CN117436418A - 指定类型文本的生成方法、装置、设备及存储介质 - Google Patents

Abstract

本申请公开了一种指定类型文本的生成方法、装置、设备及存储介质，属于人工智能领域，所述方法包括：获取指定类型文本的创作技巧和用户输入文本；向自然语言生成模型提供创作技巧和用户输入文本，提示自然语言生成模型输出指定类型文本的创作思路，得到第一创作思路；至少向自然语言生成模型提供用户输入文本和第一创作思路，提示自然语言生成模型输出指定类型文本；获取自然语言生成模型输出的指定类型文本。上述方法通过提示链进行文本生成，将文本生成任务拆解成创作思路生成任务和文本结果生成任务，有利于引导模型先形成创作思路，再基于创作思路进行创作，进而能克服生成的文本缺乏新意的问题。

Description

指定类型文本的生成方法、装置、设备及存储介质

技术领域

本申请涉及人工智能领域，特别涉及一种指定类型文本的生成方法、装置、设备及存储介质。

背景技术

用户经常通过浏览器获取各种各样的文本类型，比如，祝福类文本、诗歌类文本、请假条、事项通知等等。

相关技术中，已经存在通过人工智能来根据用户的需求生成指定类型文本的技术，比如，人工智能根据用户输入的“中秋节祝福”生成祝福类文本。

然而，当人工智能根据同一条需求多次生成指定类型文本时，得到的多个指定类型文本的相似度极高，此时生成的指定类型文本落入俗套、缺乏新意。

发明内容

本申请提供了一种指定类型文本的生成方法、装置、设备及存储介质，本方案提供了一种通过提示链生成文本的方法，包括如下内容。

根据本申请的一个方面，提供了一种指定类型文本的生成方法，所述方法包括如下内容。

获取所述指定类型文本的创作技巧和用户输入文本；

向自然语言生成模型提供所述创作技巧和所述用户输入文本，提示所述自然语言生成模型输出所述指定类型文本的创作思路，得到第一创作思路；

至少向所述自然语言生成模型提供所述用户输入文本和所述第一创作思路，提示所述自然语言生成模型输出所述指定类型文本；

获取所述自然语言生成模型输出的所述指定类型文本。

根据本申请的另一个方面，提供了一种指定类型文本的生成装置，所述装置包括如下内容。

获取模块，用于获取所述指定类型文本的创作技巧和用户输入文本；

处理模块，用于向自然语言生成模型提供所述创作技巧和所述用户输入文本，提示所述自然语言生成模型输出所述指定类型文本的创作思路，得到第一创作思路；

所述处理模块，还用于至少向所述自然语言生成模型提供所述用户输入文本和所述第一创作思路，提示所述自然语言生成模型输出所述指定类型文本；

所述获取模块，还用于获取所述自然语言生成模型输出的所述指定类型文本。

在一个可选的实施例中，所述处理模块，还用于提示所述自然语言生成模型在所述用户输入文本的前提下，利用所述创作技巧，输出所述指定类型文本的创作思路，得到所述第一创作思路。

在一个可选的实施例中，所述处理模块，还用于提示所述自然语言生成模型在所述用户输入文本的前提下分析所述指定类型文本的受众对象，以及，分析所述创作技巧指示的参考文本的特点，所述创作技巧是根据所述参考文本总结归纳得到的；

提示所述自然语言生成模型在所述用户输入文本的前提下思考如何结合所述参考文本的特点，面向所述受众对象，生成所述指定类型文本；

提示所述自然语言生成模型通过上述三个推理步骤，输出所述指定类型文本的创作思路，得到所述第一创作思路。

在一个可选的实施例中，所述处理模块，还用于提示所述自然语言生成模型输出所述用户输入文本指示的场景描述；所述获取模块，还用于获取所述自然语言生成模型输出的第一场景描述；所述处理模块，还用于至少向所述自然语言生成模型提供所述第一场景描述和所述第一创作思路，提示所述自然语言生成模型输出所述指定类型文本。

在一个可选的实施例中，所述处理模块，还用于提示所述自然语言生成模型输出所述指定类型文本的受众对象；所述获取模块，还用于获取所述自然语言生成模型输出的第一受众对象；所述处理模块，还用于至少向所述自然语言生成模型提供所述第一场景描述、所述第一受众对象和所述第一创作思路，提示所述自然语言生成模型输出所述指定类型文本。

在一个可选的实施例中，所述获取模块，还用于获取多条参考文本；

所述处理模块，还用于向所述自然语言生成模型提供分析维度，提示所述自然语言生成模型针对所述分析维度对所述多条参考文本进行分析，以及输出分析结果；将所述自然语言生成模型输出的分析结果确定为所述创作技巧。

在一个可选的实施例中，所述自然语言生成模型为第一自然语言生成模型。所述获取模块，还用于获取样本创作技巧和样本输入文本；所述处理模块，还用于向第二自然语言生成模型提供所述样本创作技巧和所述样本输入文本，提示所述第二自然语言生成模型输出所述创作思路，得到样本创作思路；所述处理模块，还用于至少向所述第二自然语言生成模型提供所述样本输入文本和所述样本创作思路，提示所述第二自然语言生成模型输出所述指定类型文本，得到样本文本。所述装置还包括训练模块，所述训练模块，用于将所述样本文本作为训练数据，训练所述第一自然语言生成模型，所述第二自然语言生成模型的规模大于所述第一自然语言生成模型的规模。

在一个可选的实施例中，所述处理模块，还用于通过所述第一自然语言生成模型，生成多个指定类型文本；将所述多个指定类型文本中被采纳的指定类型文本，确定为扩充的训练数据；所述训练模块，还用于基于所述扩充的训练数据对所述第一自然语言生成模型再次进行训练。

在一个可选的实施例中，所述获取模块，还用于获取多条样本参考文本；

所述处理模块，还用于向所述第二自然语言生成模型提供分析维度，提示所述第二自然语言生成模型针对所述分析维度对所述多条样本参考文本进行分析，以及输出分析结果；将所述第二自然语言生成模型输出的分析结果确定为所述样本创作技巧。

在一个可选的实施例中，所述处理模块，还用于提示所述自然语言生成模型输出所述指定类型文本的多个创作思路，得到n个创作思路，n为正整数；

提示所述自然语言生成模型输出所述n个创作思路分别对应的所述指定类型文本；对于所述n个创作思路中的第i创作思路，至少向所述自然语言生成模型提供所述用户输入文本和所述第i创作思路，提示所述自然语言生成模型输出所述指定类型文本，所述第i创作思路是所述n个创作思路中的任意一个创作思路。

在一个可选的实施例中，所述处理模块，还用于至少向所述自然语言生成模型提供所述创作技巧、所述用户输入文本和所述第一创作思路，提示所述自然语言生成模型输出所述指定类型文本。

根据本申请的一个方面，提供了一种计算机设备，所述计算机设备包括：处理器和存储器，所述存储器存储有计算机程序，所述计算机程序由所述处理器加载并执行以实现如上所述的指定类型文本的生成方法。

根据本申请的另一方面，提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序由处理器加载并执行以实现如上所述的指定类型文本的生成方法。

根据本申请的另一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述指定类型文本的生成方法。

本申请实施例提供的技术方案带来的有益效果至少包括如下内容。

本申请提供的方法，先通过创作技巧和用户输入文本，提示自然语言生成模型输出创作思路，再至少通过用户输入文本和创作思路，提示自然语言生成模型输出指定类型文本。即，本申请采用提示链的方式进行指定类型文本的生成，将文本生成任务拆解成创作思路生成任务和文本结果生成任务，拆解后的两个任务有利于一步步引导模型进行思考，引导模型先形成创作思路，再基于创作思路进行创作，进而能避免生成的文本过于相似、缺乏新意的问题。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请一个示例性实施例提供的指定类型文本的生成方法的原理示意图。

图2是本申请一个示例性实施例提供的指定类型文本的生成方法的流程图。

图3是本申请一个示例性实施例提供的生成创作思路时，与自然语言生成模型的交互示意图。

图4是本申请另一个示例性实施例提供的指定类型文本的生成方法的流程图。

图5是本申请一个示例性实施例提供的生成文本结果时，与自然语言生成模型的交互示意图。

图6是本申请一个示例性实施例提供的生成创作技巧时，与自然语言生成模型的交互示意图。

图7是本申请一个示例性实施例提供的生成的创作技巧的示意图。

图8是本申请一个示例性实施例提供的第一自然语言生成模型的训练方法的流程图。

图9是本申请另一个示例性实施例提供的祝福语的生成方法的流程图。

图10是本申请一个示例性实施例提供的自研祝福语生成模型的训练方法的示意图。

图11是本申请一个示例性实施例提供的指定类型文本的生成装置的结构框图。

图12是本申请一个示例性实施例提供的计算机设备的结构框图。

图13是本申请另一个示例性实施例提供的计算机设备的结构框图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。

首先，对本申请实施例中涉及的名词进行简单介绍。

人工智能(Artificial Intelligence，AI)：是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。

人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、预训练模型技术、操作/交互系统、机电一体化等。其中，预训练模型又称大模型、基础模型，经过微调后可以广泛应用于人工智能各大方向下游任务。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。

图1示出了本申请一个示例性实施例提供的指定类型文本的生成方法的原理示意图，图1示出了终端设备110和后台服务器120，终端设备110获取用户输入文本131，将用户输入文本131发送至后台服务器120，后台服务器120根据用户输入文本131生成指定类型文本。

图1示出了后台服务器120通过提示链130执行指定类型文本的生成。在本申请中，指定类型文本可以是祝福类文本(如中秋节祝福、元宵节祝福、生日祝福等等)、诗歌类文本(例如，赞美教师的诗、形容春天的诗)、请假条、事项通知类文本等等中的一种文本类型，本申请对此并不加以限制。本申请将根据前台程序接收到的用户输入文本131，在后台程序通过模型算法，生成指定类型文本，比如，根据用户输入文本“中秋节祝福文案”，通过自然语言生成模型，生成祝福类文本。

在本申请中，提示链130包括两个提示阶段。

在第一个提示阶段中，后台程序向自然语言生成模型133提供指定类型文本的创作技巧132和用户输入文本131，提示自然语言生成模型133输出指定类型文本的创作思路，得到第一创作思路134。

在本申请中，自然语言生成模型为大语言模型(Large Language Model，LLM)。在一个实施例中，自然语言生成模型133与指定类型相对应，比如，自然语言生成模型133是用于生成祝福类文本的模型，另一个自然语言生成模型133是用于生成诗歌类文本的模型。创作技巧132，也可称为创作方法论，用于指导自然语言生成模型133生成创作思路。

以指定类型文本为祝福类文本为例，创作技巧132包括：[了解场景：xxx]、[选取关键词：xxx]、[明确对象：xxx]、[运用修辞手法：xxx]、[注重文采：xxx]、[避免陈词滥调：xxx]、[紧扣主题：xxx]、[情感真挚：xxx]等。

创作思路包括：[使用的句式]、[使用的关键词]等。

可选的，在第一个提示阶段中，还提示自然语言生成模型133输出用户输入文本131指示的场景描述，以指定类型文本为祝福类文本为例，还提示自然语言生成模型133输出用户输入文本131指示的祝福场景，如中秋节、元宵节。

可选的，在第一个提示阶段中，还提示自然语言生成模型133输出指定类型文本的受众对象，以指定类型文本为祝福类文本为例，还提示自然语言生成模型133输出祝福对象，如爸爸、妈妈、老师等。

在一个实施例中，还提示自然语言生成模型133输出多个创作思路，并提示自然语言生成模型133，生成的多个创作思路之间具有较大的差异。

在一个实施例中，还向自然语言生成模型133提供创作思路的输出格式，提示自然语言生成模型133按照格式进行输出。

在一个实施例中，还向自然语言生成模型提供场景描述和受众对象的输出格式，提示自然语言生成模型133按照格式输出场景描述和受众对象。

在第二个提示阶段中，向自然语言生成模型133提供第一创作思路134和用户输入文本131，提示自然语言生成模型133输出指定类型文本，得到第一指定类型文本135。

第一指定类型文本135与第一创作思路134相对应。可选的，在第一个提示阶段中，生成n个创作思路，则在第二个提示阶段中将生成与n个创作思路一一对应的n个指定类型文本。

在一个实施例中，在第二个提示阶段中，还向自然语言生成模型133提供创作技巧132(图未示出)，自然语言生成模型133将结合创作技巧132，根据第一创作思路134和用户输入文本131输出第一指定类型文本135。此时，创作技巧132参与指导模型进行文本生成，可提高生成的文本的质量。

在一个实施例中，在第二个提示阶段中，将获取第一个提示阶段输出的场景描述，向自然语言生成模型133提供场景描述和第一创作思路134，提示自然语言生成模型133输出指定类型文本，得到第一指定类型文本135。

在一个实施例中，在第二个提示阶段中，还向自然语言生成模型133提供第一个提示阶段中输出的受众对象，提示自然语言生成模型133输出指定类型文本，得到第一指定类型文本135。

可以理解的是，采用提示链的方式进行指定类型文本的生成，将文本生成任务拆解成创作思路生成任务和文本结果生成任务，拆解后的两个任务有利于一步步引导模型进行思考，引导模型先形成创作思路，再基于创作思路进行创作，进而能避免生成的文本过于相似、缺乏新意的问题。

并且，相关技术采用人工智能的方式生成文本时，经常发生场景描述、受众对象偏移、不够准确的问题，上述内容还将引导模型输出场景描述和受众对象，再基于输出的场景描述和受众对象进行文本结果生成，这有利于校准文本的生成方向，解决场景描述、受众对象偏移的问题。

在一些实施例中，终端设备110的设备类型包括：智能手机、智能手表、车载终端、可穿戴设备、智能电视、平板电脑、电子书阅读器、MP3播放器、MP4播放器、膝上型便携计算机和台式计算机中的至少一种。终端设备110包括但不限于手机、电脑、智能语音交互设备、智能家电、车载终端、飞行器等。

在一些实施例，执行提示链130的设备可以是服务器，也可以是终端设备，图1仅以执行提示链130的设备为服务器进行举例介绍。可选的，服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN(Content Delivery Network，内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器。

图2示出了本申请一个示例性实施例提供的指定类型文本的生成方法的流程图，以该方法由图1所示的后台服务器执行进行举例说明，该方法包括：

步骤220，获取指定类型文本的创作技巧和用户输入文本；

指定类型文本，可以是祝福类文本(如中秋节祝福、元宵节祝福、生日祝福等等)、诗歌类文本(例如，赞美教师的诗、形容春天的诗)、小说类文本、请假条、事项通知类文本等等中的任意一种文本类型。在本申请中将着重以祝福类文本进行举例，同理，其他类型文本亦可适用。

创作技巧，也可称为创作方法论，用于指导自然语言生成模型生成指定类型文本。在一个实施例中，创作技巧是由优质的文本总结归纳得到的。比如，指定类型文本为祝福类文本，创作技巧是对优质的祝福语集合总结归纳得到的。

用户输入文本，示意性的，当本申请应用于浏览器领域时，浏览器的搜索框接收到的内容即为用户输入文本。比如，用户输入“中秋节祝福文案”，本申请将根据“中秋节祝福文案”执行祝福类文本的生成。

步骤240，向自然语言生成模型提供创作技巧和用户输入文本，提示自然语言生成模型输出指定类型文本的创作思路，得到第一创作思路；

自然语言生成模型，为大语言模型。大语言模型将根据提示Prompt执行预测任务。可选的，自然语言生成模型与指定类型相对应，比如，自然语言生成模型是用于生成祝福类文本的模型，另一个自然语言生成模型是用于生成诗歌类文本的模型。

在本申请中，将前台程序获取的用户输入文本传输至后台程序，后台程序根据用户输入文本，以及预先设计的Prompt(提示)交互流程，执行文本生成。

本申请的Prompt交互流程，称为提示链(Prompt Chain)，包括第一个提示阶段和第二个提示阶段。第一个提示阶段，后台程序向自然语言生成模型提供创作技巧和用户输入文本，提示自然语言生成模型输出指定类型文本的创作思路。

在一个实施例中，后台程序提示自然语言生成模型说明创作时使用的句式和核心词(二者构成创作思路)。可选的，后台程序还提示自然语言生成模型，句式指的是修辞手法和其他有文采的表达方式，比如比喻、对偶、拟人等修辞手法或五言/七言诗等高级表达方式。可选的，后台程序还提示自然语言生成模型，核心词指的是在创作中使用的关键词，不同的祝福类文本中使用的关键词不同。

在一个实施例中，后台程序还提示自然语言生成模型输出多个创作思路。

在一个实施例中，后台程序还向自然语言生成模型提供创作思路的指定输出格式，提示自然语言生成模型按照指定输出格式输出创作思路。

后台程序在第一个提示阶段，获取自然语言生成模型输出的第一创作思路。

步骤260，至少向自然语言生成模型提供用户输入文本和第一创作思路，提示自然语言生成模型输出指定类型文本；

第二提示阶段，后台程序将向自然语言生成模型提供用户输入文本和第一创作思路，提示自然语言生成模型输出指定类型文本。

示意性的，后台程序向自然语言生成模型提供“中秋节祝福文案”(用户输入文本)和“句式：采用比喻手法；核心词：月亮”(第一创作思路)，提示自然语言生成模型输出祝福类文本。

在一个实施例中，后台程序提示自然语言生成模型输出指定类型文本的多个创作思路，得到n个创作思路，n为大于1的正整数；

后台程序提示自然语言生成模型输出n个创作思路分别对应的指定类型文本；对于n个创作思路中的第i创作思路，至少向自然语言生成模型提供用户输入文本和第i创作思路，提示自然语言生成模型输出指定类型文本，第i创作思路是n个创作思路中的任意一个创作思路。

在一个实施例中，第二提示阶段，后台程序将向自然语言生成模型提供创作技巧、用户输入文本和第一创作思路，提示自然语言生成模型输出指定类型文本。

步骤280，获取自然语言生成模型输出的指定类型文本。

将自然语言生成模型输出的第一指定类型文本作为最终的文本生成结果，返回至前端程序，提供给用户。可选的，对于多个创作思路将生成多个指定类型文本，多个指定类型文本与多个创作思路一一对应。将多个指定类型文本提供给用户，由用户进行最终选择。

在一个实施例中，用户可以根据需求修改生成的指定类型文本，包括字数、文风、祝福对象等。后台程序将根据用户的修改要求进行内容再次生成，反复修改数次，直至用户获得满意的指定类型文本为止。

综上所述，本申请提供的方法，先通过创作技巧和用户输入文本，提示自然语言生成模型输出创作思路，再至少通过用户输入文本和创作思路，提示自然语言生成模型输出指定类型文本。即，本申请采用提示链的方式进行指定类型文本的生成，将文本生成任务拆解成创作思路生成任务和文本结果生成任务，拆解后的两个任务有利于一步步引导模型进行思考，引导模型先形成创作思路，再基于创作思路进行创作，进而能避免生成的文本过于相似、缺乏新意的问题。

基于图2所示的可选实施例中，步骤240包括：向自然语言生成模型提供创作技巧和用户输入文本，提示自然语言生成模型在用户输入文本的前提下，利用创作技巧，输出指定类型文本的创作思路，得到第一创作思路。

示意性的，图3中的交互流程片段320示出了“你作为各类祝福语的创作专家，将会在用户给定的[场景关键词]，使用你的[创作技巧]创作真正爆款、独特、不落俗套的祝福语”。

图3示出了第一个提示阶段中后台程序与自然语言生成模型的Prompt交互流程。图3示出的Prompt交互流程用于引导自然语言生成模型输出创作技巧。

图3中交互流程片段310，示出了向自然语言生成模型提供创作技巧。

图3中交互流程片段320，示出了向自然语言生成模型提供分析流程，分析流程用于引导自然语言生成模型生成创作思路。

图3中交互流程片段330，示出了向自然语言生成模型提供指定输出格式(OutputFormat)，指定输出格式包括“祝福场景”的输出格式、“祝福对象”的输出格式、“优质祝福语特征&内容推理”的输出格式、“创作思路”的输出格式。

图3中交互流程片段340，示出了引导自然语言生成模型严格按照指定输出格式输出结果。图3中交互流程片段350，示出了向自然语言生成模型提供用户输入文本(即场景关键词)。

进一步的，步骤240包括：提示自然语言生成模型在用户输入文本的前提下分析指定类型文本的受众对象(对应交互流程片段320中的第一步)，以及，分析创作技巧指示的参考文本的特点(对应交互流程片段320中的第二步)，创作技巧是根据参考文本总结归纳得到的；其中，在指定类型文本为祝福类文本的情况下，上述参考文本为优质祝福语。

提示自然语言生成模型在用户输入文本的前提下思考如何结合参考文本的特点，面向受众对象，生成指定类型文本(对应交互流程片段320中的第三步)；

提示自然语言生成模型通过上述三个推理步骤，输出指定类型文本的创作思路(对应交互流程片段320中的第四步)，得到第一创作思路。

综上所述，上述实施例引入了思维链，将文本的创作思路的思考过程指导给自然语言生成模型。思维链包括：先引导模型思考文本的受众对象的特点，再引导模型思考创作技巧的特点，接着引导模型思考如何结合受众对象的特点和创作技巧的特点，生成文本。即上述实施例提供的思维链一步步引导模型进行思考，通过引导模型的思考路径，有助于提升模型输出的创作思路的有效性。

图4示出了本申请另一个示例性实施例提供的指定类型文本的生成方法的流程图，以该方法由图1所示的后台服务器执行进行举例说明，该方法包括：

步骤410，获取指定类型文本的创作技巧和用户输入文本；

指定类型文本，可以是祝福类文本、诗歌类文本、小说类文本、请假条、事项通知类文本等等中的任意一种文本类型。

创作技巧，也可称为创作方法论，用于指导自然语言生成模型生成指定类型文本。用户输入文本，示意性的，当本申请应用于浏览器领域时，浏览器的搜索框接收到的内容即为用户输入文本。

步骤420，向自然语言生成模型提供创作技巧和用户输入文本，提示自然语言生成模型输出指定类型文本的创作思路，得到第一创作思路；以及，提示自然语言生成模型输出用户输入文本指示的场景描述，得到第一场景描述；以及，提示自然语言生成模型输出的指定类型文本的受众对象，得到第一受众对象；

在本申请中，将前台程序获取的用户输入文本传输至后台程序，后台程序根据用户输入文本，以及预先设计的Prompt(提示)交互流程，执行文本生成。

本申请的Prompt交互流程，称为提示链(Prompt Chain)，包括第一个提示阶段和第二个提示阶段。第一个提示阶段，后台程序向自然语言生成模型提供创作技巧和用户输入文本，提示自然语言生成模型输出指定类型文本的创作思路、用户输入文本指示的场景描述、指定类型文本的受众对象。

场景描述，在指定类型文本为祝福类文本的情况下，场景描述即祝福场景，比如中秋节、元宵节、生日均为祝福场景。在指定类型文本为诗歌类文本的情况下，“赞美春天”、“形容山川”等等均为场景描述。在指定类型文本为请假条的情况下，“病假”、“事假”等等均为场景描述。

受众对象，在指定类型文本为祝福类文本的情况下，受众对象即祝福对象。在指定类型文本为诗歌类文本的情况下，受众对象即目标读者。在指定类型文本为请假条的情况下，受众对象即审批人员。

结合参考图3，图3中交互流程片段340，示出了引导自然语言生成模型严格按照指定输出格式(OutputFormat)输出结果，指定输出格式包括“祝福场景”和“祝福对象”，即后台程序还提示自然语言生成模型输出场景描述和受众对象。

可选的，后台程序还提示自然语言生成模型输出参考文本的特点(即，交互流程片段330所示的“优质祝福语特征”)。

可选的，后台程序还提示自然语言生成模型输出如何结合参考文本的特点，面向受众对象，生成指定类型文本的推理过程(即，交互流程片段330所示的“内容推理”)。

后台程序获取自然语言生成模型输出的第一场景描述和第一受众对象。

步骤430，至少向自然语言生成模型提供第一场景描述、第一受众对象和第一创作思路，提示自然语言生成模型输出指定类型文本；

第二提示阶段，后台程序将向自然语言生成模型提供第一场景描述、第一受众对象和第一创作思路，提示自然语言生成模型输出指定类型文本。

示意性的，后台程序向自然语言生成模型提供“中秋节”(第一场景描述)、“经理”(第一受众对象)和“句式：采用比喻手法；核心词：月亮”(第一创作思路)，提示自然语言生成模型输出祝福类文本。

图5示出了第二个提示阶段中后台程序与自然语言生成模型的交互流程。图5中交互流程片段510，示出了向自然语言生成模型提供创作技巧。图5中交互流程片段520，示出了向自然语言生成模型提供第一场景描述(祝福场景)、第一受众对象(祝福对象)和第一创作思路(建议使用的句式、关键词)。图5中交互流程片段530，示出了提示自然语言生成模型输出指定类型文本(祝福语)。

步骤440，获取自然语言生成模型输出的指定类型文本；

将自然语言生成模型输出的第一指定类型为本作为最终的文本生成结果，返回至前端程序，提供给用户。可选的，对于多个创作思路将生成多个指定类型文本，多个指定类型文本与多个创作思路一一对应。将多个指定类型文本提供给用户，由用户进行最终选择。

综上所述，相关技术采用人工智能的方式生成文本时，经常发生场景描述、受众对象偏移、不够准确的问题，上述实施例将引导模型输出场景描述和受众对象，再基于输出的场景描述和受众对象进行文本结果生成，这有利于校准文本的生成方向，解决场景描述、受众对象偏移的问题。

基于图2示出的可选实施例中，创作技巧是通过如下步骤得到的。

(1)获取多条参考文本；

参考文本，指优质的指定类型文本，可选的，参考文本是经过人工挑选得到的。以指定类型文本为祝福类文本为例，参考文本为优质祝福语。在本申请实施例中，创作技巧是通过优质祝福语集合总结归纳得到的。

(2)向自然语言生成模型提供分析维度，提示自然语言生成模型针对分析维度对多条参考文本进行分析，以及输出分析结果；

分析维度，可选的，包括场景维度和句式维度等。场景维度，即提示自然语言生成模型分析多条参考文本中的场景；句式维度，即提示自然语言生成模型分析多条参考文本中的句式。

结合参考图6，图6示出了交互流程片段610，示出了向自然语言生成模型提供分析维度(包括场景、句式等)。图6示出了交互流程片段620，示出了向自然语言生成模型提供多条参考文本(即人工收集到的优质祝福语集合)。图6还示出了交互流程片段630，提示自然语言生成模型针对分析维度对多条参考文本进行分析，以及输出分析结果。

(3)将自然语言生成模型输出的分析结果确定为创作技巧。

获取自然语言生成模型输出的分析结果，作为创作技巧。

结合参考图7，图7中的交互流程710示出了自然语言生成模型输出的创作技巧。图7示出了8条创作技巧，分别为[1.了解场景：xxx]、[2.选取关键词：xxx]、[3.明确对象：xxx]、[4.运用修辞手法：xxx]、[5.注重文采：xxx]、[6.避免陈词滥调：xxx]、[7.紧扣主题：xxx]、[8.情感真挚：xxx]。

综上所述，上述实施例提供了一种创作技巧的生成方法，通过提供给模型分析维度，引导模型针对分析维度对优质的指定类型文本(参考文本)进行分析，输出创作技巧，上述实施例提供的创作技巧的生成方式较为简单，易于操作。

上面已介绍通过自然语言生成模型生成指定类型文本的过程。

接下来将介绍自然语言生成模型的训练过程。

图8示出了本申请一个示例性实施例提供的自然语言生成模型的训练方法的流程图，以该方法由图1所示的后台服务器执行进行举例说明，该方法包括：

步骤810，获取样本创作技巧和样本输入文本；

关于样本创作技巧和样本输入文本的介绍，与上述步骤220中的创作技巧和用户输入文本相类似，此处不再赘述。

在一个实施例中，获取多条样本参考文本；向第二自然语言生成模型提供分析维度，提示第二自然语言生成模型针对分析维度对多条样本参考文本进行分析，以及输出分析结果；将第二自然语言生成模型输出的分析结果确定为样本创作技巧。以指定类型文本为祝福类文本为例，样本参考文本为优质的祝福语。

在一个实施例中，第二自然语言生成模型为公开的大语言模型(如GPT3.5、混元等)，通过设计合理的Prompt与大语言模型进行交互，得到样本创作技巧。

步骤820，向第二自然语言生成模型提供样本创作技巧和样本输入文本，提示第二自然语言生成模型输出创作思路，得到样本创作思路；

第二自然语言生成模型是规模大于第一自然语言生成模型的模型，第二自然语言生成模型和第一自然语言生成模型均为大语言模型，第一自然语言生成模型即前文中的自然语言生成模型。

本申请实施例通过公开的大语言模型，训练适用于指定类型文本的大语言模型，训练得到的模型的规模小于公开的大语言模型的规模。

与上述介绍的第一自然语言生成模型采用提示链的方式输出指定类型文本相类似，第二自然语言生成模型也采用提示链生成样本文本，此处对第二自然语言生成模型生成样本文本的过程不再赘述。

步骤830，至少向第二自然语言生成模型提供样本输入文本和样本创作思路，提示第二自然语言生成模型输出指定类型文本，得到样本文本；

步骤840，将样本文本作为训练数据，训练第一自然语言生成模型；

在一个实施例中，步骤840之后还执行：通过第一自然语言生成模型，生成多个指定类型文本；将多个指定类型文本中被采纳的指定类型文本，确定为扩充的训练数据；基于扩充的训练数据对第一自然语言生成模型再次进行训练。

示意性的，通过步骤840训练得到的第一自然语言生成模型扩量生产，生产得到的指定类型文本达标后，可以上线支持文本卡片使用。收集线上文本卡片的消费数据，通过对用户点击、采纳日志的分析，可以进一步筛选出用户点击率/采纳率高的文本，用于扩充第一自然语言生成模型的训练数据，对第一自然语言生成模型进行增量训练，得到效果更好、更鲁棒的生成模型。

可选的，循环执行上述增量训练的步骤，以逐步提升模型生成文本的效果。

综上所述，本申请实施例要实现通过公开的大语言模型，训练适用于指定类型文本的大语言模型，训练得到的模型的规模小于公开的大语言模型的规模，以提升祝福语的生产效率，降低生产成本。

并且，上述实施例还在第一自然语言模型生成的文本中将被用户采纳的文本作为扩充的训练数据，对第一自然语言生成模型进行增量训练，进而可以得到效果更好、更鲁棒的第一自然语言生成模型。

图9示出了本申请一个示例性实施例提供的祝福类文本的生成方法的示意图。图9示出了方法论拆解910和祝福语生成920两个阶段。

在方法论拆解910阶段中，方法论拆解的目标是依赖LLM大模型能力，深度分析全网优质祝福语样例的特点，总结优质祝福语的创作技巧。其步骤包括：

1.通过人工主动从网络资源911收集得到优质的祝福语集合912(建议场景、句式等较多样化)。

2.通过自研大语言模型913的能力(比如GPT3.5、混元等)对收集到的优质祝福语集合912进行深度分析，执行方法论拆解914，总结创作技巧。分析过程主要通过设计合理的Prompt与自研大语言模型913进行交互，图6示出了与自研大语言模型913的交互过程。

3.收集自研大语言模型913的分析结果，进行人工校准、整合、改写，得到最终的方法论结果915。图7示出了拆解总结得到的创作技巧/方法论：

在祝福语生成920阶段中，基于大模型能力生产祝福语时，通过分析发现存在以下问题：1、祝福场景、对象偏移，不够准确，比如“新年祝福”中会出现“元宵节”相关内容；2、生成多条祝福语时，用词、句式相似度较高，用户体验不佳。为了解决上述问题，本申请采用提示链(Prompt Chain)的思路，将祝福语生成任务拆解成了“创作思路生成”和“祝福语结果生成”两部分。

其中，“创作思路生成”通过引导自研大语言模型913深度分析用户关键词中包含的合理场景、对象，来校准祝福语生成的方向，解决场景、对象偏移的问题，另外通过引导自研大语言模型913基于创作方法论，提出N条不同的创作思路(包括建议使用的句式、关键词等)，“祝福语结果生成”则遵循上一步得到的N条不同的创作思路，进行最终祝福语结果的生成，解决多条祝福语用词、句式过于相似的问题。

针对创作思路生成，主要借由以下Prompt，与自研大语言模型913进行交互，得到祝福语的创作思路。该Prompt包含以下几部分：

1.创作技巧：通过“方法论拆解910”阶段分析得到的优质祝福语的方法论结果915，指导自研大语言模型913优质祝福语应该包含哪些特征，如何创作一条优质祝福语。

2.分析流程：引入思维链(Chain Of Thought)，将祝福语创作思路的思考过程指导给自研大语言模型913，通过引导模型的思考路径，提升模型提出思路的有效率。

创作思路生成，将根据用户输入的关键词(用户输入文本，包括场景关键词)921、分析流程922和方法论结果915，通过Prompt(创作思路生成)923，引导自研大语言模型913输出n个创作思路。

创作思路生成时，与自研大语言模型913的交互过程见图3。

针对祝福语结果生成，主要承接“创作思路生成”的结果，通过Prompt(祝福语生成)924，解析每条创作思路对应的场景、对象、句式、关键词等信息，借助图5所示的Prompt与自研大语言模型913交互，生成最终的祝福语结果。

为了提升祝福语的生产效率，降低生产成本，本申请将训练小规模的自研大语言模型。图10示出了自研祝福语生成模型的训练流程，包含以下几步：

1.基于整体文本生成Prompt 1001(即包括图9中的“方法论拆解910”和“祝福语生成920”两部分的思路)，结合公开大语言模型(比如GPT3.5、混元等)1002，生成初始祝福语结果(规模可以小一些，作为冷启动数据)。

2.将第1步生成的祝福语结果，作为SFT(Supervised Fine-tuning，监督微调)训练数据1003，采用自研祝福语生成模型1004(较小规模的大语言模型(比如ChatGLM_6B、Baichuan_13B等基座模型))，进行微调训练。

3.基于第2步训练得到的祝福语生成模型扩量生产，生产得到的线上数据1005达标后，可以上线支持祝福语卡片使用，得到线上祝福语卡片1006。

4.收集线上祝福语卡片1006的消费数据，通过对用户点击、采纳日志的分析，可以进一步筛选出用户点击率/采纳率高的祝福语结果，用于扩充自研祝福语生成模型1004的训练数据1003，对自研祝福语生成模型1004进行增量训练，得到效果更好、更鲁棒的生成模型。

5.循环3～4步，逐渐提升祝福语生成模型的效果。

本申请实施例提供了一种祝福类文本的生成方法，该方法包括：获取祝福类文本的创作技巧和用户输入文本；向自然语言生成模型提供创作技巧和用户输入文本，提示自然语言生成模型输出祝福类文本的创作思路，得到第一创作思路；至少向自然语言生成模型提供用户输入文本和第一创作思路，提示自然语言生成模型输出祝福类文本；获取自然语言生成模型输出的祝福类文本。

在一个可选的实施例中，提示自然语言生成模型在用户输入文本的前提下，利用创作技巧，输出祝福类文本的创作思路，得到第一创作思路。

在一个可选的实施例中，提示自然语言生成模型在用户输入文本的前提下分析祝福类文本的祝福对象，以及，分析创作技巧指示的参考文本的特点，创作技巧是根据参考文本总结归纳得到的；

提示自然语言生成模型在用户输入文本的前提下思考如何结合参考文本的特点，面向祝福对象，生成祝福类文本；

提示自然语言生成模型通过上述三个推理步骤，输出祝福类文本的创作思路，得到第一创作思路。

在一个可选的实施例中，提示自然语言生成模型输出用户输入文本指示的祝福场景；获取自然语言生成模型输出的第一祝福场景；至少向自然语言生成模型提供第一祝福场景和第一创作思路，提示自然语言生成模型输出祝福类文本。

在一个可选的实施例中，提示自然语言生成模型输出祝福类文本的祝福对象；获取自然语言生成模型输出的第一祝福对象；至少向自然语言生成模型提供第一祝福场景、第一祝福对象和第一创作思路，提示自然语言生成模型输出祝福类文本。

在一个可选的实施例中，获取多条参考文本；向自然语言生成模型提供分析维度，提示自然语言生成模型针对分析维度对多条参考文本进行分析，以及输出分析结果；将自然语言生成模型输出的分析结果确定为创作技巧。

在一个可选的实施例中，自然语言生成模型为第一自然语言生成模型。获取样本创作技巧和样本输入文本；向第二自然语言生成模型提供样本创作技巧和样本输入文本，提示第二自然语言生成模型输出创作思路，得到样本创作思路；至少向第二自然语言生成模型提供样本输入文本和样本创作思路，提示第二自然语言生成模型输出祝福类文本，得到样本文本；将样本文本作为训练数据，训练第一自然语言生成模型，第二自然语言生成模型的规模大于第一自然语言生成模型的规模。

在一个可选的实施例中，通过第一自然语言生成模型，生成多个祝福类文本；将多个祝福类文本中被采纳的祝福类文本，确定为扩充的训练数据；基于扩充的训练数据对第一自然语言生成模型再次进行训练。

在一个可选的实施例中，获取多条样本参考文本；向第二自然语言生成模型提供分析维度，提示第二自然语言生成模型针对分析维度对多条样本参考文本进行分析，以及输出分析结果；将第二自然语言生成模型输出的分析结果确定为样本创作技巧。

在一个可选的实施例中，提示自然语言生成模型输出祝福类文本的多个创作思路，得到n个创作思路，n为大于1的正整数；提示自然语言生成模型输出n个创作思路分别对应的祝福类文本；对于n个创作思路中的第i创作思路，至少向自然语言生成模型提供用户输入文本和第i创作思路，提示自然语言生成模型输出祝福类文本，第i创作思路是n个创作思路中的任意一个创作思路。

在一个可选的实施例中，至少向自然语言生成模型提供创作技巧、用户输入文本和第一创作思路，提示自然语言生成模型输出祝福类文本。

本申请实施例提供了一种诗歌类文本的生成方法，该方法包括：获取诗歌类文本的创作技巧和用户输入文本；向自然语言生成模型提供创作技巧和用户输入文本，提示自然语言生成模型输出诗歌类文本的创作思路，得到第一创作思路；至少向自然语言生成模型提供用户输入文本和第一创作思路，提示自然语言生成模型输出诗歌类文本；获取自然语言生成模型输出的诗歌类文本。

在一个可选的实施例中，提示自然语言生成模型在用户输入文本的前提下，利用创作技巧，输出诗歌类文本的创作思路，得到第一创作思路。

在一个可选的实施例中，提示自然语言生成模型在用户输入文本的前提下分析诗歌类文本的阅读对象，以及，分析创作技巧指示的参考文本的特点，创作技巧是根据参考文本总结归纳得到的；

提示自然语言生成模型在用户输入文本的前提下思考如何结合参考文本的特点，面向阅读对象，生成诗歌类文本；

提示自然语言生成模型通过上述三个推理步骤，输出诗歌类文本的创作思路，得到第一创作思路。

在一个可选的实施例中，提示自然语言生成模型输出用户输入文本指示的描绘场景；获取自然语言生成模型输出的第一描绘场景；至少向自然语言生成模型提供第一描绘场景和第一创作思路，提示自然语言生成模型输出诗歌类文本。

在一个可选的实施例中，提示自然语言生成模型输出诗歌类文本的阅读对象；获取自然语言生成模型输出的第一阅读对象；至少向自然语言生成模型提供第一描绘场景、第一阅读对象和第一创作思路，提示自然语言生成模型输出诗歌类文本。

在一个可选的实施例中，获取多条参考文本；向自然语言生成模型提供分析维度，提示自然语言生成模型针对分析维度对多条参考文本进行分析，以及输出分析结果；将自然语言生成模型输出的分析结果确定为创作技巧。

在一个可选的实施例中，自然语言生成模型为第一自然语言生成模型。获取样本创作技巧和样本输入文本；向第二自然语言生成模型提供样本创作技巧和样本输入文本，提示第二自然语言生成模型输出创作思路，得到样本创作思路；至少向第二自然语言生成模型提供样本输入文本和样本创作思路，提示第二自然语言生成模型输出诗歌类文本，得到样本文本；将样本文本作为训练数据，训练第一自然语言生成模型，第二自然语言生成模型的规模大于第一自然语言生成模型的规模。

在一个可选的实施例中，通过第一自然语言生成模型，生成多个诗歌类文本；将多个诗歌类文本中被采纳的诗歌类文本，确定为扩充的训练数据；基于扩充的训练数据对第一自然语言生成模型再次进行训练。

在一个可选的实施例中，获取多条样本参考文本；向第二自然语言生成模型提供分析维度，提示第二自然语言生成模型针对分析维度对多条样本参考文本进行分析，以及输出分析结果；将第二自然语言生成模型输出的分析结果确定为样本创作技巧。

在一个可选的实施例中，提示自然语言生成模型输出诗歌类文本的多个创作思路，得到n个创作思路，n为大于1的正整数；提示自然语言生成模型输出n个创作思路分别对应的诗歌类文本；对于n个创作思路中的第i创作思路，至少向自然语言生成模型提供用户输入文本和第i创作思路，提示自然语言生成模型输出诗歌类文本，第i创作思路是n个创作思路中的任意一个创作思路。

在一个可选的实施例中，至少向自然语言生成模型提供创作技巧、用户输入文本和第一创作思路，提示自然语言生成模型输出诗歌类文本。

本申请实施例提供了一种小说类文本的生成方法，该方法包括：获取小说类文本的创作技巧和用户输入文本；向自然语言生成模型提供创作技巧和用户输入文本，提示自然语言生成模型输出小说类文本的创作思路，得到第一创作思路；至少向自然语言生成模型提供用户输入文本和第一创作思路，提示自然语言生成模型输出小说类文本；获取自然语言生成模型输出的小说类文本。

在一个可选的实施例中，提示自然语言生成模型在用户输入文本的前提下，利用创作技巧，输出小说类文本的创作思路，得到第一创作思路。

在一个可选的实施例中，提示自然语言生成模型在用户输入文本的前提下分析小说类文本的阅读对象，以及，分析创作技巧指示的参考文本的特点，创作技巧是根据参考文本总结归纳得到的；

提示自然语言生成模型在用户输入文本的前提下思考如何结合参考文本的特点，面向阅读对象，生成小说类文本；

提示自然语言生成模型通过上述三个推理步骤，输出小说类文本的创作思路，得到第一创作思路。

在一个可选的实施例中，提示自然语言生成模型输出用户输入文本指示的故事梗概；获取自然语言生成模型输出的第一故事梗概；至少向自然语言生成模型提供第一故事梗概和第一创作思路，提示自然语言生成模型输出小说类文本。

在一个可选的实施例中，提示自然语言生成模型输出小说类文本的阅读对象；获取自然语言生成模型输出的第一阅读对象；至少向自然语言生成模型提供第一故事梗概、第一阅读对象和第一创作思路，提示自然语言生成模型输出小说类文本。

在一个可选的实施例中，获取多条参考文本；向自然语言生成模型提供分析维度，提示自然语言生成模型针对分析维度对多条参考文本进行分析，以及输出分析结果；将自然语言生成模型输出的分析结果确定为创作技巧。

在一个可选的实施例中，自然语言生成模型为第一自然语言生成模型。获取样本创作技巧和样本输入文本；向第二自然语言生成模型提供样本创作技巧和样本输入文本，提示第二自然语言生成模型输出创作思路，得到样本创作思路；至少向第二自然语言生成模型提供样本输入文本和样本创作思路，提示第二自然语言生成模型输出小说类文本，得到样本文本；将样本文本作为训练数据，训练第一自然语言生成模型，第二自然语言生成模型的规模大于第一自然语言生成模型的规模。

在一个可选的实施例中，通过第一自然语言生成模型，生成多个小说类文本；将多个小说类文本中被采纳的小说类文本，确定为扩充的训练数据；基于扩充的训练数据对第一自然语言生成模型再次进行训练。

在一个可选的实施例中，获取多条样本参考文本；向第二自然语言生成模型提供分析维度，提示第二自然语言生成模型针对分析维度对多条样本参考文本进行分析，以及输出分析结果；将第二自然语言生成模型输出的分析结果确定为样本创作技巧。

在一个可选的实施例中，提示自然语言生成模型输出小说类文本的多个创作思路，得到n个创作思路，n为大于1的正整数；提示自然语言生成模型输出n个创作思路分别对应的小说类文本；对于n个创作思路中的第i创作思路，至少向自然语言生成模型提供用户输入文本和第i创作思路，提示自然语言生成模型输出小说类文本，第i创作思路是n个创作思路中的任意一个创作思路。

在一个可选的实施例中，至少向自然语言生成模型提供创作技巧、用户输入文本和第一创作思路，提示自然语言生成模型输出小说类文本。

图11示出了本申请一个示例性实施例提供的指定类型文本的生成装置的结构框图，该装置包括：

获取模块1101，用于获取指定类型文本的创作技巧和用户输入文本；

处理模块1102，用于向自然语言生成模型提供创作技巧和用户输入文本，提示自然语言生成模型输出指定类型文本的创作思路，得到第一创作思路；

处理模块1102，还用于至少向自然语言生成模型提供用户输入文本和第一创作思路，提示自然语言生成模型输出指定类型文本；

获取模块1101，还用于获取自然语言生成模型输出的指定类型文本。

在一个可选的实施例中，处理模块1102，还用于提示自然语言生成模型在用户输入文本的前提下，利用创作技巧，输出指定类型文本的创作思路，得到第一创作思路。

在一个可选的实施例中，处理模块1102，还用于提示自然语言生成模型在用户输入文本的前提下分析指定类型文本的受众对象，以及，分析创作技巧指示的参考文本的特点，创作技巧是根据参考文本总结归纳得到的；

提示自然语言生成模型在用户输入文本的前提下思考如何结合参考文本的特点，面向受众对象，生成指定类型文本；

提示自然语言生成模型通过上述三个推理步骤，输出指定类型文本的创作思路，得到第一创作思路。

在一个可选的实施例中，处理模块1102，还用于提示自然语言生成模型输出用户输入文本指示的场景描述；获取模块1101，还用于获取自然语言生成模型输出的第一场景描述。处理模块1102，还用于至少向自然语言生成模型提供第一场景描述和第一创作思路，提示自然语言生成模型输出指定类型文本。

在一个可选的实施例中，处理模块1102，还用于提示自然语言生成模型输出指定类型文本的受众对象；获取模块1101，还用于获取自然语言生成模型输出的第一受众对象；处理模块1102，还用于至少向自然语言生成模型提供第一场景描述、第一受众对象和第一创作思路，提示自然语言生成模型输出指定类型文本。

在一个可选的实施例中，获取模块1101，还用于获取多条参考文本；处理模块1102，还用于向自然语言生成模型提供分析维度，提示自然语言生成模型针对分析维度对多条参考文本进行分析，以及输出分析结果；将自然语言生成模型输出的分析结果确定为创作技巧。

在一个可选的实施例中，自然语言生成模型为第一自然语言生成模型。获取模块1101，还用于获取样本创作技巧和样本输入文本；

处理模块1102，还用于向第二自然语言生成模型提供样本创作技巧和样本输入文本，提示第二自然语言生成模型输出创作思路，得到样本创作思路；至少向第二自然语言生成模型提供样本输入文本和样本创作思路，提示第二自然语言生成模型输出指定类型文本，得到样本文本。该装置还包括训练模块1103。

训练模块1103，用于将样本文本作为训练数据，训练第一自然语言生成模型，第二自然语言生成模型的规模大于第一自然语言生成模型的规模。

在一个可选的实施例中，处理模块1102，还用于通过第一自然语言生成模型，生成多个指定类型文本；将多个指定类型文本中被采纳的指定类型文本，确定为扩充的训练数据。训练模块1103，还用于基于扩充的训练数据对第一自然语言生成模型再次进行训练。

在一个可选的实施例中，获取模块1101，还用于获取多条样本参考文本；处理模块1102，还用于向第二自然语言生成模型提供分析维度，提示第二自然语言生成模型针对分析维度对多条样本参考文本进行分析，以及输出分析结果；将第二自然语言生成模型输出的分析结果确定为样本创作技巧。

在一个可选的实施例中，处理模块1102，还用于提示自然语言生成模型输出指定类型文本的多个创作思路，得到n个创作思路，n为正整数；提示自然语言生成模型输出n个创作思路分别对应的指定类型文本；对于n个创作思路中的第i创作思路，至少向自然语言生成模型提供用户输入文本和第i创作思路，提示自然语言生成模型输出指定类型文本，第i创作思路是n个创作思路中的任意一个创作思路。

在一个可选的实施例中，处理模块1102，还用于至少向自然语言生成模型提供创作技巧、用户输入文本和第一创作思路，提示自然语言生成模型输出指定类型文本。

综上所述，上述装置采用提示链的方式进行指定类型文本的生成，将文本生成任务拆解成创作思路生成任务和文本结果生成任务，拆解后的两个任务有利于一步步引导模型进行思考，引导模型先形成创作思路，再基于创作思路进行创作，进而能避免生成的文本过于相似、缺乏新意的问题。

并且，相关技术采用人工智能的方式生成文本时，经常发生场景描述、受众对象偏移、不够准确的问题，上述装置还将引导模型输出场景描述和受众对象，再基于输出的场景描述和受众对象进行文本结果生成，这有利于校准文本的生成方向，解决场景描述、受众对象偏移的问题。

图12是根据一示例性实施例示出的一种计算机设备的结构示意图。所述计算机设备1200包括中央处理单元(Central Processing Unit，CPU)1201、包括随机存取存储器(Random Access Memory，RAM)1202和只读存储器(Read-Only Memory，ROM)1203的系统存储器1204，以及连接系统存储器1204和中央处理单元1201的系统总线1205。所述计算机设备1200还包括帮助计算机设备内的各个器件之间传输信息的基本输入/输出系统(Input/Output，I/O系统)1206，和用于存储操作系统1213、应用程序1214和其他程序模块1215的大容量存储设备1207。

所述基本输入/输出系统1206包括有用于显示信息的显示器1208和用于用户输入信息的诸如鼠标、键盘之类的输入设备1209。其中所述显示器1208和输入设备1209都通过连接到系统总线1205的输入输出控制器1212连接到中央处理单元1201。所述基本输入/输出系统1206还可以包括输入输出控制器1210以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地，输入输出控制器1210还提供输出到显示屏、打印机或其他类型的输出设备。

所述大容量存储设备1207通过连接到系统总线1205的大容量存储控制器(未示出)连接到中央处理单元1201。所述大容量存储设备1207及其相关联的计算机设备可读介质为计算机设备1200提供非易失性存储。也就是说，所述大容量存储设备1207可以包括诸如硬盘或者只读光盘(Compact Disc Read-Only Memory，CD-ROM)驱动器之类的计算机设备可读介质(未示出)。

不失一般性，所述计算机设备可读介质可以包括计算机设备存储介质和通信介质。计算机设备存储介质包括以用于存储诸如计算机设备可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机设备存储介质包括RAM、ROM、可擦除可编程只读存储器(Erasable Programmable ReadOnly Memory，EPROM)、带电可擦可编程只读存储器(Electrically ErasableProgrammable Read-Only Memory，EEPROM)，CD-ROM、数字视频光盘(Digital Video Disc，DVD)或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然，本领域技术人员可知所述计算机设备存储介质不局限于上述几种。上述的系统存储器1204和大容量存储设备1207可以统称为存储器。

根据本公开的各种实施例，所述计算机设备1200还可以通过诸如因特网等网络连接到网络上的远程计算机设备运行。也即计算机设备1200可以通过连接在所述系统总线1205上的网络接口单元1212连接到网络1211，或者说，也可以使用网络接口单元1212来连接到其他类型的网络或远程计算机设备系统(未示出)。

所述存储器还包括一个或者一个以上的程序，所述一个或者一个以上程序存储于存储器中，中央处理单元1201通过执行该一个或一个以上程序来实现上述指定类型文本的生成方法的全部或者部分步骤。

图13示出了本申请一个示例性实施例提供的计算机设备1300的结构框图。该计算机设备1300可以是便携式移动终端，比如：智能手机、平板电脑、MP3播放器(MovingPicture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑。计算机设备1300还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。

通常，计算机设备1300包括有：处理器1301和存储器1302。

处理器1301可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器1301可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Program mable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器1301也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器1301可以集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器1301还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。

存储器1302可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器1302还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器1302中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器1301所执行以实现本申请中方法实施例提供的指定类型文本的生成方法。

在一些实施例中，计算机设备1300还可选包括有：外围设备接口1303和至少一个外围设备。处理器1301、存储器1302和外围设备接口1303之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口1303相连。示例地，外围设备可以包括：射频电路1304、显示屏1305、摄像头组件1306、音频电路1307和电源1308中的至少一种。

外围设备接口1303可被用于将I/O(Input/Output，输入/输出)相关的至少一个外围设备连接到处理器1301和存储器1302。在一些实施例中，处理器1301、存储器1302和外围设备接口1303被集成在同一芯片或电路板上；在一些其他实施例中，处理器1301、存储器1302和外围设备接口1303中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。

射频电路1304用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路1304通过电磁信号与通信网络以及其他通信设备进行通信。射频电路1304将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路1304包括：天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路1304可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：万维网、城域网、内联网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity，无线保真)网络。在一些实施例中，射频电路1304还可以包括NFC(Near Field Com munication，近距离无线通信)有关的电路，本申请对此不加以限定。

显示屏1305用于显示UI(User Interface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏1305是触摸显示屏时，显示屏1305还具有采集在显示屏1305的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器1301进行处理。此时，显示屏1305还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏1305可以为一个，设置在计算机设备1300的前面板；在另一些实施例中，显示屏1305可以为至少两个，分别设置在计算机设备1300的不同表面或呈折叠设计；在另一些实施例中，显示屏1305可以是柔性显示屏，设置在计算机设备1300的弯曲表面上或折叠面上。甚至，显示屏1305还可以设置成非矩形的不规则图形，也即异形屏。显示屏1305可以采用LCD(Liquid Crysta l Display，液晶显示屏)、OLED(OrganicLight-Emitting Diode，有机发光二极管)等材质制备。

摄像头组件1306用于采集图像或视频。可选地，摄像头组件1306包括前置摄像头和后置摄像头。通常，前置摄像头设置在终端的前面板，后置摄像头设置在终端的背面。在一些实施例中，后置摄像头为至少两个，分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种，以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality，虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中，摄像头组件1306还可以包括闪光灯。闪光灯可以是单色温闪光灯，也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合，可以用于不同色温下的光线补偿。

音频电路1307可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波，并将声波转换为电信号输入至处理器1301进行处理，或者输入至射频电路1304以实现语音通信。出于立体声采集或降噪的目的，麦克风可以为多个，分别设置在计算机设备1300的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器1301或射频电路1304的电信号转换为声波。扬声器可以是传统的薄膜扬声器，也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时，不仅可以将电信号转换为人类可听见的声波，也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中，音频电路1307还可以包括耳机插孔。

电源1308用于为计算机设备1300中的各个组件进行供电。电源1308可以是交流电、直流电、一次性电池或可充电电池。当电源1308包括可充电电池时，该可充电电池可以是有线充电电池或无线充电电池。有线充电电池是通过有线线路充电的电池，无线充电电池是通过无线线圈充电的电池。该可充电电池还可以用于支持快充技术。

在一些实施例中，计算机设备1300还包括有一个或多个传感器1309。该一个或多个传感器1309包括但不限于：加速度传感器1310、陀螺仪传感器1311、压力传感器1312、光学传感器1313以及接近传感器1314。

加速度传感器1310可以检测以计算机设备1300建立的坐标系的三个坐标轴上的加速度大小。比如，加速度传感器1310可以用于检测重力加速度在三个坐标轴上的分量。处理器1301可以根据加速度传感器1310采集的重力加速度信号，控制显示屏1305以横向视图或纵向视图进行用户界面的显示。加速度传感器1310还可以用于游戏或者用户的运动数据的采集。

陀螺仪传感器1311可以检测计算机设备1300的机体方向及转动角度，陀螺仪传感器1311可以与加速度传感器1310协同采集用户对计算机设备1300的3D动作。处理器1301根据陀螺仪传感器1311采集的数据，可以实现如下功能：动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。

压力传感器1312可以设置在计算机设备1300的侧边框和/或显示屏1305的下层。当压力传感器1312设置在计算机设备1300的侧边框时，可以检测用户对计算机设备1300的握持信号，由处理器1301根据压力传感器1312采集的握持信号进行左右手识别或快捷操作。当压力传感器1312设置在显示屏1305的下层时，由处理器1301根据用户对显示屏1305的压力操作，实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。

光学传感器1313用于采集环境光强度。在一个实施例中，处理器1301可以根据光学传感器1313采集的环境光强度，控制显示屏1305的显示亮度。示例地，当环境光强度较高时，调高显示屏1305的显示亮度；当环境光强度较低时，调低显示屏1305的显示亮度。在另一个实施例中，处理器1301还可以根据光学传感器1313采集的环境光强度，动态调整摄像头组件1306的拍摄参数。

接近传感器1314，也称距离传感器，通常设置在计算机设备1300的前面板。接近传感器1314用于采集用户与计算机设备1300的正面之间的距离。在一个实施例中，当接近传感器1314检测到用户与计算机设备1300的正面之间的距离逐渐变小时，由处理器1301控制显示屏1305从亮屏状态切换为息屏状态；当接近传感器1314检测到用户与计算机设备1300的正面之间的距离逐渐变大时，由处理器1301控制显示屏1305从息屏状态切换为亮屏状态。

本领域技术人员可以理解，图13中示出的结构并不构成对计算机设备1300的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。

本申请还提供一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现上述方法实施例提供的指定类型文本的生成方法。

本申请提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述方法实施例提供的指定类型文本的生成方法。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上所述仅为本申请的可选实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (15)

1.一种指定类型文本的生成方法，其特征在于，所述方法包括：

获取所述指定类型文本的创作技巧和用户输入文本；

向自然语言生成模型提供所述创作技巧和所述用户输入文本，提示所述自然语言生成模型输出所述指定类型文本的创作思路，得到第一创作思路；

至少向所述自然语言生成模型提供所述用户输入文本和所述第一创作思路，提示所述自然语言生成模型输出所述指定类型文本；

获取所述自然语言生成模型输出的所述指定类型文本。

2.根据权利要求1所述的方法，其特征在于，所述提示所述自然语言生成模型输出所述指定类型文本的创作思路，得到第一创作思路，包括：

提示所述自然语言生成模型在所述用户输入文本的前提下，利用所述创作技巧，输出所述指定类型文本的创作思路，得到所述第一创作思路。

3.根据权利要求2所述的方法，其特征在于，所述提示所述自然语言生成模型在所述用户输入文本的前提下，利用所述创作技巧，输出所述指定类型文本的创作思路，得到所述第一创作思路，包括：

提示所述自然语言生成模型在所述用户输入文本的前提下分析所述指定类型文本的受众对象，以及，分析所述创作技巧指示的参考文本的特点，所述创作技巧是根据所述参考文本总结归纳得到的；

提示所述自然语言生成模型在所述用户输入文本的前提下思考如何结合所述参考文本的特点，面向所述受众对象，生成所述指定类型文本；

提示所述自然语言生成模型通过上述三个推理步骤，输出所述指定类型文本的创作思路，得到所述第一创作思路。

4.根据权利要求1至3任一所述的方法，其特征在于，所述方法还包括：

提示所述自然语言生成模型输出所述用户输入文本指示的场景描述；

获取所述自然语言生成模型输出的第一场景描述；

所述至少向所述自然语言生成模型提供所述用户输入文本和所述第一创作思路，提示所述自然语言生成模型输出所述指定类型文本，包括：

至少向所述自然语言生成模型提供所述第一场景描述和所述第一创作思路，提示所述自然语言生成模型输出所述指定类型文本。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

提示所述自然语言生成模型输出所述指定类型文本的受众对象；

获取所述自然语言生成模型输出的第一受众对象；

所述至少向所述自然语言生成模型提供所述第一场景描述和所述第一创作思路，提示所述自然语言生成模型输出所述指定类型文本，包括：

至少向所述自然语言生成模型提供所述第一场景描述、所述第一受众对象和所述第一创作思路，提示所述自然语言生成模型输出所述指定类型文本。

6.根据权利要求1至3任一所述的方法，其特征在于，所述方法还包括：

获取多条参考文本；

向所述自然语言生成模型提供分析维度，提示所述自然语言生成模型针对所述分析维度对所述多条参考文本进行分析，以及输出分析结果；

将所述自然语言生成模型输出的分析结果确定为所述创作技巧。

7.根据权利要求1至3任一所述的方法，其特征在于，所述自然语言生成模型为第一自然语言生成模型，所述方法还包括：

获取样本创作技巧和样本输入文本；

向第二自然语言生成模型提供所述样本创作技巧和所述样本输入文本，提示所述第二自然语言生成模型输出所述创作思路，得到样本创作思路；

至少向所述第二自然语言生成模型提供所述样本输入文本和所述样本创作思路，提示所述第二自然语言生成模型输出所述指定类型文本，得到样本文本；

将所述样本文本作为训练数据，训练所述第一自然语言生成模型，所述第二自然语言生成模型的规模大于所述第一自然语言生成模型的规模。

8.根据权利要求7所述的方法，其特征在于，所述方法还包括：

通过所述第一自然语言生成模型，生成多个指定类型文本；

将所述多个指定类型文本中被采纳的指定类型文本，确定为扩充的训练数据；基于所述扩充的训练数据对所述第一自然语言生成模型再次进行训练。

9.根据权利要求7所述的方法，其特征在于，所述方法还包括：

获取多条样本参考文本；

向所述第二自然语言生成模型提供分析维度，提示所述第二自然语言生成模型针对所述分析维度对所述多条样本参考文本进行分析，以及输出分析结果；

将所述第二自然语言生成模型输出的分析结果确定为所述样本创作技巧。

10.根据权利要求1所述的方法，其特征在于，所述提示所述自然语言生成模型输出所述指定类型文本的创作思路，得到第一创作思路，包括：

提示所述自然语言生成模型输出所述指定类型文本的多个创作思路，得到n个创作思路，n为大于1的正整数；

所述至少向所述自然语言生成模型提供所述用户输入文本和所述第一创作思路，提示所述自然语言生成模型输出所述指定类型文本，包括：

提示所述自然语言生成模型输出所述n个创作思路分别对应的所述指定类型文本；

对于所述n个创作思路中的第i创作思路，至少向所述自然语言生成模型提供所述用户输入文本和所述第i创作思路，提示所述自然语言生成模型输出所述指定类型文本，所述第i创作思路是所述n个创作思路中的任意一个创作思路。

11.根据权利要求1所述的方法，其特征在于，所述至少向所述自然语言生成模型提供所述用户输入文本和所述第一创作思路，提示所述自然语言生成模型输出所述指定类型文本，包括：

至少向所述自然语言生成模型提供所述创作技巧、所述用户输入文本和所述第一创作思路，提示所述自然语言生成模型输出所述指定类型文本。

12.一种指定类型文本的生成装置，其特征在于，所述装置包括：

获取模块，用于获取所述指定类型文本的创作技巧和用户输入文本；

处理模块，用于向自然语言生成模型提供所述创作技巧和所述用户输入文本，提示所述自然语言生成模型输出所述指定类型文本的创作思路，得到第一创作思路；

所述处理模块，还用于至少向所述自然语言生成模型提供所述用户输入文本和所述第一创作思路，提示所述自然语言生成模型输出所述指定类型文本；

所述获取模块，还用于获取所述自然语言生成模型输出的所述指定类型文本。

13.一种计算机设备，其特征在于，所述计算机设备包括：处理器和存储器，所述存储器存储有计算机程序，所述计算机程序由所述处理器加载并执行以实现如权利要求1至11任一所述的指定类型文本的生成方法。

14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序由处理器加载并执行以实现如权利要求1至11任一所述的指定类型文本的生成方法。

15.一种计算机程序产品，其特征在于，所述计算机程序产品存储有计算机程序，所述计算机程序由处理器加载并执行以实现如权利要求1至11任一所述的指定类型文本的生成方法。