两个属性词特征表示，包括：对投放信息的至少两个维度的属性信息进行分词，得到至少两个属性词；根据所述属性词所属维度，属性词的正序位置信息和属性词的逆序位置信息，确定所述属性词特征表示。所述投放信息的维度数据包括公司名称、一级行业、二级行业和三级行业中的至少一项，以及投放者的关键词。
其中，投放者的关键词为投放者确定的与投放信息相关的，代表业务方向的句子或词语。具体的，如表1所示，对于投放信息“某某市启明武术学院”，其维度数据包括：公司名称、一级行业、二级行业和三级行业中的至少一项，以及投放者的关键词，其中公司名称对应的属性信息为某某市启明武术学院，一级行业对应的属性信息为教育培训，二级行业对应的属性信息为文体培训，三级行业对应的属性信息为武术培训，投放者的关键词为少林学校招生。
表1
| 维度 | 属性信息 |
| 公司名称 | 某某市启明武术学院 |
| 一级行业 | 教育培训 |
| 二级行业 | 文体培训 |
| 三级行业 | 武术培训 |
| 投放者的关键词 | 少林学校招生 |
对不同维度的属性信息进行分词，得到至少两个属性词，示例性的，如表2所示，对属性信息某某市启明武术学院进行分词，得到属性词：某某市、启明、武术和学院。
表2
其中，属性词的正序位置为属性词在投放信息整个句子的分词中从前向后数的位置次序，属性词的逆序位置为属性词在投放信息整个句子的分词中从后向前数的位置次序。如表3所示，对于属性词“启明”，其在投放信息整个句子“某某市启明武术学院”的分词结果为“某某市”、“启明”、“武术”、“学院”，“启明”在分词结果中从前向后数的位置次序为2，从后向前数的位置次序为3，该词所属的维度为公司，因此属性词“启明”的特征表示为<公司，2，3>。
表3
由于属性词的特征表示中包含了属性词所属维度、属性词的正序位置和属性词的逆序位置，因此属性词的特征表示能够作为属性词的唯一标识，具有特征表示的唯一性。
需要说明的是，本申请实施例中的维度数据不限于上述方面的维度，也可以为其他维度，在本申请实施例中不作具体限定，可以根据实际的投放信息类型和场景等因素确定不同的维度信息。例如对于投放信息“立信牌笔记本电脑”，其维度数据可以为产品类型、电子产品分类，一级分类、二级分类、三级分类等维度对投放信息的特征进行描述。
S120、根据所述至少两个属性词特征表示，确定目标属性状态特征。
其中，目标属性状态特征用于表示创意内容生成中模型的隐藏层的特征，由于不同属性词在生成创意内容的过程中所起的作用不同，因此，可以根据至少两个属性词特征表示，确定其中的目标属性状态特征，适应性选取对创意内容生成影响大的属性信息，以决定创意内容的生成。本申请实施例中，通过将至少两个属性词特征表示作为创意内容生成模型的输入，通过输入的至少两个属性词特征表示确定模型隐藏层的特征，将隐藏层特征作为目标属性状态特征，由于确定隐藏层特征的过程中融入了属性词特征表示，从而使确定的模型隐藏层特征中包含了属性信息的影响，以准确地传递不同属性信息的特征，提高创意内容生成的信息丰富性。
S130、根据所述目标属性状态特征，生成投放信息的创意内容。
其中，所述创意内容用于更加直观形象地对投放信息进行描述，例如对于投放信息“某某市启明武术学院”，根据目标属性状态特征生成创意内容为“某某市少林学校，武术培训班招生，因材施教，国家正规”，从而使用户对于投放信息进行充分的了解，便于用户根据创意内容选取感兴趣的投放信息进行阅览，提高了投放信息的转化效果和阅览量。可选的，本申请实施例中，也可根据至少两个维度的属性信息中的全部或部分维度属性信息，动态生成不同的创意内容，根据调节用于生成创意内容的维度数量，以及不同维度之间的权重，从而适应性生成不同的创意内容。
可选的，基于编码-解码模型，根据目标属性状态特征，生成投放信息的创意内容，从而提高创意内容的完整度和通顺度，并提高创意内容与目标属性状态特征的相关性。
可选的，根据所述目标属性词生成投放信息的创意内容之后，还包括：根据投放信息的点击率和/或用户行为数据，对所述投放信息的创意内容进行校验。具体的，由于生成的创意内容的句子完整度、通顺度、地域词、品牌词和相关性等特征能够影响投放信息的点击率以及用户对投放信息的阅览情况，因此，在本申请实施例中，统计投放信息的点击率和/或用户行为数据，从而通过上述信息对投放信息的创意内容进行评估和完善，其中，用户行为数据可以为用户停留于当前投放信息网页的时间，点击观看投放信息的次数和观看时间等。示例性的，可以根据DNN(Deep Neural Network，深度神经网络算法)完善创意内容的完后完整度和通顺度，可以利用ANN(Artificial Neural Network，人工神经网络)完善投放者的关键词和相关性，根据数据挖掘和机器学习技术完善品牌词和地域词。
本申请实施例的技术方案，通过根据投放信息的至少两个维度的属性信息，确定目标属性状态特征，并根据目标属性状态特征，生成投放信息的创意内容，从而克服了无法融合多维度的属性特征以生成包含丰富信息的创意内容的问题，实现了在生成创意内容的过程中融合投放信息的属性词从而使生成的创意内容中包含丰富的信息，从而提高投放信息创意内容的转化效果。
图2是根据本申请实施例提供的另一种投放信息的创意内容生成方法的流程示意图。本实施例是在上述实施例的基础上提出的一种可选方案。参见图2，本实施例提供的投放信息的创意内容生成方法包括：
S210、根据投放信息的至少两个维度的属性信息，确定投放信息的至少两个属性词以及至少两个属性词特征表示。
S220、基于具有域门机制的编码模型，根据所述至少两个属性词特征表示，确定所述目标属性状态特征。
其中，域门机制用于控制属性信息对创意内容生成的影响，通过域门的控制，实现对属性信息保留或丢弃的控制。由于不同属性信息对创意内容生成的影响程度不同，因此，可以适应性选取属性信息，以根据选取出的属性信息生成创意内容。通过域门机制可以灵活地对不同的属性信息进行选取控制，从而保留对于生成创意内容所需要的属性信息，丢弃对于生成创意信息无用的属性信息。
可选的，基于具有域门机制的编码模型，根据所述至少两个属性词特征表示，确定所述目标属性状态特征，包括：将所述至少两个属性词特征表示作为具有域门机制的编码模型中至少两个单元的输入；根据所述单元的域门和所述单元的输入，确定所述单元的状态值；其中，所述单元的域门中元素取值区间为[0，1]，0表示完全丢弃，1表示完全保留；根据所述单元的状态值确定所述编码模型的隐藏输出值，作为所述目标属性状态特征。
示例性的，可以采用LSTM(Long Short-Term Memory，长短期记忆)网络作为编码模型，以解决循环神经网络中存在的长期依赖问题。在本申请实施例中，在LSTM的基础上引入域门机制，具体公式如下：
其中，为单元u的状态值，fu为单元u的遗忘门，cu-1为单元u-1的状态值，iu为单元u的输入门，/>为单元u的新输入值，lu为单元u的域门值，lu∈[0，1]n，lu取0表示完全遗忘，lu取1表示完全保留，/>为属性词特征表示，⊙为叉乘符号。可选的，/>由于引入了/>从而根据域门决定属性信息是否保留在LSTM单元中，当lu取0时，则表示完全遗忘输入词特征表示/>对应的属性信息，当lu取1，则表示完全保留输入词表示特征表示对应的属性信息。通过域门机制能够对属性信息进行控制，从而选取合适的属性信息生成创意内容。
可选的，可以基于如下公式，根据单元的状态值确定编码模型的隐藏层输出值：
其中，ot为输出门，ot＝sigm(W1xu+W2hu-1)，xu为模型的输入，W1、W2为参数，hu-1为上一单元的隐藏层输出值。
S230、基于对偶注意力机制，根据所述目标属性状态特征确定创意描述词。
具体的，由于不同属性信息与投放信息之间的关系，不同属性信息之间的依赖关系，以及不同属性词对创意内容生成过程中的影响不同，因此，可以根据注意力机制确定上述参数，以结合不同属性信息的关键程度生成创意内容。
示例性的，在解码阶段，在t时刻生成词ωt的概率P(ωt|H，Z，ω＜t)为：
P(ωt|H，Z，ω＜t)＝softmax(Ws⊙gu)；
其中，为编码模型隐藏层状态，/>为属性词特征表达。su为预测模型的隐藏层参数，/>为对偶注意力机制中局部注意力向量与全局注意力向量的融合结果。状态更新为su＝LSTM(ωt-1，su-1)，ωt-1为前一时刻生成的创意描述词，即历史时刻的创意描述词，su-1为预测模型中单元u-1的隐藏层参数，Ws为解码阶段的超参。
可选的，基于对偶注意力机制，根据所述目标属性状态特征确定创意描述词，包括：根据预测模型的隐藏层参数和编码模型的隐藏层参数，确定当前时刻的局部注意力向量；根据预测模型的隐藏层参数和目标属性词特征表示，确定当前时刻的全局注意力向量；对所述局部注意力向量和所述全局注意力向量进行融合，得到当前时刻的属性信息融合结果；根据当前时刻的属性信息融合结果、预测模型的隐藏层参数、所述目标属性词特征表示以及历史时刻的创意描述词，确定当前时刻的创意描述词。
示例性的，可以根据如下公式确定当前时刻t时刻的局部注意力向量
其中，su为预测模型的隐藏层参数，hu为编码模型的隐藏层参数，N为模型中单元的总数，g可以为sigmoid函数，也可以为结构与sigmoid函数结构相似的函数。通过确定当前时刻的局部注意力向量，能够反映创意描述词对投放信息的创意内容生成的影响。
可以根据如下公式确定当前时刻t时刻的全局注意力向量
其中，su为预测模型的隐藏层参数，zu为目标属性词特征表示，N为模型中单元的总数，g可以为sigmoid函数，也可以为结构与sigmoid函数结构相似的函数。通过确定当前时刻的全局注意力向量，从而确定不同纬度的属性信息对创意内容生成的影响，从而明确在创意内容生成的过程中，所采用的属性信息的时刻和维度。
可以根据如下公式确定当前时刻的属性信息融合结果
通过将局部注意力向量和全局注意力向量进行融合，从而使融合结果中包含了得到的创意描述词对创意内容的影响，以及不同纬度的属性信息对创意内容生成的影响。
示例性的，最终创意描述词模型的目标函数为最大化概率：
其中，为当前时刻生成的创意描述词，ω0：t-1为t-1时刻生成的创意描述词，ωt为根据先验知识在特定条件下确定的词，/>为对偶注意力机制的融合结果，p为组成创意内容的创意描述词的个数。
可选的，在本申请实施例中，若生成的创意描述词未存在于词典中，则从词典中选择与创意描述词相关性最高的词作为创意描述词。
S240、基于预测模型，根据所述创意描述词造句生成所述投放信息的创意内容。
示例性的，根据生成的创意描述词，基于合成模型生成创意内容从而使生成的投放信息的创意内容中包含了多维度的属性信息，提高了创意内容的信息丰富度。图3是根据本申请实施例提供的另一种投放信息的创意内容生成方法的模型结构示意图，如图3所示，其中，Zn为属性词特征表示，hn为编码模型的隐藏层参数，sn为预测模型的隐藏层参数。根据编码模型和预测模型得到创意描述词某某市、少林、国家、正规等，将得到的创意描述词组成句子，得到创意内容“某某市少林学校，武术培训招生，因材施教，国家正规”，包含了丰富的信息内容，从而便于用户根据丰富的创意内容选择其感兴趣的投放信息，提高了投放信息和创意内容的转化效果
本申请实施例，通过引入对偶注意力机制，从而准确分析生成的描述词以及不同维度的属性信息对创意内容生成的影响，从而使生成的创意内容融合的多个维度的属性信息，以使创意内容包含丰富的信息，便于用户通过创意内容中丰富的创意信息选择投放信息进行阅览，提高了投放信息的转化效果。
图4是根据本申请实施例提供的投放信息的创意内容生成装置的结构示意图。参见图4，本申请实施例公开了一种投放信息的创意内容生成装置300，该装置300包括：属性词确定模块301、目标属性状态特征确定模块302和创意内容生成模块303。
其中，属性词确定模块301，用于根据投放信息的至少两个维度的属性信息，确定投放信息的至少两个属性词以及至少两个属性词特征表示；
目标属性状态特征确定模块302，用于根据所述至少两个属性词特征表示，确定目标属性状态特征；
创意内容生成模块303，用于根据所述目标属性状态特征，生成投放信息的创意内容。
本申请实施例通过根据投放信息的至少两个维度的属性信息，确定目标属性状态特征，并根据目标属性状态特征，生成投放信息的创意内容，从而克服了无法融合多维度的属性特征以生成包含丰富信息的创意内容的问题，实现了在生成创意内容的过程中融合投放信息的属性词从而使生成的创意内容中包含丰富的信息，从而提高投放信息创意内容的转化效果。
进一步地，所述属性词确定模块301，包括：
分词单元，用于对投放信息的至少两个维度的属性信息进行分词，得到至少两个属性词；
特征表示确定单元，用于根据所述属性词所属维度，属性词的正序位置信息和属性词的逆序位置信息，确定所述属性词特征表示。
进一步地，所述投放信息的维度数据包括公司名称、一级行业、二级行业和三级行业中的至少一项，以及投放者的关键词。
进一步地，所述目标属性状态特征确定模块302，包括：
编码单元，用于基于具有域门机制的编码模型，根据所述至少两个属性词特征表示，确定所述目标属性状态特征。
进一步地，所述编码单元，包括：
输入子单元，用于将所述至少两个属性词特征表示作为具有域门机制的编码模型中至少两个单元的输入；
状态确定子单元，用于根据所述单元的域门和所述单元的输入，确定所述单元的状态值；其中，所述单元的域门中元素取值区间为[0，1]，0表示完全丢弃，1表示完全保留；
隐藏输出值确定子单元，用于根据所述单元的状态值确定所述编码模型的隐藏输出值，作为所述目标属性状态特征。
进一步地，所述创意内容生成模块303，包括：
描述词确定单元，用于基于对偶注意力机制，根据所述目标属性状态特征确定创意描述词；
预测单元，用于基于预测模型，根据所述创意描述词造句生成所述投放信息的创意内容。
进一步地，所述描述词确定单元，包括：
局部确定子单元，用于根据预测模型的隐藏层参数和编码模型的隐藏层参数，确定当前时刻的局部注意力向量；
全局确定子单元，用于根据预测模型的隐藏层参数和目标属性词特征表示，确定当前时刻的全局注意力向量；
融合子单元，用于对所述局部注意力向量和所述全局注意力向量进行融合，得到当前时刻的属性信息融合结果；
当前描述词确定子单元，用于根据当前时刻的属性信息融合结果、预测模型的隐藏层参数、所述目标属性词特征表示以及历史时刻的创意描述词，确定当前时刻的创意描述词。
本申请实施例所提供的投放信息的创意内容生成装置可执行本申请任意实施例所提供的投放信息的创意内容生成方法，具备执行方法相应的功能模块和有益效果。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图5所示，图5是用来实现本申请实施例的投放信息的创意内容生成方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图5所示，该电子设备包括：一个或多个处理器401、存储器402，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图5中以一个处理器401为例。
存储器402即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的语音识别的方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的语音识别的方法。
存储器402作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的语音识别的方法对应的程序指令/模块(例如，图4所示的属性词确定模块301、目标属性状态特征确定模块302和创意内容生成模块303)。处理器401通过运行存储在存储器402中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的语音识别的方法。
存储器402可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据语音识别的电子设备的使用所创建的数据等。此外，存储器402可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器402可选包括相对于处理器401远程设置的存储器，这些远程存储器可以通过网络连接至语音识别的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
语音识别的方法的电子设备还可以包括：输入装置403和输出装置404。处理器401、存储器402、输入装置403和输出装置404可以通过总线或者其他方式连接，图5中以通过总线连接为例。
输入装置403可接收输入的数字或字符信息，以及产生与语音识别的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置404可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。
Claims (9)
1.一种投放信息的创意内容生成方法，其特征在于，包括：
根据投放信息的至少两个维度的属性信息，确定投放信息的至少两个属性词以及至少两个属性词特征表示；
根据所述至少两个属性词特征表示，确定目标属性状态特征；
根据所述目标属性状态特征，生成投放信息的创意内容；
根据投放信息的至少两个维度的属性信息，确定投放信息的至少两个属性词以及至少两个属性词特征表示，包括：
对投放信息的至少两个维度的属性信息进行分词，得到至少两个属性词；
根据所述属性词所属维度，属性词的正序位置信息和属性词的逆序位置信息，确定所述属性词特征表示；
根据所述至少两个属性词特征表示，确定目标属性状态特征，包括：
基于具有域门机制的编码模型，根据所述至少两个属性词特征表示，确定所述目标属性状态特征。
2.根据权利要求1所述的方法，其特征在于，所述投放信息的维度数据包括公司名称、一级行业、二级行业和三级行业中的至少一项，以及投放者的关键词。
3.根据权利要求1所述的方法，其特征在于，基于具有域门机制的编码模型，根据所述至少两个属性词特征表示，确定所述目标属性状态特征，包括：
将所述至少两个属性词特征表示作为具有域门机制的编码模型中至少两个单元的输入；
根据所述单元的域门和所述单元的输入，确定所述单元的状态值；其中，所述单元的域门中元素取值区间为[0,1]，0表示完全丢弃，1表示完全保留；
根据所述单元的状态值确定所述编码模型的隐藏输出值，作为所述目标属性状态特征。
4.根据权利要求1所述的方法，其特征在于，根据所述目标属性状态特征，生成投放信息的创意内容，包括：
基于对偶注意力机制，根据所述目标属性状态特征确定创意描述词；
基于预测模型，根据所述创意描述词造句生成所述投放信息的创意内容。
5.根据权利要求4所述的方法，其特征在于，基于对偶注意力机制，根据所述目标属性状态特征确定创意描述词，包括：
根据预测模型的隐藏层参数和编码模型的隐藏层参数，确定当前时刻的局部注意力向量；
根据预测模型的隐藏层参数和目标属性词特征表示，确定当前时刻的全局注意力向量；
对所述局部注意力向量和所述全局注意力向量进行融合，得到当前时刻的属性信息融合结果；
根据当前时刻的属性信息融合结果、预测模型的隐藏层参数、所述目标属性词特征表示以及历史时刻的创意描述词，确定当前时刻的创意描述词。
6.根据权利要求1所述的方法，其特征在于，根据所述目标属性状态特征，生成投放信息的创意内容之后，还包括：
根据投放信息的点击率和/或用户行为数据，对所述投放信息的创意内容进行校验。
7.一种投放信息的创意内容生成装置，其特征在于，所述装置包括：
属性词确定模块，用于根据投放信息的至少两个维度的属性信息，确定投放信息的至少两个属性词以及至少两个属性词特征表示；
目标属性状态特征确定模块，用于根据所述至少两个属性词特征表示，确定目标属性状态特征；
创意内容生成模块，用于根据所述目标属性状态特征，生成投放信息的创意内容；
所述属性词确定模块，包括：
分词单元，用于对投放信息的至少两个维度的属性信息进行分词，得到至少两个属性词；
特征表示确定单元，用于根据所述属性词所属维度，属性词的正序位置信息和属性词的逆序位置信息，确定所述属性词特征表示；
所述目标属性状态特征确定模块，包括：
编码单元，用于基于具有域门机制的编码模型，根据所述至少两个属性词特征表示，确定所述目标属性状态特征。
8.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
9.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911014230.2A CN112699296B (zh) | 2019-10-23 | 2019-10-23 | 投放信息的创意内容生成方法、装置、设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911014230.2A CN112699296B (zh) | 2019-10-23 | 2019-10-23 | 投放信息的创意内容生成方法、装置、设备和介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112699296A CN112699296A (zh) | 2021-04-23 |
| CN112699296B true CN112699296B (zh) | 2023-10-24 |
Family
ID=75505326
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911014230.2A Active CN112699296B (zh) | 2019-10-23 | 2019-10-23 | 投放信息的创意内容生成方法、装置、设备和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112699296B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113570422B (zh) * | 2021-09-26 | 2022-02-08 | 腾讯科技（深圳）有限公司 | 创意指导信息的生成方法、装置、计算机设备和存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1995014289A2 (en) * | 1993-11-18 | 1995-05-26 | Pinecone Imaging Corporation | Identification/authentication coding method and apparatus |
| WO2011163384A2 (en) * | 2010-06-22 | 2011-12-29 | Eyewonder Inc. | Dynamic creative creation & delivery |
| WO2013169541A1 (en) * | 2012-05-07 | 2013-11-14 | Google Inc. | Content item profiles |
| CN103399938A (zh) * | 2013-08-09 | 2013-11-20 | 北京国双科技有限公司 | 关键词质量度的检测方法和装置 |
| CN105354032A (zh) * | 2015-11-12 | 2016-02-24 | 湖南右脑科技有限公司 | 一种自动生成创意的方法及系统 |
| CN105956888A (zh) * | 2016-05-31 | 2016-09-21 | 北京创意魔方广告有限公司 | 广告个性化展示方法 |
| CN108153909A (zh) * | 2018-01-18 | 2018-06-12 | 百度在线网络技术（北京）有限公司 | 关键词投放拓词方法、装置及电子设备、存储介质 |
| CN109033266A (zh) * | 2018-07-09 | 2018-12-18 | 北京三快在线科技有限公司 | 信息投放方法、装置、电子设备及计算机可读介质 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3164842A4 (en) * | 2014-07-01 | 2017-11-08 | Google LLC | Systems and methods for suggesting creative types for online content items to advertiser |
| US10445376B2 (en) * | 2015-09-11 | 2019-10-15 | Microsoft Technology Licensing, Llc | Rewriting keyword information using search engine results |
| US10387776B2 (en) * | 2017-03-10 | 2019-08-20 | Adobe Inc. | Recurrent neural network architectures which provide text describing images |
| CN107783960B (zh) * | 2017-10-23 | 2021-07-23 | 百度在线网络技术（北京）有限公司 | 用于抽取信息的方法、装置和设备 |
-
2019
- 2019-10-23 CN CN201911014230.2A patent/CN112699296B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1995014289A2 (en) * | 1993-11-18 | 1995-05-26 | Pinecone Imaging Corporation | Identification/authentication coding method and apparatus |
| WO2011163384A2 (en) * | 2010-06-22 | 2011-12-29 | Eyewonder Inc. | Dynamic creative creation & delivery |
| WO2013169541A1 (en) * | 2012-05-07 | 2013-11-14 | Google Inc. | Content item profiles |
| CN103399938A (zh) * | 2013-08-09 | 2013-11-20 | 北京国双科技有限公司 | 关键词质量度的检测方法和装置 |
| CN105354032A (zh) * | 2015-11-12 | 2016-02-24 | 湖南右脑科技有限公司 | 一种自动生成创意的方法及系统 |
| CN105956888A (zh) * | 2016-05-31 | 2016-09-21 | 北京创意魔方广告有限公司 | 广告个性化展示方法 |
| CN108153909A (zh) * | 2018-01-18 | 2018-06-12 | 百度在线网络技术（北京）有限公司 | 关键词投放拓词方法、装置及电子设备、存储介质 |
| CN109033266A (zh) * | 2018-07-09 | 2018-12-18 | 北京三快在线科技有限公司 | 信息投放方法、装置、电子设备及计算机可读介质 |
Non-Patent Citations (1)
| Title |
|---|
| "基于数据挖掘的电商搜索广告投放策略研究";张磊等;《工 业 工 程》;69-78 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112699296A (zh) | 2021-04-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112507715B (zh) | 确定实体之间关联关系的方法、装置、设备和存储介质 | |
| JP7317791B2 (ja) | エンティティ・リンキング方法、装置、機器、及び記憶媒体 | |
| KR102577514B1 (ko) | 텍스트 창작 방법, 텍스트 창작 장치, 전자 기기 및 저장 매체 | |
| WO2022100045A1 (zh) | 分类模型的训练方法、样本分类方法、装置和设备 | |
| EP3937032A1 (en) | Search result determination method, device, apparatus, and computer storage medium | |
| US11531813B2 (en) | Method, electronic device and readable storage medium for creating a label marking model | |
| KR20210040851A (ko) | 텍스트 인식 처리 방법, 장치, 전자 기기 및 저장매체 | |
| CN112560912A (zh) | 分类模型的训练方法、装置、电子设备和存储介质 | |
| KR20210040319A (ko) | 엔티티 링킹 방법, 장치, 기기, 저장 매체 및 컴퓨터 프로그램 | |
| CN112487814B (zh) | 实体分类模型训练方法、实体分类方法、装置及电子设备 | |
| CN112560479B (zh) | 摘要抽取模型训练方法、摘要抽取方法、装置和电子设备 | |
| JP7309798B2 (ja) | 対話意図の認識方法及び装置、電子機器並びに記憶媒体 | |
| JP7149993B2 (ja) | 感情分析モデルの事前トレーニング方法、装置及び電子機器 | |
| JP2022020582A (ja) | 自然言語処理モデルの訓練方法、装置、デバイス及び記憶媒体 | |
| US11343572B2 (en) | Method, apparatus for content recommendation, electronic device and storage medium | |
| CN111950291A (zh) | 语义表示模型的生成方法、装置、电子设备及存储介质 | |
| CN111859953B (zh) | 训练数据的挖掘方法、装置、电子设备及存储介质 | |
| CN111666751B (zh) | 训练文本扩充方法、装置、设备以及存储介质 | |
| JP7295200B2 (ja) | 汎化処理方法、装置、デバイス、コンピュータ記憶媒体及びプログラム | |
| CN112380855B (zh) | 确定语句通顺度的方法、确定概率预测模型的方法和装置 | |
| CN112231554B (zh) | 一种搜索推荐词生成方法、装置、存储介质和计算机设备 | |
| CN111539209A (zh) | 用于实体分类的方法和装置 | |
| CN110321561A (zh) | 一种关键词提取方法和装置 | |
| US20230094730A1 (en) | Model training method and method for human-machine interaction | |
| CN116521882A (zh) | 基于知识图谱的领域长文本分类方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |