System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及人工智能,尤其涉及一种信息处理方法、装置、设备及计算机可读存储介质。
技术介绍
1、随着互联网技术和金融行业的迅速发展,券商活动营销的需求不断增长。为了吸引更多客户,券商需要制作各种宣传素材,如理财产品宣传图、节假日宣传图等。
2、相关技术中在制作宣传素材时通常采用基于模板的宣传素材生成方法或基于规则的文本生成方法和基于传统机器学习的图片生成方法结合的方法;但是,基于模板的宣传素材生成方法通常需要人力手动设计模板,且模板的设计过程固定,从而导致制作宣传素材的效率较低且多样性不足;基于规则的文本生成方法和基于传统机器学习的图片生成方法结合的方法,由于基于规则的文本生成方法通常需要人力手动设计维护规则,导致生成文本的效率较低,且由于传统机器学习方法对于复杂、高维的图像数据处理能力有限,导致生成的图片质量低和多样性不足,从而导致基于文本和图片制作宣传素材不仅效率较低且缺乏多样性。
技术实现思路
1、为解决上述技术问题,本申请实施例期望提供一种信息处理方法、装置、设备及计算机可读存储介质,可以解决相关技术中制作宣传素材不仅效率较低且缺乏多样性的问题。
2、本申请的技术方案是这样实现的:
3、一种信息处理方法,所述方法包括:
4、获取针对样本产品的样本介绍文本的目标样式的第一样本文本;
5、获取针对所述样本产品的样本图像、针对所述样本图像的描述信息和针对所述样本图像的目标样式的第二样本文本;
6、基于所述目标样
7、基于所述样本图像、所述描述信息和所述目标样式的第二样本文本对初始图像生成模型进行模型训练,得到目标图像生成模型;
8、获取用户输入的针对目标产品的需求参数,并对所述需求参数进行处理得到针对所述目标产品的介绍文本的所述目标样式的第一描述信息和针对所述目标产品的图像的所述目标样式的第二描述信息;
9、采用所述目标文本生成模型对所述目标样式的第一描述信息进行处理,得到目标文本;
10、采用所述目标图像生成模型对所述目标样式的第二描述信息进行处理,得到目标图像;
11、对所述目标文本和所述目标图像进行处理,得到针对所述目标产品的介绍信息。
12、上述方案中,所述基于所述目标样式的第一样本文本和所述样本介绍文本对初始文本生成模型进行模型训练,得到目标文本生成模型,包括:
13、采用所述样本介绍文本中的训练样本介绍文本、所述第一样本文本中的训练样本文本、所述样本介绍文本中的验证样本介绍文本、所述样本文本中的验证样本文本、所述验证样本文本的批量大小和模型学习速率,对所述初始文本生成模型进行模型训练,得到训练后的文本生成模型;
14、采用所述样本介绍文本中的测试样本介绍文本、所述第一样本文本中的测试样本文本、评估指标、所述测试样本文本的批量大小和所述模型学习速率,对所述训练后的文本生成模型进行处理,得到所述目标文本生成模型。
15、上述方案中,所述采用所述样本介绍文本中的训练样本介绍文本、所述第一样本文本中的训练样本文本、所述样本介绍文本中的验证样本介绍文本、所述第一样本文本中的验证样本文本、所述验证样本文本的批量大小和模型学习速率对所述初始文本生成模型进行模型训练,得到训练后的文本生成模型,包括:
16、采用所述训练样本介绍文本和所述训练样本文本对所述初始文本生成模型进行模型训练,得到待优化文本生成模型;
17、采用所述验证样本介绍文本、所述验证样本文本、所述验证样本文本的批量大小和所述模型学习速率对所述待优化文本生成模型进行优化,得到所述训练后的文本生成模型。
18、上述方案中,所述采用所述样本介绍文本中的测试样本介绍文本、所述第一样本文本中的测试样本文本、评估指标和所述测试样本文本的批量大小和所述模型学习速率,对所述训练后的文本生成模型进行处理,得到所述目标文本生成模型,包括:
19、采用所述训练后的文本生成模型对所述测试样本介绍文本和所述测试样本文本进行处理,得到文本信息;
20、在所述文本信息的内容不满足所述评估指标的情况下,基于所述测试样本介绍文本和所述测试样本文本、所述测试样本文本的批量大小和所述模型学习速率对所述训练后的文本生成模型进行更新,得到所述目标文本生成模型。
21、上述方案中,所述对所述需求参数进行处理得到针对所述目标产品的介绍文本的所述目标样式的第一描述信息和针对所述目标产品的图像的所述目标样式的第二描述信息,包括:
22、从所述需求参数中获取针对所述目标产品的介绍文本的第一待处理描述信息和针对所述目标产品的图像的第二待处理描述信息;
23、基于所述第一待处理描述信息、所述第二待处理描述信息和目标模板,生成所述第一描述信息和所述第二描述信息。
24、上述方案中,所述基于所述样本图像、所述描述信息和所述目标样式的第二样本文本对初始图像生成模型进行模型训练,得到目标图像生成模型,包括:
25、基于所述样本图像中的训练样本图像、所述训练样本图像的批量大小和所述训练样本图像的第一描述信息,采用局部注意力机制技术对所述初始图像生成模型进行模型训练,得到待优化图像生成模型;
26、采用所述样本图像中的验证样本图像和所述验证样本图像的目标样式的第二样本文本对所述待优化的图像生成模型进行处理,得到所述目标图像生成模型。
27、上述方案中,所述信息处理方法还包括:
28、对所述介绍信息进行可视化处理,得到目标形式的介绍信息;
29、采用数据处理算法对所述目标形式的介绍信息的文件格式进行转换,得到目标格式的介绍信息;
30、通过展示模块展示所述目标格式的介绍信息。
31、上述方案中,所述信息处理方法还包括:
32、获取所述用户针对所述目标文本的第一反馈信息和针对所述目标图像的第二反馈信息;
33、采用所述第一反馈信息对所述目标文本生成模型进行优化,并采用所述第二反馈信息对所述目标图像生成模型进行优化。
34、一种信息处理装置,所述装置包括:
35、第一获取单元,用于获取针对样本产品的样本介绍文本的目标样式的第一样本文本;
36、第二获取单元,用于获取针对所述样本产品的样本图像、针对所述样本图像的描述信息和针对所述样本图像的目标样式的第二样本文本;
37、第一训练单元,用于基于所述目标样式的第一样本文本和所述样本介绍文本对初始文本生成模型进行模型训练,得到目标文本生成模型;
38、第二训练单元,用于基于所述样本图像、所述描述信息和所述目标样式的第二样本文本对初始图像生成模型进行模型训练,得到目标图像生成模型;
39、第三获取单元,用于获取用户输入的针对目标产品的本文档来自技高网...
【技术保护点】
1.一种信息处理方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述基于所述目标样式的第一样本文本和所述样本介绍文本对初始文本生成模型进行模型训练,得到目标文本生成模型,包括:
3.根据权利要求2所述的方法,其特征在于,所述采用所述样本介绍文本中的训练样本介绍文本、所述第一样本文本中的训练样本文本、所述样本介绍文本中的验证样本介绍文本、所述第一样本文本中的验证样本文本、所述验证样本文本的批量大小和模型学习速率对所述初始文本生成模型进行模型训练,得到训练后的文本生成模型,包括:
4.根据权利要求2所述的方法,其特征在于,所述采用所述样本介绍文本中的测试样本介绍文本、所述第一样本文本中的测试样本文本、评估指标和所述测试样本文本的批量大小和所述模型学习速率,对所述训练后的文本生成模型进行处理,得到所述目标文本生成模型,包括:
5.根据权利要求1所述的方法,其特征在于,所述对所述需求参数进行处理得到针对所述目标产品的介绍文本的所述目标样式的第一描述信息和针对所述目标产品的图像的所述目标样式的第二描述信息,包括:<
...【技术特征摘要】
1.一种信息处理方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述基于所述目标样式的第一样本文本和所述样本介绍文本对初始文本生成模型进行模型训练,得到目标文本生成模型,包括:
3.根据权利要求2所述的方法,其特征在于,所述采用所述样本介绍文本中的训练样本介绍文本、所述第一样本文本中的训练样本文本、所述样本介绍文本中的验证样本介绍文本、所述第一样本文本中的验证样本文本、所述验证样本文本的批量大小和模型学习速率对所述初始文本生成模型进行模型训练,得到训练后的文本生成模型,包括:
4.根据权利要求2所述的方法,其特征在于,所述采用所述样本介绍文本中的测试样本介绍文本、所述第一样本文本中的测试样本文本、评估指标和所述测试样本文本的批量大小和所述模型学习速率,对所述训练后的文本生成模型进行处理,得到所述目标文本生成模型,包括:
5.根据权利要求1所述的...
【专利技术属性】
技术研发人员:辛治运,鹿群,南东方,赵宇晴,张淼,戴定乐,林焕彬,王昭彤,
申请(专利权)人:广发证券股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。