CN114091446A

CN114091446A - 生成文本的方法和装置

Info

Publication number: CN114091446A
Application number: CN202111406999.6A
Authority: CN
Inventors: 陈家泽; 李云昊
Original assignee: Beijing Youzhuju Network Technology Co Ltd
Current assignee: Beijing Youzhuju Network Technology Co Ltd
Priority date: 2021-11-24
Filing date: 2021-11-24
Publication date: 2022-02-25
Also published as: WO2023093372A1

Abstract

根据本公开的实施例，提供了一种用于生成文本的方法、装置、设备、存储介质和程序产品。在此描述的方法包括：获取数据表中的数据项，每个所述数据项表示一个实体针对相应属性的取值；基于所述数据项，根据标签分类模型来确定与数据项对应的标签，每个标签指示相应数据项的重要性；以及基于标签从数据项中选取第一组数据项，以用于生成一段文本，文本描述与数据表相关联的事件。根据本公开的实施例，能够避免选取与取值相关的重要性低的数据项以及遗漏重要性高的数据项。

Description

生成文本的方法和装置

技术领域

本公开的各实现方式涉及计算机领域，更具体地，涉及生成文本的方法、装置、设备和计算机存储介质。

背景技术

文本自动生成是自然语言处理(Natural Language Processing，简称NLP)领域的一个重要研究方向，实现文本自动生成也是人工智能走向成熟的一个重要标志。在信息快速传播的当今时代，如何快速准确地利用在一些事件中所产生的数据表来自动地生成描述该事件的文本，在自然语言领域中得到了广泛的关注。

例如，在一项体育赛事结束时，媒体将会发布针对该赛事的相关报道。在报道中，会介绍赛事的相关情况，例如赛事的背景、参赛的人员、赛事的结果以及运动员的相关表现。人们会希望在第一时间获得针对该赛事的相关报道。在传统上，体育赛事的简报都是由体育新闻记者来撰写的。随者自然语言处理的发展，可以利用NLP技术来撰写相关报道。

目前为止，用于生成赛事报道的神经网络模型一般会先将数据表中的数据项看作是“词”，然后将这些“词”序列化，从而将整张表格就转换为一个关于词的序列。然后训练一个数据表表序列到赛事报告序列的神经网络模型，利用训练好的模型来生成赛事报告。

发明内容

在本公开的第一方面，提供了一种计算机实现的方法。该方法包括：获取数据表中的数据项，每个数据项表示一个实体针对相应属性的取值；基于数据项，根据标签分类模型来确定与数据项对应的标签，每个标签指示相应数据项的重要性；以及基于标签从数据项中选取第一组数据项，以用于生成一段文本，文本描述与数据表相关联的事件。

在一些实施例中，从数据项中选取第一组数据项包括：根据标签，从数据项中选择重要性高于重要性阈值的数据项。

在一些实施例中，方法还包括：基于第一组数据项以及第一组数据项所表示的实体和属性，根据文本生成模型来生成文本，其中文本中包含的与第一组数据项相关联的词语由文本生成模型从语料库中按预定顺序选取。

在一些实施例中，根据文本生成模型来生成文本包括：从数据项中选取第二组数据项，使得第二组数据项中的数据项数目与第一组数据项中的数据项数目的和为预定值；合并第一组数据项和第二组数据项，以生成合并组；以及基于合并组中的数据项、合并组中的数据项所表示的属性和实体以及与合并组中的数据项对应的标签，根据文本生成模型来生成文本。

在一些实施例中，根据文本生成模型来生成文本包括：分别基于合并组中的数据项、合并组中的数据项所表示的属性以及与合并组中的数据项对应的标签，根据量化模型，来确定基于相同度量标准的针对数据项的量化表示、针对属性的量化表示以及针对标签的量化表示；以及基于针对数据项的量化表示、针对属性的量化表示、针对标签的量化表示以及合并组中的数据项的位置循序，根据文本生成模型来生成文本。

在一些实施例中，文本生成模型被训练，以使得一组数据项按照基于数据值大小的规则而出现在文本中。

在一些实施例中，规则包括以下至少一项：针对同一属性的数据项中数值最大的数据项；针对同一属性的数据项中数值最大的数据项；针对同一属性的数据项中数值大于第一阈值的数据项；针对同一属性的数据项中数值小于第一阈值的数据项；针对同一属性的数据项的数值升序排列；以及针对同一属性的数据项的数值降序排列。

在一些实施例中，训练文本生成模型所使用的训练集包括针对事件的训练数据表中的训练数据项、以及训练数据表中与规则相关联的数据项；其中训练数据集中的训练数据项根据其所表示的实体而划分成组，与规则相关联的数据项作为附加组而被包括在训练数据集中。

在一些实施例中，数据项包括字符数据项以及数值数据项，并且基于数据项，根据标签分类模型来确定与数据项对应的标签包括：为字符数据项指派对应数值；以及基于数值数据项和所指派的对应数值，根据标签分类模型来确定与数据项对应的标签。

在本公开的第二方面中，提供了一种用于生成文本的装置。该装置包括：获取模块，被配置为获取数据表中的数据项，每个数据项表示一个实体针对相应属性的取值；确定模块，被配置为基于数据项，根据标签分类模型来确定与数据项对应的标签，每个标签指示相应数据项的重要性；以及选取模块，被配置为基于标签从数据项中选取一组数据项，以用于生成一段文本，文本描述与数据表相关联的事件。

在一些实施例中，选取模块还被配置为：根据标签，从数据项中选择重要性高于重要性阈值的数据项。

在一些实施例中，该装置还包括：生成模块，被配置为基于第一组数据项以及第一组数据项所表示的实体和属性，根据文本生成模型来生成文本，其中文本中包含的与第一组数据项相关联的词语由文本生成模型从语料库中按预定顺序选取。

在一些实施例中，生成模块还被配置为：从数据项中选取第二组数据项，使得第二组数据项中的数据项数目与第一组数据项中的数据项数目的和为预定值；合并第一组数据项和第二组数据项，以生成合并组；以及基于合并组中的数据项、合并组中的数据项所表示的属性和实体以及与合并组中的数据项对应的标签，根据文本生成模型来生成文本。

在一些实施例中，生成模块还被配置为：分别基于合并组中的数据项、合并组中的数据项所表示的属性以及与合并组中的数据项对应的标签，根据量化模型，来确定基于相同度量标准的针对数据项的量化表示、针对属性的量化表示以及针对标签的量化表示；以及基于针对数据项的量化表示、针对属性的量化表示、针对标签的量化表示以及合并组中的数据项的位置循序，根据文本生成模型来生成文本。

在一些实施例中，训练文本生成模型所使用的训练集包括针对事件的训练数据表中的训练数据项、以及训练数据表中与规则相关联的数据项，其中训练数据集中的训练数据项根据其所表示的实体而划分成组，与规则相关联的数据项作为附加组而被包括在训练数据集中。

在一些实施例中，数据项包括字符数据项以及数值数据项，并且确定模块还被配置为：为字符数据项指派对应数值；以及基于数值数据项和所指派的对应数值，根据标签分类模型来确定与数据项对应的标签。

在本公开的第三方面，提供了一种电子设备，包括：存储器和处理器；其中存储器用于存储一条或多条计算机指令，其中一条或多条计算机指令被处理器执行以实现根据本公开的第一方面的方法。

在本公开的第四方面，提供了一种计算机可读存储介质，其上存储有一条或多条计算机指令，其中一条或多条计算机指令被处理器执行实现根据本公开的第一方面的方法。

在本公开的第五方面，提供了一种计算机程序产品，其包括一条或多条计算机指令，其中一条或多条计算机指令被处理器执行实现根据本公开的第一方面的方法。

根据本公开的各种实施例，能够基于自监督的方法来有效地构建配体分子，从而提高了方法的普适性。

附图说明

结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标注表示相同或相似的项，其中：

图1示出了本公开的实施例能够在其中实现的示例环境的示意图；

图2示出了根据本公开的一些实施例的选取数据项的示例方法的流程图；

图3示出了根据本公开的一些实施例的确定标签的示例过程的示意性框图；

图4示出了根据本公开的一些实施例的生成文本的示例过程的示意性框图；

图5示出了根据本公开的一些实施例的选取数据项和生成本文的示例总过程的示意性框图；

图6出了根据本公开的一些实施例的用于确定响应语句的装置的框图；以及

图7出了能够实施本公开的多个实施例的设备的框图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

在本公开的实施例的描述中，术语“包括”及其类似用语应当理解为开放性包含，即“包括但不限于”。术语“基于”应当理解为“至少部分地基于”。术语“一个实施例”或“该实施例”应当理解为“至少一个实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。

如本文中所使用的，术语“模型”可以从训练数据中学习到相应的输入与输出之间的关联，从而在训练完成后可以针对给定的输入，生成对应的输出。模型的生成可以基于机器学习技术。深度学习是一种机器学习算法，通过使用多层处理单元来处理输入和提供相应输出。神经网络模型是基于深度学习的模型的一个示例。在本文中，“模型”也可以被称为“机器学习模型”、“学习模型”、“机器学习网络”或“学习网络”，这些术语在本文中可互换地使用。如本文所使用的，属于“确定模型的参数”或类似表达是指确定模型的参数的值(又称为参数值)，包括具体值、取值集合或取值范围等。

“神经网络”是一种基于深度学习的机器学习网络。神经网络能够处理输入并且提供相应输出，其通常包括输入层和输出层以及在输入层与输出层之间的一个或多个隐藏层。在深度学习应用中使用的神经网络通常包括许多隐藏层，从而增加网络的深度。神经网络的各个层按顺序相连，从而前一层的输出被提供作为后一层的输入，其中输入层接收神经网络的输入，而输出层的输出作为神经网络的最终输出。神经网络的每个层包括一个或多个节点(也称为处理节点或神经元)，每个节点处理来自上一层的输入。

通常，机器学习大致可以包括三个阶段，即训练阶段、测试阶段和应用阶段(也称为推理阶段)。在训练阶段，给定的模型可以使用大量的训练数据进行训练，不断迭代更新模型的参数值，直到模型能够从训练数据中获取一致的满足预期目标的推理。通过训练，模型可以被认为能够从训练数据中学习从输入到输出之间的关联(也称为输入到输出的映射)。训练后的模型的参数值被确定。在测试阶段，将测试输入应用到训练后的模型，测试模型是否能够提供正确的输出，从而确定模型的性能。在应用阶段，模型可以被用于基于训练得到的参数值，对实际的输入进行处理，确定对应的输出。

在一些机器学习方案中，训练阶段又可以包括预训练和微调。预训练是指针对通用任务来训练模型，即迭代更新模型的参数值。经预训练的模型具有广泛的应用范围，可应用于多种不同的下游任务。微调是指针对将要应用模型的具体下游任务来训练经预训练的模型。微调后的模型更适于处理具体下游任务。

示例环境

图1示出了本公开的实施例能够在其中实现的示例环境100的示意图。在图1的环境100中，计算设备140接收针对某个事件的数据表110，处理数据表110以生成描述该事件的文本150。在图1所示的示例中，事件是针对霸王队和宝剑对的篮球赛。数据表110包括多个实体，例如各个球员和两个球队。数据表110中的数据项表示实体针对某个属性的取值。例如，实体“鲍勃”的一个属性“得分”的取值为22。应理解，当计算设备140接收数据表110中的数据项后，计算设备140便知晓数据项所对应的二维信息，即数据项所对应的实体和属性。

为了报道人们更加关注的内容，需要对文本的内容进行归化，因此，在计算设备140中设置有内容选取模块120和内容排序模块130。内容选取模块120用于筛选重要的信息，而内容排序模块130用于使生成的文本更符合语言逻辑。

如图1所示，在生成的示例文本150中，报道了两队的胜负以及多个球员的各项数据。然而，可以看到“霸王队以101-118负于宝剑队”这句话不够合理，通常人们会将更受关注的胜者放在前面。此外，可以看出宝剑队中表现最好的球员是卡斯帕，但是在文本150中首先介绍了更有名气的史蒂夫，这可能是由于在训练模型时史蒂夫通常出现在卡斯帕之前。但是就所示出的数据表110来看，卡斯帕的表现更好，应当最先介绍。对于霸王队，从数据表110可以看出得到篮板最多的球员是杰瑞，但是在文本150中，杰瑞并没有出现。

虽然如图1所示的用于生成赛事的报道的机器学习模型具有内容选取模块120和内容排序模块130，然而在将数据表110中的数值和非数值数据项都看作“词”即字符来转化成序列时，数据表中的数据项所具有的数值信息便丢失了。例如，在处理数据表110时，球员的名字将被映射到一个整数ID，例如“鲍勃”将被映射到“1”。类似地，他的得分“22”会被映射到另一个ID，例如“2”。这些ID又会通过机器学习模型中的词嵌入层而被转换成一个向量或矩阵。这样一个词的序列就被映射到了一个向量的序列。然后就可以利用文本生成模型来处理得到的向量序列。在这个过程中，得分“22”的具体数值信息便丢失了。由此，在生成的文本中没有选取数据较好但可能名气不大的杰瑞，而选取了先发出场但数据较差的迈克尔。

由此可以看出，在文本生成过程中，数值信息对内容选取和内容的排序组织有很大的影响，例如球员的数据好坏不仅在内容选择时是重要的，而且在对选择好的数据进行进一步的排序时，也是重要的考虑因素。

根据本公开的实现，提供了一种用于选取要被提及的数据项以及用于生成文本的方案。在该方案中，在获取针对事件的数据表中的数据项之后，利用标签分类模型来处理数据项，得到与数据项对应的、与数据项的重要性相关联的标签。最后，通过标签来选取数据项，以用于生成描述该事件的文本。

通过利用数据项的重要性进行标签分类来选取要在文本中提及的数据项，本公开的实施例能够基于数据项本身的重要性来更有逻辑性地选取要提及的文本内容，从而避免了所生成的文本遗失重要性高的内容，同时避免包括重要性低的内容。

数据项选取

图2示出了根据本公开的一些实施例的选取数据项的示例方法200的流程图。方法200例如可以由图1中的计算设备140或者不同的计算设备来实施。

如图2所示，在框202处，计算设备140获取数据表中的数据项。数据表中的每个数据项表示一个实体针对相应属性的取值。如上所讨论的，数据表可以是针对一场篮球比赛的各个球员的数据统计。相对地，数据表中的每个数据项便代表了一个球员或者球队(即实体)的一项数据，诸如球员的得分(即属性)的数值。

在框204处，计算设备140基于数据项，根据标签分类模型来确定与数据项对应的标签。每个标签指示相应数据项的重要性。例如，重要性与数据项的取值相关联的。在一些实施例中，如果数据项的取值高于取决于数据项所表示的属性的预定阈值，那么该数据项具有高的重要性。在一些实施例中，如果数据项的取值高于其他实体针对相同属性的数据项取值，那么该数据项具有高的重要性。在一些实施例中，如果实体的数据项的取值与该实体的历史数据偏差大于预定阈值，那么该数据具有高的重要性。例如，在篮球比赛中，当一名球员的得分大于20时，该数据项具有高的重要性；当一名球员得到了全队最高的得分时，该数据项具有高的重要性；当一名球员的得分比其自身的历史得分高20分时，该数据项同样具有高的重要性。

在一些实施例中，数据表中的数据项包括字符数据项(例如，球员所担任的位置，诸如前锋、后卫和中锋等等)以及数值数据项(例如，球员的等分、助攻和篮板等等)。在一些实施例中，在处理数据项之前，可以为字符数据项指派相应数值。例如，可以为“前锋”指派数值“0”。备选地，在一些实施例中，可以丢弃字符数据项。关于数据项的选取的示例过程将在下文参考图3详细描述。

图3示出了根据本公开的一些实施例的确定标签的示例过程300的示意性框图。过程300例如可以由图1中的计算设备140或者不同的计算设备来实施。

如图3所示，当计算设备140接收到数据表后，数据表中包含两类实体，即球员和球队。相应地，数据表中有包括球员数据项部分310以及球队数据项部分330。在获取数据项之后，字符数据项根据预定规则被指派相应的数值。如图3所示，球员的位置“前锋”、“中锋”以及“后卫”被分别指派了数值“0”“2”“1”。之后，提取球员数据项部分310和球队数据项部分320中的所有数据项，以获得球员数据项集320以及球队数据项集330，并将所有数据项拼接成数据向量350。此后，数据向量350被输入到标签分类模型360中，以确定与数据向量350中的每个维度的数据项的标签向量370。标签向量370中的每个维度指示与其对应的数据项的重要性。在图3所示的示例中，标签具有“0”和“1”两个值，其中“1”指示对应的数据项要被提及，而“0”指示所对应的数据项不被提及。

通过这样的方式，数据项选取就被建模为一个多标签分类问题。计算设备140基于数据向量350，根据标签分类模型360来预测一个具有值“0”和“1”的标签向量370，然后从标签向量370中确定数据表中的哪些数据项需要被提及。在一些实施例中，标签分类模型360可以是基于向量的任何分类器模型。在一些实施例中，标签分类模型是XGBoost模型。

应理解，将数据项拼接为向量仅是本公开的一种示例实现方式。数据项也可以以其他合适的形式被输入到对应的分类器模型中。本公开不意在对此进行限制。

返回图2，在框206处，计算设备140基于标签从数据项中选取第一组数据项，以用于生成一段文本。该文本描述与数据表相关联的事件。在一些实施例中，计算设备140可以根据所确定的标签，从数据项中选择重要性高于重要性阈值的数据项。

以此方式，通过对数据项进行分类以确定每个数据项的重要性，能够确保在选取数据项时考虑了数据项本身的数值信息，从而避免选取实际重要性较低的数据项并且避免未选取实际重要性较高的数据项。

文本生成

如上文所讨论的，利用方法200所选取的一组数据项可以被用于生成文本，在一些实施例中，计算设备140可以基于选取的第一组数据项以及第一组数据项所表示的实体和属性，根据文本生成模型来生成文本。在该实施例中，所生成的文本包含的词语是与第一组数据项相关联的，并且是由文本生成模型从语料库中按预定顺序选取。在此，预定顺序可以是符合自然语言规则的顺序，使得所生成的文本以自然语言文本的形式而呈现。在一些实施例中，文本生成模型是序列预测模型，其被训练以通过确定输入的字符序列中的序列项之间的相互关系，从通过训练而获得的语料库中选取与输入的序列相关联的词语，并根据自然语言规则确定词语的相互顺序，以生成符合自然语言规则的文本。应理解，“语料库”表示在经训练的文本生成模型中所包含的用于生成文本的词语的集合，而不被限制为特定的数据库。在一些实施例中，语料库被包括在文本生成模型中，并且是在对文本生成模型进行训练时所获得的。在一些实施例中，训练时所使用的数据集可以具有不同的语言，从而得到不同语言的语料库，从而使得所生成的文本能够以不同的语言来呈现。

备选地或者附加地，在一些实施例中，文本是通过将与数据项相关联的词语填入到预设的模板中生成的。

在一些实施例中，除了选取的第一组数据项意外，计算设备140还可以从数据项中选取第二组数据项，使得第二组数据项中的数据项数目与所述第一组数据项中的数据项数目的和为预定值。在选出第二组数据项之后，计算设备140可以合并第一组数据项和第二组数据项，以生成合并组。之后，计算设备140可以基于合并组中的数据项、合并组中的数据项所表示的属性和实体以及与合并组中的数据项对应的标签，根据文本生成模型来生成文本。在此，除了数据表中的信息外，还输入了与数据项对应的标签，这是因为第二组数据项的重要性低通常不将被提及，通过输入相应的标签能够保证所生成的文本只包括期望提及的内容。

由于每次选择的第一组数据项的数据项数目是随机的，因此被用于生成文本的数据项数目与训练文本生成模型时所使用的数据项数目不同，将导致曝光偏置，使得生成结果不够理想。根据本公开的实现，通过选取第二组数据项以使两组数据项的合并组的数据项数目为一定值，尤其在对文本生成模型进行训练时，也利用同样数目的数据项进行训练，使得在训练时和实际使用时所输入的数据的分布尽量一致，从而缓解曝光偏置。

在一些实施例中，第一组数据项中的数据项数目与第一组数据项中的数据项数目的和等于数据表中的所有数据项的数目，即将所有的数据项都输入到文本生成模型中，提高了训练时和预测时输入分布的一致性，从而进一步缓解了曝光偏置问题。

在一些实施例中，计算设备140可以根据量化模型，分布将合并组中的数据项、数据项所表示的属性以及对应的标签转化成基于相同度量标准的量化表示。之后，在根据文本生成模型来生成文本时，除了针对数据项的量化表示、针对属性的量化表示、针对标签的量化表示之外，还引入了指示合并组中的数据项的位置循序的位置量化表示。例如，可以利用量化模型分别将数据项、属性以及标签的序列转化为维度相同的对应矩阵，以用于度量这些信息之间的关联性。类似地，位置循序的量化表示可以是具有相同维度的矩阵，矩阵中的每个维度指示一个数据项在数据表中的位置。

以此方式，通过将数据项、数据项所表示的属性以及对应的标签进行量化，能够将与数据项相关联的各种信息融合在一起，使得输入到文本生成模型的数据更加全面。

关于文本的生成的示例过程将在下文参考图4详细描述。

图4示出了根据本公开的一些实施例的生成文本的示例过程400的示意性框图。过程400例如可以由图1中的计算设备140或者不同的计算设备来实施。

如图4所示，通过将预先确定的标签向量370与数据表440结合，得到了数据集410。数据集410的每一行表示一类数据的序列。数据集410包括4类数据。第一类(即图中的第一行数据)是每个数据项的数值。第二类(即图中的第二行)是数据项所表示的属性。第三类(即图中的第三行)是标签，其中“T”指示数据项的重要性高，要被提及，而“F”指示数据项的重要性低，将不被提及。第四类(即图中的第四行)是位置，指示了数据项在序列中的位置。此外，每个序列中还包括表示数据项所属的实体[ENT]。例如，数据项的数值的序列可以是：

V＝[ENT]v₁₁v₁₂，...，[ENT]v₂₁...， (1)，

其中v_ij表示数据表440中第i行第j列的数据项的取值。

属性的序列是：

K＝[ENT]k₁₁k₁₂，...，[ENT]k₂₁...， (2)，

其中的k_ii表示数据表440中第i行第j列的数据项的属性。

标签序列是：

F＝[ENT]f₁₁f₁₂，...，[ENT]f₂₁...， (3)，

其中，f_ij∈{F，T}表示数据表中第i行第j列的数据项是否被提及，F指示数据项不被提及，而T指示数据项要被提及。[ENT]表示数据项所对应的实体。

在获得三个序列之后，利用量化模型将他们分别转化为具有相同维度的三个矩阵E_V，E_K，E_F。量化模型例如可以是word2vec模型。随后，计算所得到的三个矩阵以及位置矩阵P的加权和矩阵H₀：

H₀＝(E_V+E_K+E_F)/3+P (4)。

由此，实现了数据的融合，就可以利用文本生成模型(例如编码器-解码器模型)来处理矩阵H₀以获得文本430。

将先前确定的标签作为特征与数据表一起输入给模型，这样无论在训练还是预测阶段，输入的都是数据表中全部的数据项。尽可能缩小了模型训练和预测时输入数据分布的不一致，进而大幅缓解了曝光偏置问题。

数据项排序

根据如上讨论，文本内容的排序也会影响到文本的可读性。下面将描述通过对数据项排序，从而实现对文本内容的排序。在一些实施例中，文本生成模型可以被训练，以使得一组数据项按照基于数据值大小的规则而出现在文本中。在针对特定的事件的报道中，一些实体通常是按照基于同一属性的数值大小的规则出现的。例如，规则可以包括：针对同一属性的数据项中数值最大的数据项；针对同一属性的数据项中数值最大的数据项；针对同一属性的数据项中数值大于第一阈值的数据项；针对同一属性的数据项中数值小于第一阈值的数据项；针对同一属性的数据项的数值升序排列；以及针对同一属性的数据项的数值降序排列。具体地，例如针对篮球比赛，所关注的规则大致包括以下6类：

1.几个球员中某个属性的取值最大的球员的名字，例如在两队中受关注度较高的几个球员中得分最高者，或者助攻最高者；

2.几个球员中某个属性的取值最大的球员的属性取值，例如得分最高者的得分；

3.几个球员中某个属性的取值大于预设的阈值的球员的名字，例如得分大于10的球员的名字；

4.几个球员中某个属性的取值大于预设的阈值的球员的属性取值，例如得分大于10的球员的具体得分；

5.几个球员按照某个属性的取值大小进行排序，例如受关注的几个球员按照得分的升序来排序；

6.某个属性的取值按照取值大小排序，例如将得分以升序排序。

在一些实施中，为了能够让文本生成模型能够以预定的规则呈现数据项，例如基于迁移学习思想，为文本生成模型设置了一个预训练任务，即先利用采样的数据项作为输入以及满足规则的数据项作为结果来训练文本生成模型，然后在下游任务进行微调，以使文本生成模型学习预定的规则。由此，便能够使文本生成模型按照预定的规则来确定第一组数据项的相互顺序，从而提高所生成的文本的逻辑性。

在一些实施例中，在训练文本生成模型时，所使用的训练集除了包括针对事件的训练数据表中的训练数据项，还包括所述训练数据表中与规则相关联的数据项。在此，训练数据集中的训练数据项按实体而划分，并且与规则相关联的数据项作为附加组而被包括在训练数据集中。具体地，训练数据项的数值序列可以是：

V_q＝[ENT]v₁₁v₁₂，...，[ENT]v₂₁...[ENT]v_q1v_q2…，，其中v_qi是与规则相关联的数据项序列中的第i个数据项；

训练数据项的属性序列是：

K_q＝[ENT]k₁₁k₁₂，...，[ENT]k₂₁...[ENT]k_q1k_q2…，，其中k_qi是与规则相关联的数据项序列中的第i个数据项的属性。此外，v_qi和k_qi之前的[ENT]表示特定的规则。

例如，在规则是在几个球员中的得分最大的球员的名字的情况中，数值序列的附加组为“[Max_Name]20223418”，属性序列的附加组为“[Max_Name]汤姆.得分鲍勃.得分卡斯帕.得分约翰.得分”。由此，便将训练数据集转化为与先前所讨论的序列结构相同的序列。同时，对应的满足规则的序列为“34”和“卡斯帕.得分”。通过参照满足规则的序列来对文本生成模型进行微调以使文本生成模型实现对规则的学习。

以此方式，通过将与预设的规则相关联的数据项引入到数据项序列和属性序列中，能够使文本生成模型学习预设的规则并以该规则呈现数据项，从而使生成的文本更合理。

图5示出了根据本公开的一些实施例的选取数据项和生成本文的示例总过程500的示意性框图。过程500例如可以由图1中的计算设备140或者不同的计算设备来实施。

如图5所示，在计算设备140接收数据表440后，利用标签分类模型360处理数据表440，以生成标签向量370。之后，利用本文生成模型420来处理数据表440和所生成的标签向量370，从而生成了文本510。与图1中所示的文本150不同，文本510更加符合语言逻辑。例如，受关注的胜者宝剑队被优先介绍，并且宝剑队和霸王对的球员都按照得分的降序来进行介绍。此外，胜者宝剑队有更多的球员被介绍，并且败者霸王队中表现不好的球员都没有被介绍。

示例装置和设备

图6示出了根据本公开的一些实施例的用于选取数据项的装置500的框图。装置600可以被实现为或者被包括在例如计算设备140中。装置600中的各个模块/组件可以由硬件、软件、固件或者它们的任意组合来实现。

如图所示，装置600包括获取模块610，获取模块610被配置为获取数据表中的数据项，每个数据项表示一个实体针对相应属性的取值。

装置600还包括确定模块620，确定模块620被配置为基于所述数据项，根据标签分类模型来确定与所述数据项对应的标签，每个标签指示相应数据项的重要性。

装置600还包括选取模块630，选取模块630被配置为基于标签从数据项中选取一组数据项，以用于生成一段文本，文本描述与数据表相关联的事件。

图7示出了示出了其中可以实施本公开的一个或多个实施例的计算设备700的框图。应当理解，图7所示出的计算设备700仅仅是示例性的，而不应当构成对本文所描述的实施例的功能和范围的任何限制。图7所示出的计算设备700可以用于实现图1的计算系统110。

如图7所示，计算设备700是通用计算设备的形式。计算设备700的组件可以包括但不限于一个或多个处理器或处理单元710、存储器720、存储设备730、一个或多个通信单元740、一个或多个输入设备750以及一个或多个输出设备760。处理单元710可以是实际或虚拟处理器并且能够根据存储器720中存储的程序来执行各种处理。在多处理器系统中，多个处理单元并行执行计算机可执行指令，以提高计算设备700的并行处理能力。

计算设备700通常包括多个计算机存储介质。这样的介质可以是计算设备700可访问的任何可以获得的介质，包括但不限于易失性和非易失性介质、可拆卸和不可拆卸介质。存储器720可以是易失性存储器(例如寄存器、高速缓存、随机访问存储器(RAM))、非易失性存储器(例如，只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、闪存)或它们的某种组合。存储设备730可以是可拆卸或不可拆卸的介质，并且可以包括机器可读介质，诸如闪存驱动、磁盘或者任何其他介质，其可以能够用于存储信息和/或数据(例如用于训练的训练数据)并且可以在计算设备700内被访问。

计算设备700可以进一步包括另外的可拆卸/不可拆卸、易失性/非易失性存储介质。尽管未在图7中示出，可以提供用于从可拆卸、非易失性磁盘(例如“软盘”)进行读取或写入的磁盘驱动和用于从可拆卸、非易失性光盘进行读取或写入的光盘驱动。在这些情况中，每个驱动可以由一个或多个数据介质接口被连接至总线(未示出)。存储器720可以包括计算机程序产品725，其具有一个或多个程序模块，这些程序模块被配置为执行本公开的各种实施例的各种方法或动作。

通信单元740实现通过通信介质与其他计算设备进行通信。附加地，计算设备700的组件的功能可以以单个计算集群或多个计算机器来实现，这些计算机器能够通过通信连接进行通信。因此，计算设备700可以使用与一个或多个其他服务器、网络个人计算机(PC)或者另一个网络节点的逻辑连接来在联网环境中进行操作。

输入设备750可以是一个或多个输入设备，例如鼠标、键盘、追踪球等。输出设备760可以是一个或多个输出设备，例如显示器、扬声器、打印机等。计算设备700还可以根据需要通过通信单元740与一个或多个外部设备(未示出)进行通信，外部设备诸如存储设备、显示设备等，与一个或多个使得用户与计算设备700交互的设备进行通信，或者与使得计算设备700与一个或多个其他计算设备通信的任何设备(例如，网卡、调制解调器等)进行通信。这样的通信可以经由输入/输出(I/O)接口(未示出)来执行。

根据本公开的示例性实现方式，提供了一种计算机可读存储介质，其上存储有计算机可执行指令，其中计算机可执行指令被处理器执行以实现上文描述的方法。根据本公开的示例性实现方式，还提供了一种计算机程序产品，计算机程序产品被有形地存储在非瞬态计算机可读介质上并且包括计算机可执行指令，而计算机可执行指令被处理器执行以实现上文描述的方法。

这里参照根据本公开实施例的方法、装置、设备和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令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单元，从而生产出一种机器，使得这些指令在通过计算机或其他可编程数据处理装置的处理单元执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

可以把计算机可读程序指令加载到计算机、其他可编程数据处理装置、或其他设备上，使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其他可编程数据处理装置、或其他设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实施例中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所公开的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其他普通技术人员能理解本文公开的各个实现方式。

Claims

1.一种计算机实现的方法，包括：

获取数据表中的数据项，每个所述数据项表示一个实体针对相应属性的取值；

基于所述数据项，根据标签分类模型来确定与所述数据项对应的标签，每个标签指示相应数据项的重要性；以及

基于所述标签从所述数据项中选取第一组数据项，以用于生成一段文本，所述文本描述与所述数据表相关联的事件。

2.根据权利要求1所述的方法，其中从所述数据项中选取第一组数据项包括：

根据所述标签，从所述数据项中选择所述重要性高于重要性阈值的数据项。

3.根据权利要求1所述的方法，还包括：

基于所述第一组数据项以及所述第一组数据项所表示的实体和属性，根据文本生成模型来生成所述文本，

其中所述文本中包含的与所述第一组数据项相关联的词语由所述文本生成模型从语料库中按预定顺序选取。

4.根据权利要求3所述的方法，其中根据所述文本生成模型来生成所述文本包括：

从所述数据项中选取第二组数据项，使得所述第二组数据项中的数据项数目与所述第一组数据项中的数据项数目的和为预定值；

合并所述第一组数据项和所述第二组数据项，以生成合并组；以及

基于所述合并组中的数据项、所述合并组中的数据项所表示的属性和实体以及与所述合并组中的数据项对应的标签，根据所述文本生成模型来生成所述文本。

5.根据权利要求4所述的方法，其中根据所述文本生成模型来生成所述文本包括：

分别基于所述合并组中的数据项、所述合并组中的数据项所表示的属性以及与所述合并组中的数据项对应的标签，根据量化模型，来确定基于相同度量标准的针对数据项的量化表示、针对属性的量化表示以及针对标签的量化表示；以及

基于针对数据项的量化表示、针对属性的量化表示、针对标签的量化表示以及所述合并组中的数据项的位置循序，根据所述文本生成模型来生成所述文本。

6.根据权利要求3所述的方法，其中所述文本生成模型被训练，以使得所述一组数据项按照基于数据值大小的规则而出现在所述文本中。

7.根据权利要求6所述的方法，其中所述规则包括以下至少一项：

针对同一属性的数据项中数值最大的数据项；

针对同一属性的数据项中数值大于第一阈值的数据项；

针对同一属性的数据项中数值小于第一阈值的数据项；

针对同一属性的数据项的数值升序排列；以及

针对同一属性的数据项的数值降序排列。

8.根据权利要求6所述的方法，其中训练所述文本生成模型所使用的训练集包括针对所述事件的训练数据表中的训练数据项、以及所述训练数据表中与所述规则相关联的数据项；

其中所述训练数据集中的训练数据项根据其所表示的实体而划分成组，与所述规则相关联的数据项作为附加组而被包括在所述训练数据集中。

9.根据权利要求1所述的方法，其中所述数据项包括字符数据项以及数值数据项，并且基于所述数据项，根据标签分类模型来确定与所述数据项对应的标签包括：

为所述字符数据项指派对应数值；以及

基于所述数值数据项和所指派的对应数值，根据标签分类模型来确定与所述数据项对应的标签。

10.一种用于生成文本的装置，包括：

获取模块，被配置为获取数据表中的数据项，每个所述数据项表示一个实体针对相应属性的取值；

确定模块，被配置为基于所述数据项，根据标签分类模型来确定与所述数据项对应的标签，每个标签指示相应数据项的重要性；以及

选取模块，被配置为基于所述标签从所述数据项中选取一组数据项，以用于生成一段文本，所述文本描述与所述数据表相关联的事件。

11.一种电子设备，包括：

存储器和处理器；

其中所述存储器用于存储一条或多条计算机指令，其中所述一条或多条计算机指令被所述处理器执行以实现根据权利要求1至9中任一项所述的方法。

12.一种计算机可读存储介质，其上存储有一条或多条计算机指令，其中所述一条或多条计算机指令被处理器执行以实现根据权利要求1至9中任一项所述的方法。

13.一种计算机程序产品，包括一条或多条计算机指令，其中所述一条或多条计算机指令被处理器执行以实现根据权利要求1至9中任一项所述的方法。