CN110728533A - 生成评论文本的方法、装置及计算机可读存储介质 - Google Patents

Abstract

本公开提供了一种生成评论文本的方法、装置及计算机可读存储介质，涉及计算机技术领域。其中的生成评论文本的方法包括：向用户发送评论对象的评论参数及对应的参数值选项，供用户选择评论参数对应的参数值；接收用户发送的评论参数及对应的参数值；利用自然语言生成模型对评论参数及对应的参数值进行处理，自动生成完整评论文本。本公开为用户实现了通过点击选择的方式自动生成完整评论文本，无须用户输入文字，从而提高了用户发表评论的概率。

Description

生成评论文本的方法、装置及计算机可读存储介质

技术领域

本公开涉及计算机技术领域，特别涉及一种生成评论文本的方法、装置及计算机可读存储介质。

背景技术

目前的网络购物技术中，用户在购物完成之后都可以对所购买的商品发表评论，以表达商品使用的心得以及商品的优缺点等问题。

和没有评论的商品相比，有很多优质评论的商品的下单率会更高，所以运营人员会希望用户发表更多的优质评论。为了提高用户发表评论的概率，相关技术中采用了例如积分奖励、推送提醒评论消息等方式。然而，仍会有很多用户在知晓评论有积分奖励、收到提醒评论消息的情况下不发表评论，因此用户发表评论的概率较低。

发明内容

本公开解决的一个技术问题是，如何提高用户发表评论的概率。

根据本公开实施例的一个方面，提供了一种生成评论文本的方法，包括：向用户发送评论对象的评论参数及对应的参数值选项，供用户选择评论参数对应的参数值；接收用户发送的评论参数及对应的参数值；利用自然语言生成模型对评论参数及对应的参数值进行处理，自动生成完整评论文本。

在一些实施例中，向用户发送评论对象的评论参数及对应的参数值选项，供用户选择评论参数对应的参数值包括：向用户发送评论对象的关键词树，供用户选择关键词树的叶子节点；关键词树的根节点表示评论对象，关键词树的叶子节点表示参数值选项，关键词树的其余节点表示评论参数，其余节点中的子节点表示其父节点的分支评论参数。

在一些实施例中，该方法还包括：从评论对象的测评信息中抽取评论参数及对应的参数值选项，生成关键词树；接收用户发送的补充评论参数，并确定补充评论参数对应的分支评论参数及参数值选项；将补充评论参数、补充评论参数的分支评论参数及参数值选项更新至关键词树。

在一些实施例中，接收用户发送的补充评论参数包括：接收用户发送的补充关键词；根据接收到相同补充关键词的总次数以及补充关键词与评论参数之间的词向量距离，从补充关键词中确定补充评论参数。

在一些实施例中，根据接收补充关键词的数量以及补充关键词与评论参数之间的词向量距离，从补充关键词中确定补充评论参数包括：将接收总次数大于第一阈值且与评论参数之间的词向量距离大于第二阈值的相同补充关键词作为补充评论参数。

在一些实施例中，该方法还包括：将关键词树中的子节点按照词频-逆向文档频率由高到低的顺序进行排序。

在一些实施例中，该方法还包括：利用评论参数，将完整评论文本与其余节点相关联；响应于用户选择其余节点，向用户呈现相关联的完整评论文本。

在一些实施例中，利用自然语言生成模型对评论参数及对应的参数值进行处理，自动生成完整的评论文本包括：利用多种自然语言生成模型对评论参数及对应的参数值进行处理，生成多种文本风格的完整评论文本；将多种文本风格的完整评论文本发送至用户，以便用户选择所需的完整评论文本；接收用户选择的完整评论文本。

在一些实施例中，该方法还包括：记录用户所选完整评论文本对应的自然语言生成模型，以便后续利用对应的自然语言生成模型为用户自动生成完整评论文本。

根据本公开实施例的另一个方面，提供了另一种生成评论文本的装置，包括：信息发送模块，被配置为向用户发送评论对象的评论参数及对应的参数值选项，供用户选择评论参数对应的参数值；信息接收模块，被配置为接收用户发送的评论参数及对应的参数值；文本生成模块，被配置为利用自然语言生成模型对评论参数及对应的参数值进行处理，自动生成完整评论文本。

在一些实施例中，信息发送模块被配置为：向用户发送评论对象的关键词树，供用户选择关键词树的叶子节点；关键词树的根节点表示评论对象，关键词树的叶子节点表示参数值选项，关键词树的其余节点表示评论参数，其余节点中的子节点表示其父节点的分支评论参数。

在一些实施例中，装置还包括关键词树生成模块，被配置为：从评论对象的测评信息中抽取评论参数及对应的参数值选项，生成关键词树；接收用户发送的补充评论参数，并确定补充评论参数对应的分支评论参数及参数值选项；将补充评论参数、补充评论参数的分支评论参数及参数值选项更新至关键词树。

在一些实施例中，关键词树生成模块被配置为：接收用户发送的补充关键词；根据接收到相同补充关键词的总次数以及补充关键词与评论参数之间的词向量距离，从补充关键词中确定补充评论参数。

在一些实施例中，关键词树生成模块被配置为：将接收总次数大于第一阈值且与评论参数之间的词向量距离大于第二阈值的相同补充关键词作为补充评论参数。

在一些实施例中，该装置还包括节点排序模块，被配置为：将关键词树中的子节点按照词频-逆向文档频率由高到低的顺序进行排序。

在一些实施例中，该装置还包括文本呈现模块，被配置为：利用评论参数，将完整评论文本与其余节点相关联；响应于用户选择其余节点，向用户呈现相关联的完整评论文本。

在一些实施例中，文本生成模块被配置为：利用多种自然语言生成模型对评论参数及对应的参数值进行处理，生成多种文本风格的完整评论文本；将多种文本风格的完整评论文本发送至用户，以便用户选择所需的完整评论文本，接收用户选择的完整评论文本。

在一些实施例中，该装置还包括模型记录模块，被配置为：记录用户所选完整评论文本对应的自然语言生成模型，以便后续利用对应的自然语言生成模型为用户自动生成完整评论文本。

根据本公开实施例的又一个方面，提供了一种生成评论文本的装置，包括：存储器；以及耦接至存储器的处理器，处理器被配置为基于存储在存储器中的指令，执行前述的生成评论文本的方法。

根据本公开实施例的再一个方面，提供了一种计算机可读存储介质，其中，计算机可读存储介质存储有计算机指令，指令被处理器执行时实现前述的生成评论文本的方法。

本公开为用户实现了通过点击选择的方式自动生成完整评论文本，无须用户输入文字，从而提高了用户发表评论的概率。

通过以下参照附图对本公开的示例性实施例的详细描述，本公开的其它特征及其优点将会变得清楚。

附图说明

为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1示出了本公开一个实施例的生成评论文本的方法的流程示意图。

图2示出了本公开另一个实施例的生成评论文本的方法的流程示意图。

图3示出了关键词树的结构示意图。

图4示出了自动生成完整评论文本过程的一个实施例的流程示意图。

图5示出了本公开一个实施例的生成评论文本的装置的结构示意图。

图6示出了本公开另一个实施例的生成评论文本的装置的结构示意图。

具体实施方式

下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本公开保护的范围。

发明人研究发现，用户发表评论的概率较低的一个重要原因是，发表一个评论要输入至少十个文字，一个好评更是要动辄几百字。大部分用户都不愿意手动编辑这么多字，非常浪费时间。

首先结合图1介绍本公开一个实施例的生成评论文本的方法。

图1示出了本公开一个实施例的生成评论文本的方法的流程示意图。如图1所示，本实施例中的生成评论文本的方法包括步骤S101～步骤S103。

在步骤S101中，向用户发送评论对象的评论参数及对应的参数值选项，供用户选择评论参数对应的参数值。

评论参数及对应的参数值选项可以是类似于<商品规格参数:使用心得>键值对。对于手机品类而言，评论参数及对应的参数值选项可以是<摄像头：清晰/不清晰>、<电池：续航久/容量大/发热>等等。

在步骤S102中，接收用户发送的评论参数及对应的参数值。

在步骤S103中，利用自然语言生成模型对评论参数及对应的参数值进行处理，自动生成完整评论文本。

自然语言生成模型具体可以通过语义分析，深度学习等计算技术进行建立和训练。同时，结合电商内部数据以及互联网数据作为写作素材建立知识语料库。向自然语言生成模型输入评论参数对应的参数值，自然语言生成模型就可以自动输出相应的完整评论文本。

上述实施例中，用户可以通过点击的方式选择相关的评论参数及对应的参数值作为商品的概要描述，然后通过自然语言生成模型自动生成完整评论文本，使得用户发表评论时无需输入文字，从而提高了用户发表评论的概率。

下面结合图2介绍本公开一个实施例的生成评论文本的方法。

图2示出了本公开另一个实施例的生成评论文本的方法的流程示意图。如图2所示，本实施例中的生成评论文本的方法包括步骤S201～步骤S209。

在步骤S201中，从评论对象的测评信息中抽取评论参数及对应的参数值选项，生成关键词树。

把商品的评论参数及对应的参数值选项从相关测评文章以及用户已有的评论文本中进行抽取，把抽取出来的评论参数及对应的参数值选项组成一个树形的数据结构，生成关键词树。图3示出了关键词树的结构示意图，可以对每个品类的商品维护一棵关键词树，关键词树的根节点表示评论对象或评论对象的品类，关键词树的叶子节点表示参数值选项，关键词树的其余节点表示评论参数，其余节点中的子节点表示其父节点的分支评论参数。

在步骤S202中，在向用户发送评论对象的评论参数及对应的参数值选项时，采用向用户发送评论对象的关键词树的方式，供用户选择关键词树的叶子节点。

用户对某品类下的某个商品进行评论的时候，可以通过服务端以json的形式将关键词树下发到用户的客户端，以一种树形结构用户界面或者嵌套列表用户界面展示给用户，用户可以进行点击选择，使得用户可以通过点击的方式选择关键词树的叶子节点，也就是选择评论参数及对应的参数值选项。

在步骤S203中，接收用户发送的补充评论参数，并确定补充评论参数对应的分支评论参数及参数值选项。

评论参数及对应的参数值选项可以通过抽取的方式初始化，也可以通过用户补充的形式来不断完善。具体来说，可以先接收用户发送的补充关键词，然后根据接收到相同补充关键词的总次数以及补充关键词与评论参数之间的词向量距离，从补充关键词中确定补充评论参数。

例如，可以将接收总次数大于第一阈值且与评论参数之间的词向量距离大于第二阈值的相同补充关键词作为补充评论参数。关于词向量距离，可以通过训练将词映射成固定长度的短向量，所有的向量构成一个词向量空间，而每一个向量可以视为该空间中的一个点，在空间中引入距离的概念，就可以根据词之间的距离判断它们之间的相似性。如果超过阈值就认为两个词是相似的，无需更新关键词树；如果是不相似的，可以更新关键词树。

在步骤S204中，将补充评论参数、补充评论参数的分支评论参数及参数值选项更新至关键词树。

可选的，图2所示的实施例的生成评论文本的方法还可以包括步骤S205。在步骤S205中，将关键词树中的子节点按照词频-逆向文档频率由高到低的顺序进行排序。

词频-逆向文档频率是一种统计方法，用以评估字词对于一个文件集或一个语料库中的其中一份文件的重要程度。字词的重要性随着它在文件中出现的次数成正比增加，但同时会随着它在语料库中出现的频率成反比下降。本实施例中的词频-逆向文档频率的作用就是让更通用的关键词排在最前面，比较偏僻的关键词排在后面，方便用户的使用，进一步提高了用户发表评论的概率。

此外，商家或运营人员还可以补充增加或者更改树形结构以及子节点的顺序，排序靠前会更容易引起注意会有更大的选择可能，从而根据需要更改树形结构来引导用户在商品的某些方面进行评论。

在步骤S206中，接收用户发送的评论参数及对应的参数值。

在步骤S207中，利用自然语言生成模型对评论参数及对应的参数值进行处理，自动生成完整评论文本。

步骤S207的实现过程具体可以参照步骤S103，在此不作赘述。

上述实施例中，利用关键词树将商品的不同方面按照树的形式组织起来，划分详细且简单明了，方便用户在关键词树中点选想要评论商品的维度，进一步提高了用户发表评论的概率。同时，用户在进行评论的时候针对没有的方面也可以进行补充，通过词向量的比对等方式将某些补充较多的方面更新到关键词树中，使得关键词树不断完善。

可选的，图2所示的实施例的生成评论文本的方法还可以包括步骤S208～S209。

在步骤S208中，利用评论参数，将完整评论文本与其余节点相关联。

用户的评论参数可以映射到关键词树结构上，经过统计所有评论的用户提交的评论参数，可以形成一个基于关键词树的晒单评论树，关键词树的每个评论参数都对应着用户提交的评论参数及参数值选项。

在步骤S209中，响应于用户选择其余节点，向用户呈现相关联的完整评论文本。

浏览商品评论的用户不仅仅可以浏览评论列表，还可以在关键词树中选择某个更想了解的评论参数，查看对这个评论参数有评论的用户都是什么评论。

上述实施例中，基于关键词树构建晒单评论树，评论晒单树中的每个叶子节点都保存有对应评论参数的评论统计信息。当其它用户浏览评论的时候，用户可以全面的看到评论对象的所有属性维度，从而让浏览评论的人非常快速的获取自己想要了解的维度方面的信息，使得评论的信息传递更加高效。

下面结合图4介绍自动生成完整评论文本过程的一个实施例。

图4示出了自动生成完整评论文本过程的一个实施例的流程示意图。如图4所示，图1实施例中的步骤S106具体可以包括步骤S4061～步骤S4064。

在步骤S4061中，利用多种自然语言生成模型对评论参数及对应的参数值进行处理，生成多种文本风格的完整评论文本。

在步骤S4062中，将多种文本风格的完整评论文本发送至用户，以便用户选择所需的完整评论文本。

在步骤S4063中，接收用户选择的完整评论文本。

可选的，自动生成完整评论文本过程还可以包括步骤S4068。

在步骤S4064中，记录用户所选完整评论文本对应的自然语言生成模型，以便后续利用对应的自然语言生成模型为用户自动生成完整评论文本。

上述实施例中，使用自然语言生成的方式来生成多条风格不同的评论供用户选择，用户每次选择就保存用户的文本风格偏好，以便后续优先或更多提供用户的文本风格偏好的评论文本。

下面结合图5描述本公开一个实施例的生成评论文本的装置。

图5示出了本公开一个实施例的生成评论文本的装置的结构示意图。如图5所示，本实施例中的生成评论文本的装置50包括：

信息发送模块502，被配置为向用户发送评论对象的评论参数及对应的参数值选项，供用户选择评论参数对应的参数值；

信息接收模块504，被配置为接收用户发送的评论参数及对应的参数值；

文本生成模块506，被配置为利用自然语言生成模型对评论参数及对应的参数值进行处理，自动生成完整评论文本。

上述实施例中，用户可以通过点击的方式选择相关的评论参数及对应的参数值作为商品的概要描述，然后通过自然语言生成模型自动生成完整评论文本，使得用户发表评论时无需输入文字，从而提高了用户发表评论的概率。

在一些实施例中，信息发送模块502被配置为：向用户发送评论对象的关键词树，供用户选择关键词树的叶子节点；关键词树的根节点表示评论对象，关键词树的叶子节点表示参数值选项，关键词树的其余节点表示评论参数，其余节点中的子节点表示其父节点的分支评论参数。

在一些实施例中，装置50还包括关键词树生成模块501，被配置为：从评论对象的测评信息中抽取评论参数及对应的参数值选项，生成关键词树；接收用户发送的补充评论参数，并确定补充评论参数对应的分支评论参数及参数值选项；将补充评论参数、补充评论参数的分支评论参数及参数值选项更新至关键词树。

在一些实施例中，关键词树生成模块501被配置为：接收用户发送的补充关键词；根据接收到相同补充关键词的总次数以及补充关键词与评论参数之间的词向量距离，从补充关键词中确定补充评论参数。

在一些实施例中，关键词树生成模块501被配置为：将接收总次数大于第一阈值且与评论参数之间的词向量距离大于第二阈值的相同补充关键词作为补充评论参数。

上述实施例中，利用关键词树将商品的不同方面按照树的形式组织起来，划分详细且简单明了，方便用户在关键词树中点选想要评论商品的维度，进一步提高了用户发表评论的概率。同时，用户在进行评论的时候针对没有的方面也可以进行补充，通过词向量的比对等方式将某些补充较多的方面更新到关键词树中，使得关键词树不断完善。

在一些实施例中，装置50还包括节点排序模块505，被配置为：将关键词树中的子节点按照词频-逆向文档频率由高到低的顺序进行排序。

本实施例中的词频-逆向文档频率的作用就是让更通用的关键词排在最前面，比较偏僻的关键词排在后面，方便用户的使用，进一步提高了用户发表评论的概率。

在一些实施例中，装置50还包括文本呈现模块507，被配置为：利用评论参数，将完整评论文本与其余节点相关联；响应于用户选择其余节点，向用户呈现相关联的完整评论文本。

上述实施例中，基于关键词树构建晒单评论树，评论晒单树中的每个叶子节点都保存有对应评论参数的评论统计信息。当其它用户浏览评论的时候，用户可以全面的看到评论对象的所有属性维度，从而让浏览评论的人非常快速的获取自己想要了解的维度方面的信息，使得评论的信息传递更加高效。

在一些实施例中，文本生成模块506被配置为：利用多种自然语言生成模型对评论参数及对应的参数值进行处理，生成多种文本风格的完整评论文本；将多种文本风格的完整评论文本发送至用户，以便用户选择所需的完整评论文本；接收用户选择的完整评论文本。

在一些实施例中，装置50还包括模型记录模块507，被配置为：记录用户所选完整评论文本对应的自然语言生成模型，以便后续利用对应的自然语言生成模型为用户自动生成完整评论文本。

上述实施例中，使用自然语言生成的方式来生成多条风格不同的评论供用户选择，用户每次选择就保存用户的文本风格偏好，以便后续优先或更多提供用户的文本风格偏好的评论文本。

图6示出了本公开另一个实施例的生成评论文本的装置的结构示意图。如图6所示，该实施例的生成评论文本的装置60包括：存储器610以及耦接至该存储器610的处理器620，处理器620被配置为基于存储在存储器610中的指令，执行前述任意一个实施例中的生成评论文本的方法。

其中，存储器610例如可以包括系统存储器、固定非易失性存储介质等。系统存储器例如存储有操作系统、应用程序、引导装载程序(Boot Loader)以及其他程序等。

生成评论文本的装置60还可以包括输入输出接口630、网络接口640、存储接口650等。这些接口630、640、650以及存储器610和处理器620之间例如可以通过总线660连接。其中，输入输出接口630为显示器、鼠标、键盘、触摸屏等输入输出设备提供连接接口。网络接口640为各种联网设备提供连接接口。存储接口650为SD卡、U盘等外置存储设备提供连接接口。

本公开还包括一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现前述任意一个实施例中的生成评论文本的方法。

本领域内的技术人员应明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用非瞬时性存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述仅为本公开的较佳实施例，并不用以限制本公开，凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (20)

1.一种生成评论文本的方法，包括：

向用户发送评论对象的评论参数及对应的参数值选项，供用户选择所述评论参数对应的参数值；

接收用户发送的评论参数及对应的参数值；

利用自然语言生成模型对所述评论参数及对应的参数值进行处理，自动生成完整评论文本。

2.如权利要求1所述的方法，其中，所述向用户发送评论对象的评论参数及对应的参数值选项，供用户选择所述评论参数对应的参数值包括：

向用户发送评论对象的关键词树，供用户选择所述关键词树的叶子节点；所述关键词树的根节点表示所述评论对象，所述关键词树的叶子节点表示所述参数值选项，所述关键词树的其余节点表示所述评论参数，所述其余节点中的子节点表示其父节点的分支评论参数。

3.如权利要求2所述的方法，其中，所述方法还包括：

从所述评论对象的测评信息中抽取所述评论参数及对应的参数值选项，生成所述关键词树；

接收用户发送的补充评论参数，并确定所述补充评论参数对应的分支评论参数及参数值选项；

将所述补充评论参数、所述补充评论参数的分支评论参数及参数值选项更新至所述关键词树。

4.如权利要求3所述的方法，其中，所述接收用户发送的补充评论参数包括：

接收用户发送的补充关键词；

根据接收到相同补充关键词的总次数以及补充关键词与所述评论参数之间的词向量距离，从所述补充关键词中确定补充评论参数。

5.如权利要求4所述的方法，其中，所述根据接收所述补充关键词的数量以及所述补充关键词与所述评论参数之间的词向量距离，从所述补充关键词中确定补充评论参数包括：

将接收总次数大于第一阈值且与所述评论参数之间的词向量距离大于第二阈值的相同补充关键词作为补充评论参数。

6.如权利要求2所述的方法，其中，所述方法还包括：

将所述关键词树中的子节点按照词频-逆向文档频率由高到低的顺序进行排序。

7.如权利要求2所述的方法，其中，所述方法还包括：

利用所述评论参数，将所述完整评论文本与所述其余节点相关联；

响应于用户选择所述其余节点，向用户呈现相关联的完整评论文本。

8.如权利要求1所述的方法，其中，所述利用自然语言生成模型对所述评论参数及对应的参数值进行处理，自动生成完整的评论文本包括：

利用多种自然语言生成模型对所述评论参数及对应的参数值进行处理，生成多种文本风格的完整评论文本；

将多种文本风格的完整评论文本发送至用户，以便用户选择所需的完整评论文本；

接收用户选择的完整评论文本。

9.如权利要求8所述的方法，其中，所述方法还包括：

记录用户所选完整评论文本对应的自然语言生成模型，以便后续利用所述对应的自然语言生成模型为所述用户自动生成完整评论文本。

10.一种生成评论文本的装置，包括：

信息发送模块，被配置为向用户发送评论对象的评论参数及对应的参数值选项，供用户选择所述评论参数对应的参数值；

信息接收模块，被配置为接收用户发送的评论参数及对应的参数值；

文本生成模块，被配置为利用自然语言生成模型对所述评论参数及对应的参数值进行处理，自动生成完整评论文本。

11.如权利要求10所述的装置，其中，所述信息发送模块被配置为：

向用户发送评论对象的关键词树，供用户选择所述关键词树的叶子节点；所述关键词树的根节点表示所述评论对象，所述关键词树的叶子节点表示所述参数值选项，所述关键词树的其余节点表示所述评论参数，所述其余节点中的子节点表示其父节点的分支评论参数。

12.如权利要求11所述的装置，其中，所述装置还包括关键词树生成模块，被配置为：

从所述评论对象的测评信息中抽取所述评论参数及对应的参数值选项，生成所述关键词树；

接收用户发送的补充评论参数，并确定所述补充评论参数对应的分支评论参数及参数值选项；

将所述补充评论参数、所述补充评论参数的分支评论参数及参数值选项更新至所述关键词树。

13.如权利要求12所述的装置，其中，所述关键词树生成模块被配置为：

接收用户发送的补充关键词；

根据接收到相同补充关键词的总次数以及补充关键词与所述评论参数之间的词向量距离，从所述补充关键词中确定补充评论参数。

14.如权利要求13所述的装置，其中，所述关键词树生成模块被配置为：

将接收总次数大于第一阈值且与所述评论参数之间的词向量距离大于第二阈值的相同补充关键词作为补充评论参数。

15.如权利要求11所述的装置，其中，所述装置还包括节点排序模块，被配置为：将所述关键词树中的子节点按照词频-逆向文档频率由高到低的顺序进行排序。

16.如权利要求11所述的装置，其中，所述装置还包括文本呈现模块，被配置为：

利用所述评论参数，将所述完整评论文本与所述其余节点相关联；

响应于用户选择所述其余节点，向用户呈现相关联的完整评论文本。

17.如权利要求10所述的装置，其中，所述文本生成模块被配置为：

利用多种自然语言生成模型对所述评论参数及对应的参数值进行处理，生成多种文本风格的完整评论文本；

将多种文本风格的完整评论文本发送至用户，以便用户选择所需的完整评论文本；

接收用户选择的完整评论文本。

18.如权利要求17所述的装置，其中，所述装置还包括模型记录模块，被配置为：

记录用户所选完整评论文本对应的自然语言生成模型，以便后续利用所述对应的自然语言生成模型为所述用户自动生成完整评论文本。

19.一种生成评论文本的装置，包括：

存储器；以及

耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器中的指令，执行如权利要求1至9中任一项所述的生成评论文本的方法。

20.一种计算机可读存储介质，其中，所述计算机可读存储介质存储有计算机指令，所述指令被处理器执行时实现如权利要求1至9中任一项所述的生成评论文本的方法。

Images