CN113239273A - 用于生成文本的方法、装置、设备以及存储介质 - Google Patents
用于生成文本的方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN113239273A CN113239273A CN202110525158.0A CN202110525158A CN113239273A CN 113239273 A CN113239273 A CN 113239273A CN 202110525158 A CN202110525158 A CN 202110525158A CN 113239273 A CN113239273 A CN 113239273A
- Authority
- CN
- China
- Prior art keywords
- text
- target
- determining
- optimized
- generating
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 11
- 230000004044 response Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 2
- 238000003058 natural language processing Methods 0.000 abstract 1
- 238000004891 communication Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 239000003795 chemical substances by application Substances 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Machine Translation (AREA)
Abstract
本公开提供了用于生成文本的方法、装置、设备以及存储介质,涉及自然语言处理领域。具体实现方案为:获取目标用户对应的目标文本;确定与目标文本对应的候选关键词;获取目标用户的特征信息;基于特征信息以及候选关键词,生成目标文本的至少一个优化文本。本实现方式可以对文本进行优化。
Description
技术领域
本公开涉及计算机技术领域,具体涉及自然语言处理领域,尤其涉及用于生成文本的方法、装置、设备以及存储介质。
背景技术
目前,为了便于对不同业务对象(例如商品)进行区分,可以为业务对象确定标题信息。
在实际应用过程中,当用户需要获取数据服务器中的业务对象时,用户可以通过搜索词进行搜索,以获取与该搜索词相匹配的多个业务对象。具体的,在数据服务器接收到用户输入的搜搜词后,数据服务器通常将搜索词和哥哥业务对象的标题信息进行匹配,以获取与搜索词相匹配的业务对象,并向用户推荐匹配到的业务对象。
然而,由于很多业务对象的标题信息并不准确,使得数据库服务器根据业务对象的标题信息无法向用户推荐准确的业务对象。
发明内容
提供了一种用于生成文本的方法、装置、设备以及存储介质。
根据第一方面,提供了一种用于生成文本的方法,包括:获取目标用户对应的目标文本;确定与目标文本对应的候选关键词;获取目标用户的特征信息;基于特征信息以及候选关键词,生成目标文本的至少一个优化文本。
根据第二方面,提供了一种用于生成文本的装置,包括:第一获取单元,被配置成获取目标用户对应的目标文本;关键词确定单元,被配置成确定与目标文本对应的候选关键词;第二获取单元,被配置成获取目标用户的特征信息;文本生成单元,被配置成基于特征信息以及候选关键词,生成目标文本的至少一个优化文本。
根据第三方面,提供了一种电子设备,包括:至少一个处理器;以及与上述至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,上述指令被至少一个处理器执行,以使至少一个处理器能够执行如第一方面所描述的方法。
根据第四方面,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,上述计算机指令用于使计算机执行如第一方面所描述的方法。
根据第五方面,一种计算机程序产品,包括计算机程序,上述计算机程序在被处理器执行时实现如第一方面所描述的方法。
根据本公开的技术可以为用户生成更合适的文本,满足用户的需求。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开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,不构成对本公开的限定。其中:
图1是本公开的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本公开的用于生成文本的方法的一个实施例的流程图;
图3是根据本公开的用于生成文本的方法的一个应用场景的示意图;
图4是根据本公开的用于生成文本的方法的另一个实施例的流程图;
图5是根据本公开的用于生成文本的装置的一个实施例的结构示意图;
图6是用来实现本公开实施例的用于生成文本的方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开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,而不会背离本公开的范围和精神。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。
需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的用于生成文本的方法或用于生成文本的装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如浏览器类应用、电子商务类应用等等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、车载电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上提供优化文本的后台服务器。后台服务器可以对用户对应的文本进行优化,得到优化文本,并将优化文本反馈给终端设备101、102、103。
需要说明的是,服务器105可以是硬件,也可以是软件。当服务器105为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器105为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是,本公开实施例所提供的用于生成文本的方法一般由服务器105执行。相应地,用于生成文本的装置一般设置于服务器105中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本公开的用于生成文本的方法的一个实施例的流程200。本实施例的用于生成文本的方法,包括以下步骤:
步骤201,获取目标用户对应的目标文本。
本实施例中,用于生成文本的方法的执行主体可以获取目标用户对应的目标文本。这里,目标用户可以是在某个网站注册的用户。目标文本可以是用户输入的文本,也可以是用户在某个网站上发布的文本。可以理解的是,这里,用户也可以通过输入各种形式的信息(例如,图片、位置、表情包等),执行主体可以对上述信息进行解析确定目标文本。
步骤202,确定与目标文本对应的候选关键词。
本实施例中,执行主体可以对目标文本进行各种分析,以确定其对应的候选关键词。例如,执行主体可以对目标文本分词,将得到的各词语作为候选关键词。或者,执行主体可以从得到的词语中确定出各名词的近义词,将这些名词及近义词作为候选关键词。
步骤203,获取目标用户的特征信息。
执行主体还可以获取目标用户的特征信息。这里,特征信息可以包括匹配关键词、标识信息、配置信息等。其中,匹配关键词可以是用户通过网站预先选定的关键词。或者,可以是网站根据用户输入的自身信息匹配的关键词。标识信息可以包括用户的账户ID、个人主页的链接、所处的地域、所持有的业务对象名称等等。配置信息可以是用户设置的业务对象的流量等等。需要说明的是,上述特征信息的获取是在征得用户的同意后进行的。
步骤204,基于特征信息以及候选关键词,生成目标文本的至少一个优化文本。
执行主体在得到特征信息后,可以结合候选关键词,生成目标文本的至少一个优化文本。具体的,执行主体可以利用特征信息确定出时间、地点等信息,利用候选关键词确定出谓语等信息,然后利用语言模型或者预先训练的神经网络等生成目标文本的优化文本。
继续参见图3,其示出了根据本公开的用于生成文本的方法的一个应用场景的示意图。在图3的应用场景中,用户通过终端上显示的网页的输入框中输入目标文本“大学鲜花”,并点击“生成”按钮。服务器接收到上述目标文本后,经过步骤201~204的处理后,生成多个优化文本,如“这个花店可以帮到你,知名鲜花品牌,18年专业鲜花速递”、“18岁的看这里!花店花钱买,鲜花艺考生,你知道吗”等等。
本公开的上述实施例提供的用于生成文本的方法,可以对目标用户的目标文本进行优化,使得得到的优化文本包含用户的特征信息,也更容易被搜索到。
继续参见图4,其示出了根据本公开的用于生成文本的方法的另一个实施例的流程400。如图4所示,本实施例的方法可以包括以下步骤:
步骤401,获取目标用户对应的目标文本。
在本实施例中,执行主体可以将目标用户输入的文本作为目标文本。这样便于目标用户随时根据自身需要对文本进行优化。
或者,执行主体还可以定期确定目标用户的已发布文本的质量。具体的,执行主体可以通过预先训练的Q预估模型或者卷积神经网络预测目标用户的已发布文本的质量。上述Q预估模型或者卷积神经网络可以通过已标注质量分数的文本集训练得到。执行主体可以将目标用户的已发布文本输入上述Q预估模型或者卷积神经网络,得到的输出即为已发布文本的质量。上述质量可以以数值形式表示,也可以以图片颜色形式来表示。如果执行主体确定已发布文本的质量低于预设阈值,则确定需要对已发布文本进行优化,可以将已发布文本作为目标文本。
步骤402,对目标文本进行分析,确定目标文本对应的行业;从行业对应的预设关键词集合中确定出候选关键词。
执行主体可以对目标文本进行分析,确定目标文本对应的行业。具体的,执行主体可以首先对目标文本进行分词处理,将得到的各个词语与预先设定的行业与词语对应关系中的词语进行比较,确定目标文本对应的行业。行业可以包括:金融、外卖、餐饮、服装等行业。然后,执行主体可以从行业对应的预设关键词集合中确定出候选关键词。具体的,执行主体可以将上述关键词集合中使用最频繁的多个关键词作为候选关键词。
步骤403,获取目标用户的特征信息。
本实施例中,特征信息可以包括用户的私域信息,即包括匹配关键词、标识信息。匹配关键词可以是用户针对已发布文本
(如所处的城市、所拥有的品牌名称、所处的具体位置等)
步骤404,利用预先训练的语言模型,生成包含匹配关键词、候选关键词的至少一个文本;确定至少一个文本中的替换词;利用标识信息替换上述替换词,得到至少一个优化文本。
执行主体可以利用训练的语言模型,生成包含匹配关键词、候选关键词的至少一个文本。上述语言模型可以是BERT模型。BERT模型的全称是Bidirectional EncoderRepresentation from Transformers,即双向传播的编码器。执行主体可以将上述匹配关键词、候选关键词输入BERT模型,得到的输出即为包含匹配关键词、候选关键词的文本。然后,执行主体可以确定上述各文本中的替换词。这里的替换词可以是文本中的实体词。上述实体词可以包括地点、品牌名称等等。执行主体可以利用标志信息中的地点、品牌名称等词语替换上述替换词,将替换之后的文本作为优化文本。这样,得到的优化文本不仅能够包含匹配关键词,还包含使用频率较高的流行词,同时也更符合用户自身的情况,
步骤405,确定各优化文本的质量;根据上述质量,从各优化文本中确定出优选文本输出。
本实施例中,执行主体还可以确定各优化文本的质量。具体的,执行主体可以利用预先训练的Q预估模型或者卷积神经网络来确定各优化文本的质量。然后,根据上述质量,选取出输出给目标用户的优选文本。具体的,执行主体可以将质量值高于预设阈值的优化文本作为优选文本,或者,执行主体可以安照质量值由高到低的顺序对各优化文本进行排序,将排序中前10的优化文本作为优选文本。
步骤406,获取针对优化文本的反馈数据;根据反馈数据,确定出训练样本;利用训练样本优化所述语言模型。
本实施例中,执行主体还可以获取针对优化文本的反馈数据。上述反馈数据可以包括点击通过率CTR、评论信息等等,如果是商品链接,反馈数据还可以包括成交量等等。根据上述反馈数据,执行主体可以确定出优化文本中网民反馈比较积极的优化文本。根据上述优化文本生成语言模型的训练样本。然后,利用训练样板优化语言模型,这样能够提高语言模型生成的文本的质量。
本公开的上述实施例提供的用于生成文本的方法,可以进一步利用优化文本的反馈数据对语言模型进行优化,从而能够实现对语言模型的强化学习,提高生成的文本的质量。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了一种用于生成文本的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的用于生成文本的装置500包括:第一获取单元501、关键词确定单元502、第二获取单元503和文本生成单元504。
第一获取单元501,被配置成获取目标用户对应的目标文本。
关键词确定单元502,被配置成确定与目标文本对应的候选关键词。
第二获取单元503,被配置成获取目标用户的特征信息。
文本生成单元504,被配置成基于特征信息以及候选关键词,生成目标文本的至少一个优化文本。
在本实施例的一些可选的实现方式中,装置500还可以进一步包括图5中未示出的:质量确定单元和文本输出单元。
质量确定单元,被配置成确定各优化文本的质量。
文本输出单元,被配置成根据质量,从各优化文本中确定出优选文本输出。
在本实施例的一些可选的实现方式中,第一获取单元501可以进一步被配置成:将目标用户输入的文本作为目标文本。
在本实施例的一些可选的实现方式中,第一获取单元501可以进一步被配置成:确定目标用户的已发布文本的质量;响应于确定已发布文本的质量低于预设阈值,确定已发布文本为目标文本。
在本实施例的一些可选的实现方式中,关键词确定单元502可以进一步被配置成:对目标文本进行分析,确定目标文本对应的行业;从行业对应的预设关键词集合中确定出候选关键词。
在本实施例的一些可选的实现方式中,特征信息包括匹配关键词、标识信息。文本生成单元504可以进一步被配置成:利用预先训练的语言模型,生成包含匹配关键词、候选关键词的至少一个文本;确定至少一个文本中的替换词;利用标识信息替换替换词,得到至少一个优化文本。
在本实施例的一些可选的实现方式中,装置500还可以进一步包括图5中未示出的优化单元,被配置成:获取针对优化文本的反馈数据;根据反馈数据,确定出训练样本;利用训练样本优化语言模型。
应当理解,用于生成文本的装置500中记载的单元501至单元504分别与参考图2中描述的方法中的各个步骤相对应。由此,上文针对用于生成文本的方法描述的操作和特征同样适用于装置500及其中包含的单元,在此不再赘述。
本公开的技术方案中,所涉及的用户个人信息的获取、存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了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6示出了根据本公开实施例的执行用于生成文本的方法的电子设备600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/或者要求的本公开的实现。
如图6所示,电子设备600包括处理器601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储器608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM 603中,还可存储电子设备600操作所需的各种程序和数据。处理器601、ROM 602以及RAM 603通过总线604彼此相连。I/O接口(输入/输出接口)605也连接至总线604。
电子设备600中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储器608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许电子设备600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。
处理器601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。处理器601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处理器、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。处理器601执行上文所描述的各个方法和处理,例如用于生成文本的方法。例如,在一些实施例中,用于生成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存储介质,例如存储器608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到电子设备600上。当计算机程序加载到RAM 603并由处理器601执行时,可以执行上文描述的用于生成文本的方法的一个或多个步骤。备选地,在其他实施例中,处理器601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行用于生成文本的方法。
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。上述程序代码可以封装成计算机程序产品。这些程序代码或计算机程序产品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601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,机器可读存储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。机器可读存储介质可以是机器可读信号存储介质或机器可读存储介质。机器可读存储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)、光学存储设备、磁存储设备、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,以解决了传统物理主机与VPS服务(“Virtual Private Server”,或简称“VPS”)中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以是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,本公开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,并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开的保护范围之内。
Claims (17)
1.一种用于生成文本的方法,包括:
获取目标用户对应的目标文本;
确定与所述目标文本对应的候选关键词;
获取所述目标用户的特征信息;
基于所述特征信息以及所述候选关键词,生成所述目标文本的至少一个优化文本。
2.根据权利要求1所述的方法,其中,所述方法还包括:
确定各优化文本的质量;
根据所述质量,从各优化文本中确定出优选文本输出。
3.根据权利要求1所述的方法,其中,所述获取目标用户对应的目标文本,包括:
将所述目标用户输入的文本作为目标文本。
4.根据权利要求1所述的方法,其中,所述获取目标用户对应的目标文本,包括:
确定所述目标用户的已发布文本的质量;
响应于确定所述已发布文本的质量低于预设阈值,确定所述已发布文本为目标文本。
5.根据权利要求1所述的方法,其中,所述确定与所述目标文本对应的候选关键词,包括:
对所述目标文本进行分析,确定所述目标文本对应的行业;
从所述行业对应的预设关键词集合中确定出候选关键词。
6.根据权利要求1-5任一项所述的方法,其中,所述特征信息包括匹配关键词、标识信息;以及
所述基于所述特征信息以及所述候选关键词,生成所述目标文本的至少一个优化文本,包括:
利用预先训练的语言模型,生成包含所述匹配关键词、所述候选关键词的至少一个文本;
确定所述至少一个文本中的替换词;
利用所述标识信息替换所述替换词,得到至少一个优化文本。
7.根据权利要求1-6任一项所述的方法,其中,所述方法还包括:
获取针对所述优化文本的反馈数据;
根据所述反馈数据,确定出训练样本;
利用所述训练样本优化所述语言模型。
8.一种用于生成文本的装置,包括:
第一获取单元,被配置成获取目标用户对应的目标文本;
关键词确定单元,被配置成确定与所述目标文本对应的候选关键词;
第二获取单元,被配置成获取所述目标用户的特征信息;
文本生成单元,被配置成基于所述特征信息以及所述候选关键词,生成所述目标文本的至少一个优化文本。
9.根据权利要求8所述的装置,其中,所述装置还包括:
质量确定单元,被配置成确定各优化文本的质量;
文本输出单元,被配置成根据所述质量,从各优化文本中确定出优选文本输出。
10.根据权利要求8所述的装置,其中,所述第一获取单元进一步被配置成:
将所述目标用户输入的文本作为目标文本。
11.根据权利要求8所述的装置,其中,所述第一获取单元进一步被配置成:
确定所述目标用户的已发布文本的质量;
响应于确定所述已发布文本的质量低于预设阈值,确定所述已发布文本为目标文本。
12.根据权利要求8所述的装置,其中,所述关键词确定单元进一步被配置成:
对所述目标文本进行分析,确定所述目标文本对应的行业;
从所述行业对应的预设关键词集合中确定出候选关键词。
13.根据权利要求8-12任一项所述的装置,其中,所述特征信息包括匹配关键词、标识信息;以及
所述文本生成单元进一步被配置成:
利用预先训练的语言模型,生成包含所述匹配关键词、所述候选关键词的至少一个文本;
确定所述至少一个文本中的替换词;
利用所述标识信息替换所述替换词,得到至少一个优化文本。
14.根据权利要求8-13任一项所述的装置,其中,所述装置还包括优化单元,被配置成:
获取针对所述优化文本的反馈数据;
根据所述反馈数据,确定出训练样本;
利用所述训练样本优化所述语言模型。
15.一种电子设备,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权利要求1-7中任一项所述的方法。
16.一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权利要求1-7中任一项所述的方法。
17.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110525158.0A CN113239273B (zh) | 2021-05-14 | 2021-05-14 | 用于生成文本的方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110525158.0A CN113239273B (zh) | 2021-05-14 | 2021-05-14 | 用于生成文本的方法、装置、设备以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113239273A true CN113239273A (zh) | 2021-08-10 |
CN113239273B CN113239273B (zh) | 2023-07-28 |
Family
ID=77134160
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110525158.0A Active CN113239273B (zh) | 2021-05-14 | 2021-05-14 | 用于生成文本的方法、装置、设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113239273B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110879868A (zh) * | 2019-11-21 | 2020-03-13 | 中国工商银行股份有限公司 | 顾问方案生成方法、装置、系统、电子设备及介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018086470A1 (zh) * | 2016-11-10 | 2018-05-17 | 腾讯科技(深圳)有限公司 | 关键词提取方法、装置和服务器 |
US20200081977A1 (en) * | 2017-10-20 | 2020-03-12 | Tencent Technology (Shenzhen) Company Limited | Keyword extraction method and apparatus, storage medium, and electronic apparatus |
CN111259132A (zh) * | 2020-01-16 | 2020-06-09 | 中国平安财产保险股份有限公司 | 话术推荐方法、装置、计算机设备和存储介质 |
WO2020215962A1 (zh) * | 2019-04-23 | 2020-10-29 | 腾讯科技(深圳)有限公司 | 视频推荐方法、装置、计算机设备及存储介质 |
CN111950261A (zh) * | 2020-10-16 | 2020-11-17 | 腾讯科技(深圳)有限公司 | 提取文本关键词的方法、设备和计算机可读存储介质 |
CN112015989A (zh) * | 2020-08-31 | 2020-12-01 | 北京百度网讯科技有限公司 | 用于推送信息的方法和装置 |
CN112148889A (zh) * | 2020-09-23 | 2020-12-29 | 平安直通咨询有限公司上海分公司 | 一种推荐列表的生成方法及设备 |
CN112163405A (zh) * | 2020-09-08 | 2021-01-01 | 北京百度网讯科技有限公司 | 问题的生成方法和装置 |
-
2021
- 2021-05-14 CN CN202110525158.0A patent/CN113239273B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018086470A1 (zh) * | 2016-11-10 | 2018-05-17 | 腾讯科技(深圳)有限公司 | 关键词提取方法、装置和服务器 |
US20200081977A1 (en) * | 2017-10-20 | 2020-03-12 | Tencent Technology (Shenzhen) Company Limited | Keyword extraction method and apparatus, storage medium, and electronic apparatus |
WO2020215962A1 (zh) * | 2019-04-23 | 2020-10-29 | 腾讯科技(深圳)有限公司 | 视频推荐方法、装置、计算机设备及存储介质 |
CN111259132A (zh) * | 2020-01-16 | 2020-06-09 | 中国平安财产保险股份有限公司 | 话术推荐方法、装置、计算机设备和存储介质 |
CN112015989A (zh) * | 2020-08-31 | 2020-12-01 | 北京百度网讯科技有限公司 | 用于推送信息的方法和装置 |
CN112163405A (zh) * | 2020-09-08 | 2021-01-01 | 北京百度网讯科技有限公司 | 问题的生成方法和装置 |
CN112148889A (zh) * | 2020-09-23 | 2020-12-29 | 平安直通咨询有限公司上海分公司 | 一种推荐列表的生成方法及设备 |
CN111950261A (zh) * | 2020-10-16 | 2020-11-17 | 腾讯科技(深圳)有限公司 | 提取文本关键词的方法、设备和计算机可读存储介质 |
Non-Patent Citations (1)
Title |
---|
张秋韵等: ""CrowdDepict:多源群智数据驱动的个性化商品描述生成方法"", 《计算机科学与探索》, vol. 14, no. 10, pages 1670 - 1680 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110879868A (zh) * | 2019-11-21 | 2020-03-13 | 中国工商银行股份有限公司 | 顾问方案生成方法、装置、系统、电子设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113239273B (zh) | 2023-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108984554B (zh) | 用于确定关键词的方法和装置 | |
CN110276065B (zh) | 一种处理物品评论的方法和装置 | |
CN113836314B (zh) | 知识图谱构建方法、装置、设备以及存储介质 | |
CN114861889A (zh) | 深度学习模型的训练方法、目标对象检测方法和装置 | |
CN114579104A (zh) | 数据分析场景的生成方法、装置、设备及存储介质 | |
CN112989235A (zh) | 基于知识库的内链构建方法、装置、设备和存储介质 | |
CN113806660A (zh) | 数据评估方法、训练方法、装置、电子设备以及存储介质 | |
CN112926308A (zh) | 匹配正文的方法、装置、设备、存储介质以及程序产品 | |
CN112148841A (zh) | 一种对象分类以及分类模型构建方法和装置 | |
CN114048315A (zh) | 确定文档标签的方法、装置、电子设备和存储介质 | |
CN113919424A (zh) | 文本处理模型的训练、文本处理方法、装置、设备和介质 | |
CN113239273B (zh) | 用于生成文本的方法、装置、设备以及存储介质 | |
CN112948584A (zh) | 短文本分类方法、装置、设备以及存储介质 | |
CN112560481A (zh) | 语句处理方法、设备和存储介质 | |
CN117271884A (zh) | 确定推荐内容的方法、装置、电子设备及存储介质 | |
CN114036397A (zh) | 数据推荐方法、装置、电子设备和介质 | |
CN114328855A (zh) | 文档查询方法、装置、电子设备和可读存储介质 | |
CN114138976A (zh) | 数据处理与模型训练方法、装置、电子设备和存储介质 | |
CN113850072A (zh) | 文本情感分析方法、情感分析模型训练方法、装置、设备及介质 | |
CN114218431A (zh) | 视频搜索方法、装置、电子设备以及存储介质 | |
CN113806541A (zh) | 情感分类的方法和情感分类模型的训练方法、装置 | |
CN113722593A (zh) | 事件数据处理方法、装置、电子设备和介质 | |
CN112818221A (zh) | 实体的热度确定方法、装置、电子设备及存储介质 | |
CN112528644A (zh) | 实体挂载的方法、装置、设备以及存储介质 | |
CN111274383A (zh) | 一种应用于报价的分类对象方法和装置 |
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 |