CN112541335B - 生成解读文本的方法、装置、电子设备及存储介质 - Google Patents

生成解读文本的方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN112541335B
CN112541335B CN202011555798.8A CN202011555798A CN112541335B CN 112541335 B CN112541335 B CN 112541335B CN 202011555798 A CN202011555798 A CN 202011555798A CN 112541335 B CN112541335 B CN 112541335B
Authority
CN
China
Prior art keywords
variable
layer
target
data
node
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
Application number
CN202011555798.8A
Other languages
English (en)
Other versions
CN112541335A (zh
Inventor
李岩岩
姜爱荣
窦德景
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202011555798.8A priority Critical patent/CN112541335B/zh
Publication of CN112541335A publication Critical patent/CN112541335A/zh
Priority to US17/365,704 priority patent/US20210326514A1/en
Application granted granted Critical
Publication of CN112541335B publication Critical patent/CN112541335B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/12—Use of codes for handling textual entities
    • G06F40/14—Tree-structured documents
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/166—Editing, e.g. inserting or deleting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/26—Visual data mining; Browsing structured data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/34—Browsing; Visualisation therefor
    • G06F16/345—Summarisation for human users
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/166—Editing, e.g. inserting or deleting
    • G06F40/177—Editing, e.g. inserting or deleting of tables; using ruled lines
    • G06F40/18—Editing, e.g. inserting or deleting of tables; using ruled lines of spreadsheets
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/40—Processing or translation of natural language
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/40—Processing or translation of natural language
    • G06F40/55—Rule-based translation
    • G06F40/56—Natural language generation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请公开了生成解读文本的方法、装置、电子设备及存储介质，涉及人工智能、自然语言处理、大数据等领域。具体实现方案为：根据文本生成指令，确定生成目标图表的解读文本所需的目标变量；根据目标变量，从树结构的至少一层结点中获取与目标变量对应的第一变量；其中，树结构的各层结点中的变量类别不同，一个上层结点中的变量至少与一个下层结点中的变量关联；根据第一变量和文本生成指令，生成目标图表的解读文本。本申请实施例通过对树结构中已存储变量的复用，能够快速准确的生成图表的解读文本。

Description

生成解读文本的方法、装置、电子设备及存储介质
技术领域
本申请涉及数据处理技术领域，尤其涉及人工智能、自然语言处理、大数据等领域。
背景技术
目前图表的分析报告，通常是人为基于图表数据编写的。然而该方式效率较低，当图表数量较多时，则无法满足快速完成所有图表的分析报告的编写需求。
发明内容
本申请提供了一种生成解读文本的方法、装置、电子设备及存储介质。
根据本申请的一方面，提供了一种生成解读文本的方法，包括：
根据文本生成指令，确定生成目标图表的解读文本所需的目标变量；
根据目标变量，从树结构的至少一层结点中获取与目标变量对应的第一变量；其中，树结构的各层结点中的变量类别不同，一个上层结点中的变量至少与一个下层结点中的变量关联；
根据第一变量和文本生成指令，生成目标图表的解读文本。
根据本申请的另一方面，提供了一种生成解读文本的装置，包括：
确定模块，用于根据文本生成指令，确定生成目标图表的解读文本所需的目标变量；
第一获取模块，用于根据目标变量，从树结构的至少一层结点中获取与目标变量对应的第一变量；其中，树结构的各层结点中的变量类别不同，一个上层结点中的变量至少与一个下层结点中的变量关联；
生成模块，用于根据第一变量和文本生成指令，生成目标图表的解读文本。
根据本申请的另一方面，提供了一种电子设备，电子设备的功能可以通过硬件实现，也可以通过硬件执行响应的软件实现。硬件或软件包括一个或多个与上述功能相对应的模块。
在一个可能的设计中，电子设备的结构中包括处理器和存储器，存储器用于存储支持电子设备执行上述生成解读文本的方法的程序，处理器被配置为用于执行存储器中存储的程序。电子设备还可以包括通信接口，用于与其他设备或通信网络通信。
根据本申请的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，用于存储电子设备及电子设备所用的计算机软件指令，其包括用于执行上述生成解读文本的方法所涉及的程序。
根据本申请的另一方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现上述生成解读文本的方法。
本申请实施例通过对树结构中已存储变量的复用，能够快速准确的生成图表的解读文本。
应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
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的生成解读文本方法的实现流程示意图；
图2是根据本申请实施例的生成解读文本的方法的步骤S20、S21实现流程示意图；
图3是根据本申请实施例的生成解读文本的方法的步骤S30、S31实现流程示意图；
图4是根据本申请实施例的生成解读文本的方法的步骤S40、S41实现流程示意图；
图5是根据本申请实施例的树结构的示意图；
图6是根据本申请实施例的图表的示意图；
图7是根据本申请实施例的生成解读文本的装置的结构示意图；
图8是用来实现本申请实施例的生成解读文本的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。
根据本申请的实施例，如图1所示，本申请实施例提供了一种生成解读文本的方法，包括：
S10：根据文本生成指令，确定生成目标图表的解读文本所需的目标变量。
目标图表可以理解为需要为其生成解读文本的图表。解读文本可以理解为基于目标图表所示的内容，生成的文字分析内容。
生成目标图表的解读文本所需的目标变量可以是一个也可以是多个。具体所需的目标变量数量根据文本生成指令以及生成的解读文本的复杂度确定。
例如，当文本生成指令为“2020年北京新建酒店总数”时，目标变量可以包括“2020年”、“北京”、“新建酒店总数”、“2020年北京新建酒店总数”。其中，“2020年”、“北京”、“新建酒店总数”可以理解为单独的数据变量，“2020年北京新建酒店总数”可以理解为组合形成的组合变量。
又如，当文本生成指令为“2020年北京新建酒店总数相较2019年北京新建酒店总数的增长率”时，目标变量可以包括“2020年”、“2019年”、“北京”、“新建酒店总数”、“2020年北京新建酒店总数”、“2019年北京新建酒店总数”、“2020年北京新建酒店总数相较2019年北京新建酒店总数的增长率”。其中，“2020年”、“2019年”、“北京”、“新建酒店总数”可以理解为单独的数据变量，“2020年北京新建酒店总数”、“2019年北京新建酒店总数”可以理解为组合形成的组合变量，“2020年北京新建酒店总数相较2019年北京新建酒店总数的增长率”可以理解为运算变量。
S11：根据目标变量，从树结构的至少一层结点中获取与目标变量对应的第一变量。其中，树结构的各层结点中的变量类别不同，一个上层结点中的变量至少与一个下层结点中的变量关联。
树结构的宽度、深度、层次以及各层结点之间的路径是基于历史数据预先构建的。树结构的每个结点中分别存储有至少一个变量。
各层结点的变量类别不同，可以理解为各层结点对变量的定义不同，维度不同。例如，第一层的结点可以以单一数据作为变量。第二层的结点可以以各单一数据的组合关系作为变量。
与目标变量对应的第一变量可以是一个也可以是多个。
例如，目标变量为“2020年北京新建酒店总数”，树结构中的其中一个结点中的变量刚好为“2020年北京新建酒店总数”时，则与目标变量对应的第一变量是一个。根据该第一变量与下层结点(即“2020年”、“北京”、“新建酒店总数”)之间的路径关系，即可得到第一变量的数据，即2020年北京新建酒店总数的数值。
又如，目标变量为“2020年北京新建酒店总数相较2019年北京新建酒店总数的增长率”，树结构中的其中一个结点中的变量为“2020年北京新建酒店总数”，另一个结点中的变量为“2019年北京新建酒店总数”，则与目标变量对应的第一变量是两个。根据两个第一变量分别与下层结点之间的路径关系，即可得到两个第一变量的数据，即可得到2020年北京新建酒店总数的数值和2019年北京新建酒店总数的数值。
S12：根据第一变量和文本生成指令，生成目标图表的解读文本。
文本生成指令中可以包含有生成解读文本所需的文字信息。
解读文本可以是基于一个目标图表生成的，也可以是基于多个目标图表生成的。也即是说，本申请实施例的方案能够实现对一个图表进行看图说话分析，也能够实现综合多个图表进行看图说话分析。
本申请实施例通过对树结构中已存储变量的复用，能够快速准确的生成图表的解读文本。无需根据不同用户的相同文本生成指令重新进行计算。做到了例行化、自动化的生成图表的解读文本。城市是人类生活的载体，随着大数据、人工智能的发展，对城市进行量化分析成为智慧城市的重要组成。城市量化分析能通过大数据的手段对城市的道路、人文、居住、教育等方方面面进行评估，辅助城市管理者进行决策。因此批量化、大规模、自动化、例行化生成城市或区域的智能报告十分重要。本申请实施例的方法，能基于树结构的变量复用高效自动化生产图表的解读文本，做到基于大数据的图表看图说话。在智慧城市、城市排行、城市评估等方面有重要价值。
在一种实施方式中，如图2所示，本实施方式的生成解读文本的方法包括上述步骤S10至S12，其中，在步骤S10：根据文本生成指令，确定生成目标图表的解读文本所需的目标变量之前，还包括：
S20：根据预设的图表生成规则，从数据源获取数据。
S21：根据从数据源获取的数据，构建目标图表。
在本实施例中，可以实现基于数据源中的数据自动收集和生成图表。
在一个示例中，构建目标图表集包括：
根据预设的图表生成规则，从数据源获取数据。
根据从数据源获取的数据，构建多个目标图表。
将多个目标图表整合，形成目标图表集。
在需要进行解读文本生成时，可以快速的从目标图表集中获取所需的图表。每个目标图表可以包含主键(key)，主键由(region_id,region_level,date)构成。其中，region_id(表示区域身份信息，如北京为110000),region_level(区域级别，如1，2，3，4分别表示省，市，区县，乡镇),date(数据版本，如日、月、季度、年度数据)。基于主键key可以确定唯一的目标图表。
在一个示例中，如图6所示，目标图表可以以柱状图的形式呈现。基于图6的目标图表，可以生成解读文本“北京市2020年1月的美食数量为30000，2020年2月的美食数量为33000，2月较1月美食数量增长了10％”。
在一种实施方式中，如图3所示，本实施方式的生成解读文本的方法包括上述步骤S10至S12，其中，在步骤S11：根据目标变量，从树结构的至少一层结点中获取与目标变量对应的第一变量之前，还包括：
S30：构建树结构，树结构包括数据变量层、组合变量层、运算变量层和条件推导变量层。数据变量层的各结点用于存储数据级别的变量，组合变量层的各结点用于存储数据变量层的各结点的组合关系变量，运算变量层的各结点用于存储组合变量层的各结点的运算逻辑变量，条件推导变量层的各结点用于存储组合变量层的各结点的逻辑判断变量，和/或，运算变量层的各结点的逻辑判断变量。
数据变量层的各结点中可以存储有用户输入的变量，例如，区域名称、开始时间、结束时间、具体数据等。在一个示例中，“北京”、“美食数量”、“30000”都可以认为是存储在数据变量层的各结点中的变量。
组合变量层的各结点中可以存储有通过条件组合查询的变量，如2019年北京市教育类机构的数量，于计算机而言是对应一个sql(Structured Query Language，结构化查询语言)语句的执行，该变量由从数据变量层中选择教育类机构的数量、北京市以及2019三个变量组合得到。
运算变量层是组合变量层的基础运算，运算变量层在计算机的处理过程中是基于下层级的变量进行计算的，比如，北京市教育类机构2020较2019的数量同比变化率＝2020年北京市教育类机构的数量/2019年北京市教育类机构的数量。其中，“北京市教育类机构2020较2019同比变化率”即为运算变量层某结点的变量，“2020年北京市教育类机构的数量”、“2019年北京市教育类机构的数量”即为组合变量层某结点的变量，“北京市”、“2020”、“2019”、“教育类机构的数量”即为数据变量层某结点的变量。
条件推导变量层是逻辑运算变量，是通过逻辑运算进行变量赋值，于计算机而言是一个逻辑判断语句，如“北京市2020年总人口较2019年总人口是增加了还是减少了”即为条件推导变量层某一结点的变量。“北京市2020年总人口”、“北京市2019年总人口”即为组合变量层某结点的变量，“北京市”、“2020”、“2019”、“总人口”即为数据变量层某结点的变量。
S31：根据历史查询指令中包含的第二变量的类别以及第二变量对应的数据，将第二变量以结点形式存入树结构的至少一层中。
历史查询指令可以理解为在先用户为了生成解读图表而输入的指令。
在本实施例中，通过将历史查询指令中的变量存入树结构中，可以实现变量的复用。当其他用户需要基于图表生成相同或相近似的解读文本时，可以利用树结构直接获取已有的变量，节省了生成解读文本所需的数据遍历和计算的时间。
在一个示例中，历史查询指令为“北京市2020年总人口较2019年总人口是增加了还是减少了”，则可以将“北京市2020年总人口较2019年总人口是增加了还是减少了”作为条件推导变量层的类别的变量，并作为条件推导变量层的一个结点的变量存储。“北京市2020年总人口”、“北京市2019年总人口”作为组合变量层的类别的变量，并作为组合变量层的两个结点的变量存储。“北京市”、“2020”、“2019”、“总人口”作为数据变量层的类别的变量，并作为数据变量层的一个或多个结点的变量存储。
在一个示例中，在用户构建描述文本的时候，可以对4种类型的变量进行任意组合和定义，通过构建变量树结构，能尽最大可能对变量的运算过程进行复用。比如，当“2019年北京市教育类机构的数量”(变量1)和“2020年北京市教育类机构的数量”(变量2)两个变量是组合变量层中两个结点存储的变量时，在用户需要生成与变量1和变量2有关的解读文本时，可以直接从树结构中复用这两个变量，根据这两个变量的预存路径从数据变量层快速读取变量和数据，不需要重新遍历和计算。
在一种实施方式中，如图4所示，本实施方式的生成解读文本的方法包括上述步骤S10至S12，还可以包括步骤：
S40：在文本生成指令中存在特殊的目标变量的情况下，基于目标图表对应的图表数据，获取特殊的目标变量的数据。其中，特殊的目标变量为树结构的各层结点中未存储的变量。
步骤S12：根据第一变量和文本生成指令，生成目标图表的解读文本，可以进一步包括：
S41：根据特殊的目标变量的数据、第一变量和文本生成指令，生成目标图表的解读文本。
在本实施例中，通过树结构中变量的复用和目标图表中存储的数据，可以快速准去的生成目标图表的解读文本。
在一个示例中，当用户需要生成关于“北京市2020年总美食数量较2019年总美食数量是增加了还是减少了”的解读文本时，根据特殊的目标变量的数据、第一变量的数据、文本生成指令和目标图表的图表数据，生成目标图表的解读文本，包括：
从树结构中获取到能够复用的变量“2019年总美食数量”的数据。
根据文本生成指令获取到解读文本的文字架构为“北京市2020年总美食数量是XX，2019年总美食数量是XX，2020相较于2019年，美食数量增加了/减少了”。
根据目标图表的图表数据，获取北京市2020年总美食数量的数据。
根据从树结构中获取的“2019年总美食数量”数据和从目标图表中获取的“北京市2020年总美食数量”数据，基于文字框架生成解读文本“北京市2020年总美食数量是30000，2019年总美食数量是29000，2020相较于2019年，美食数量增加了”。
在一种实施方式中，本实施方式的生成解读文本的方法包括上述步骤S10至S12、S40、S41，还可以包括步骤：
S51：根据特殊的目标变量的类别以及特殊的目标变量的数据，将特殊的目标变量以结点形式存入树结构的至少一层中。
在本实施例中，通过将特殊的目标变量存入树结构，可以使其作为已有变量，在后续其他解读文本生成作为可复用的变量使用。
在一个示例中，如图5所示，基于目标图表1的历史查询指令，构建了树结构。树结构包括数据变量层、组合变量层、运算变量层和条件推导变量层。数据变量层包括数据变量层结点1和数据变量层结点2。组合变量层包括组合变量层结点1、组合变量层结点2和组合变量层结点3。运算变量层包括运算变量层结点1和运算变量层结点2。条件推导变量层包括条件推导变量层结点。在生成目标图表1相关的解读文本时可以直接复用数据变量层、组合变量层、运算变量层和条件推导变量层中的结点的变量，以及复用各层结点之间的路径，从而快速的生成解读文本时所需的已有变量进行复用。减少生成解读文本所需的时间。
根据本申请的实施例，如图7所示，提供了一种生成解读文本的装置700，包括：
确定模块710，用于根据文本生成指令，确定生成目标图表的解读文本所需的目标变量。
第一获取模块720，用于根据目标变量，从树结构的至少一层结点中获取与目标变量对应的第一变量。其中，树结构的各层结点中的变量类别不同，一个上层结点中的变量至少与一个下层结点中的变量关联。
生成模块730，用于根据第一变量和文本生成指令，生成目标图表的解读文本。
在一种实施方式中，生成解读文本的装置700还包括：
第二获取模块，用于根据预设的图表生成规则，从数据源获取数据。
构建模块，用于根据从数据源获取的数据，构建目标图表。
在一种实施方式中，生成解读文本的装置700还包括：
构建模块，用于构建树结构，树结构包括数据变量层、组合变量层、运算变量层和条件推导变量层。数据变量层的各结点用于存储数据级别的变量，组合变量层的各结点用于存储数据变量层的各结点的组合关系变量，运算变量层的各结点用于存储组合变量层的各结点的运算逻辑变量，条件推导变量层的各结点用于存储组合变量层的各结点的逻辑判断变量，和/或，运算变量层的各结点的逻辑判断变量。
第一存储模块，用于根据历史查询指令中包含的第二变量的类别以及第二变量对应的数据，将第二变量以结点形式存入树结构的至少一层中。
在一种实施方式中，生成解读文本的装置700还包括：
第三获取模块，用于在文本生成指令中存在特殊的目标变量的情况下，基于目标图表对应的图表数据，获取特殊的目标变量的数据。其中，特殊的目标变量为树结构的各层结点中未存储的变量。
生成模块包括：
生成子模块，用于根据特殊的目标变量的数据、第一变量和文本生成指令，生成目标图表的解读文本。
在一种实施方式中，生成解读文本的装置700还包括：
第二存储模块，用于根据特殊的目标变量的类别以及特殊的目标变量的数据，将特殊的目标变量以结点形式存入树结构的至少一层中。
上述生成解读文本的装置的功能可以参考上述生成解读文本的方法的各实施例，在此不再赘述。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。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/或要求的本公开的实现。
如图8所示，电子设备800包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序来执行各种适当的动作和处理。在RAM 803中，还可存储电子设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入输出(I/O)接口805也连接至总线804。
电子设备800中的多个部件连接至I/O接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许电子设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理，例如生成解读文本的方法。例如，在一些实施例中，生成解读文本的方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到电子设备800上。当计算机程序加载到RAM 803并由计算单元801执行时，可以执行上文描述的生成解读文本的方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行生成解读文本的方法。
本文中以上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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
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。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS)服务中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
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 (10)

1.一种生成解读文本的方法，包括：
根据文本生成指令，确定生成目标图表的解读文本所需的目标变量；
根据所述目标变量，从树结构的至少一层结点中获取与所述目标变量对应的第一变量；其中，所述树结构的各层结点中的变量类别不同，一个上层结点中的变量至少与一个下层结点中的变量关联；
根据所述第一变量、所述文本生成指令和所述目标图表中获取的图表数据，生成所述目标图表的解读文本；
在所述根据所述目标变量，从树结构的至少一层结点中获取与所述目标变量对应的第一变量之前，所述方法还包括：构建树结构，所述树结构包括数据变量层、组合变量层、运算变量层和条件推导变量层；所述数据变量层的各结点用于存储数据级别的变量，所述组合变量层的各结点用于存储所述数据变量层的各结点的组合关系变量，所述运算变量层的各结点用于存储所述组合变量层的各结点的运算逻辑变量，所述条件推导变量层的各结点用于存储所述组合变量层的各结点的逻辑判断变量，和/或，所述运算变量层的各结点的逻辑判断变量；根据历史查询指令中包含的第二变量的类别以及第二变量对应的数据，将所述第二变量以结点形式存入所述树结构的至少一层中。
2.根据权利要求1所述的方法，其特征在于，在所述根据文本生成指令，确定生成目标图表的解读文本所需的目标变量之前，还包括：
根据预设的图表生成规则，从数据源获取数据；
根据从所述数据源获取的数据，构建目标图表。
3.根据权利要求1至2任一项所述的方法，其特征在于，还包括：
在所述文本生成指令中存在特殊的目标变量的情况下，根据所述目标图表中获取的图表数据，获取所述特殊的目标变量的数据；其中，所述特殊的目标变量为所述树结构的各层结点中未存储的变量；
所述根据所述第一变量、所述文本生成指令和所述目标图表中获取的图表数据，生成所述目标图表的解读文本，包括：
根据所述特殊的目标变量的数据、所述第一变量、所述文本生成指令和所述目标图表中获取的图表数据，生成所述目标图表的解读文本。
4.根据权利要求3所述的方法，其特征在于，还包括：
根据所述特殊的目标变量的类别以及所述特殊的目标变量的数据，将所述特殊的目标变量以结点形式存入所述树结构的至少一层中。
5.一种生成解读文本的装置，包括：
确定模块，用于根据文本生成指令，确定生成目标图表的解读文本所需的目标变量；
第一获取模块，用于根据所述目标变量，从树结构的至少一层结点中获取与所述目标变量对应的第一变量；其中，所述树结构的各层结点中的变量类别不同，一个上层结点中的变量至少与一个下层结点中的变量关联；
生成模块，用于根据所述第一变量、所述文本生成指令和所述目标图表中获取的图表数据，生成所述目标图表的解读文本；
所述装置还包括：构建模块，用于构建树结构，所述树结构包括数据变量层、组合变量层、运算变量层和条件推导变量层；所述数据变量层的各结点用于存储数据级别的变量，所述组合变量层的各结点用于存储所述数据变量层的各结点的组合关系变量，所述运算变量层的各结点用于存储所述组合变量层的各结点的运算逻辑变量，所述条件推导变量层的各结点用于存储所述组合变量层的各结点的逻辑判断变量，和/或，所述运算变量层的各结点的逻辑判断变量；第一存储模块，用于根据历史查询指令中包含的第二变量的类别以及第二变量对应的数据，将所述第二变量以结点形式存入所述树结构的至少一层中。
6.根据权利要求5所述的装置，还包括：
第二获取模块，用于根据预设的图表生成规则，从数据源获取数据；
构建模块，用于根据从所述数据源获取的数据，构建目标图表。
7.根据权利要求5至6任一项所述的装置，还包括：
第三获取模块，用于在所述文本生成指令中存在特殊的目标变量的情况下，根据所述目标图表中获取的图表数据，获取所述特殊的目标变量的数据；其中，所述特殊的目标变量为所述树结构的各层结点中未存储的变量；
所述生成模块包括：
生成子模块，用于根据所述特殊的目标变量的数据、所述第一变量、所述文本生成指令和所述目标图表中获取的图表数据，生成所述目标图表的解读文本。
8.根据权利要求7所述的装置，还包括：
第二存储模块，用于根据所述特殊的目标变量的类别以及所述特殊的目标变量的数据，将所述特殊的目标变量以结点形式存入所述树结构的至少一层中。
9. 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至4中任一项所述的方法。
10.一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计算机执行权利要求1至4中任一项所述的方法。
CN202011555798.8A 2020-12-24 2020-12-24 生成解读文本的方法、装置、电子设备及存储介质 Active CN112541335B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202011555798.8A CN112541335B (zh) 2020-12-24 2020-12-24 生成解读文本的方法、装置、电子设备及存储介质
US17/365,704 US20210326514A1 (en) 2020-12-24 2021-07-01 Method for generating interpretation text, electronic device and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011555798.8A CN112541335B (zh) 2020-12-24 2020-12-24 生成解读文本的方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN112541335A CN112541335A (zh) 2021-03-23
CN112541335B true CN112541335B (zh) 2023-09-01

Family

ID=75017332

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011555798.8A Active CN112541335B (zh) 2020-12-24 2020-12-24 生成解读文本的方法、装置、电子设备及存储介质

Country Status (2)

Country Link
US (1) US20210326514A1 (zh)
CN (1) CN112541335B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114266247B (zh) * 2021-12-20 2024-10-01 中国农业银行股份有限公司 一种敏感词过滤方法、装置、存储介质及电子设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1608259A (zh) * 2001-10-29 2005-04-20 英国电讯有限公司 机器翻译
KR101773574B1 (ko) * 2017-03-20 2017-08-31 주식회사 뉴스젤리 데이터 테이블의 차트 시각화 방법
CN110192210A (zh) * 2016-11-04 2019-08-30 谷歌有限责任公司 构建和处理用于动态结构化机器学习模型的计算图
CN110866029A (zh) * 2019-10-11 2020-03-06 支付宝(杭州)信息技术有限公司 sql语句构建方法、装置、服务器及可读存储介质
CN111291542A (zh) * 2020-05-13 2020-06-16 江西博微新技术有限公司 报告生成方法、系统、可读存储介质及计算机设备
CN111966781A (zh) * 2020-06-28 2020-11-20 北京百度网讯科技有限公司 数据查询的交互方法及装置、电子设备和存储介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9299173B2 (en) * 2011-06-07 2016-03-29 International Business Machines Corporation Automatic selection of different visualizations for the organization of multivariate data
US9659005B2 (en) * 2014-05-16 2017-05-23 Semantix Technologies Corporation System for semantic interpretation
US10754851B2 (en) * 2017-12-22 2020-08-25 Adobe Inc. Question answering for data visualizations
EP3821351A4 (en) * 2018-07-09 2022-03-23 Rutgers, The State University of New Jersey DATA EXPLORATION AS A SEARCH ON AUTOMATICALLY PRE-GENERATED PLOT OBJECTS
US11314817B1 (en) * 2019-04-01 2022-04-26 Tableau Software, LLC Methods and systems for inferring intent and utilizing context for natural language expressions to modify data visualizations in a data visualization interface
US11604790B2 (en) * 2020-08-31 2023-03-14 Unscrambl Inc Conversational interface for generating and executing controlled natural language queries on a relational database

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1608259A (zh) * 2001-10-29 2005-04-20 英国电讯有限公司 机器翻译
CN110192210A (zh) * 2016-11-04 2019-08-30 谷歌有限责任公司 构建和处理用于动态结构化机器学习模型的计算图
KR101773574B1 (ko) * 2017-03-20 2017-08-31 주식회사 뉴스젤리 데이터 테이블의 차트 시각화 방법
CN110866029A (zh) * 2019-10-11 2020-03-06 支付宝(杭州)信息技术有限公司 sql语句构建方法、装置、服务器及可读存储介质
CN111291542A (zh) * 2020-05-13 2020-06-16 江西博微新技术有限公司 报告生成方法、系统、可读存储介质及计算机设备
CN111966781A (zh) * 2020-06-28 2020-11-20 北京百度网讯科技有限公司 数据查询的交互方法及装置、电子设备和存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
高军,李晓明.基于三层结构的电力信息系统智能报表的研究.电力科学与工程.2003,(第03期),全文. *

Also Published As

Publication number Publication date
CN112541335A (zh) 2021-03-23
US20210326514A1 (en) 2021-10-21

Similar Documents

Publication Publication Date Title
EP3916584A1 (en) Information processing method and apparatus, electronic device and storage medium
CN111522967A (zh) 知识图谱构建方法、装置、设备以及存储介质
CN109635260B (zh) 用于生成文章模板的方法、装置、设备和存储介质
CN112507098B (zh) 问题处理方法、装置、电子设备、存储介质及程序产品
CN114021156A (zh) 漏洞自动化聚合的整理方法、装置、设备以及存储介质
CN111291082B (zh) 数据聚合处理方法、装置、设备及存储介质
CN114254950A (zh) 电信资源数据处理方法、装置、电子设备及存储介质
CN116069319A (zh) 一种表单渲染方法、装置、电子设备及存储介质
CN112541335B (zh) 生成解读文本的方法、装置、电子设备及存储介质
CN111340404A (zh) 构建指标体系的方法、装置及计算机存储介质
CN116414814A (zh) 数据检核方法、装置、设备、存储介质和程序产品
CN114661571B (zh) 模型评测方法、装置、电子设备和存储介质
CN116009847A (zh) 代码生成方法、装置、电子设备及存储介质
CN113138760B (zh) 一种页面生成方法、装置、电子设备和介质
CN112527870B (zh) 电子报告的生成方法、装置、电子设备和存储介质
CN114676266A (zh) 基于多层关系图谱的冲突识别方法、装置、设备及介质
CN112632293A (zh) 行业图谱的构建方法、装置、电子设备及存储介质
CN113704314A (zh) 数据的分析方法及装置、电子设备和存储介质
CN116910250B (zh) 知识处理方法、装置、电子设备及存储介质
CN114595231B (zh) 一种数据库表生成方法、装置、电子设备及存储介质
CN115422204A (zh) 数据处理方法、装置、电子设备及存储介质
CN117611093A (zh) 一种业务处理方法、装置、设备以及存储介质
CN115827893A (zh) 技能培养知识图谱生成方法、装置、设备和介质
CN117608734A (zh) 一种页面生成方法、装置、设备及存储介质
CN115858367A (zh) 一种测试用例筛选方法、装置、设备及介质

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