文案生成方法和装置、存储介质及电子装置制造方法及图纸

本发明专利技术公开了一种文案生成方法和装置、存储介质及电子装置。其中，该方法包括：获取待生成的文案的配置信息；将配置信息导入深度文案生成模型中，其中，深度文案生成模型利用在线样本文案训练得到；获取深度文案生成模型所输出的与目标文案对应的目标词序列，其中，目标文案的点击率大于等于第一预定阈值；根据目标词序列生成目标文案。本发明专利技术解决了现有的文案生成方法所生成的文案质量较差的技术问题。

【技术实现步骤摘要】
文案生成方法和装置、存储介质及电子装置
本专利技术涉及计算机领域，具体而言，涉及一种文案生成方法和装置、存储介质及电子装置。
技术介绍
文案是指结合文字、图像等元素来表现所制定的创意策略。例如，上述文案可以包括：广告文案、邮件文案及其他用于宣传推广活动中的文案。为了提高文案的生成效率，目前很多企业会选择使用一种结合用户输入的配置信息，来自动生成与用户需求相匹配的个性化文案的自动化工具。例如，以电子邮件文案为例，使用自然语言生成技术产出多个版本的措辞。也就是说，在获取到用户输入的情绪要求、功能描述和格式元素等关键词配置信息之后，结合上述配置信息，选出一个版本的措辞，以生成邮件文案中的大部分内容措辞，从而减少工作人员所需填写的邮件内容。然而，在通过上述自动化工具生成文案时，实际上是利用通用版本中的措辞和人工填写的内容来组合生成文案，这种组合得到的文案，虽然较贴近用户的个性化需求，但却无法保证所生成的文案可以受到更多关注，达到宣传推广的效果。也就是说，采用现有的文案生成方式所生成的文案存在质量较差的问题针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供一种文案生成本文档来自技高网...

【技术保护点】
1.一种文案生成方法，其特征在于，包括：获取待生成的文案的配置信息；将所述配置信息导入深度文案生成模型中，其中，所述深度文案生成模型利用在线样本文案训练得到；获取所述深度文案生成模型所输出的与目标文案对应的目标词序列，其中，所述目标文案的点击率大于等于第一预定阈值；根据所述目标词序列生成所述目标文案。

【技术特征摘要】
1.一种文案生成方法，其特征在于，包括：获取待生成的文案的配置信息；将所述配置信息导入深度文案生成模型中，其中，所述深度文案生成模型利用在线样本文案训练得到；获取所述深度文案生成模型所输出的与目标文案对应的目标词序列，其中，所述目标文案的点击率大于等于第一预定阈值；根据所述目标词序列生成所述目标文案。2.根据权利要求1所述的方法，其特征在于，所述将所述配置信息导入深度文案生成模型中包括：获取所述配置信息中所包含的文案信息的信息类别；将所述文案信息分别导入所述深度文案生成模型中与所述信息类别对应的子神经网络模型，其中，所述子神经网络用于提取所述信息类别下的所述文案信息中的文案特征，所述文案特征用于获取所述目标词序列。3.根据权利要求2所述的方法，其特征在于，在所述将所述文案信息分别导入所述深度文案生成模型中与所述信息类别对应的子神经网络模型之后，还包括：获取各个所述信息类别所对应的所述文案特征；拼接获取到的所述文案特征，得到最终特征表示，其中，在所述最终特征表示中，缺省的所述信息类别对应的所述文案特征置零；根据所述最终特征表示确定所述目标词序列中所包含的词的标识。4.根据权利要求3所述的方法，其特征在于，所述根据所述最终特征表示确定所述目标词序列中所包含的词的标识包括：重复执行以下步骤，直至获取到停止词的标识，所述停止词用于指示停止生成过程：获取在所述目标词序列中位于当前词之前解码得到的上一个词的标识；在所述上一个词的标识并非所述停止词的标识的情况下，根据所述上一个词的标识对所述最终特征表示进行再次解码，获取所述当前词的标识。5.根据权利要求2所述的方法，其特征在于，所述将所述文案信息分别导入所述深度文案生成模型中与所述信息类别对应的子神经网络模型包括以下至少之一：在所述信息类别指示为文本类别的情况下，将所述文案信息中的文本信息导入与所述文本类别对应的第一子神经网络模型中，以得到所述文本信息的文本特征；在所述信息类别指示为图像类别的情况下，将所述文案信息中的图像像素信息导入与所述图像类别对应的第二子神经网络模型中，以得到所述图像像素信息的图像特征；在所述信息类别指示为视频类别的情况下，将所述文案信息中的视频帧像素信息导入与所述视频类别对应的第三子神经网络模型中，以得到所述视频帧像素信息的视频特征；在所述信息类别指示为相关类别的情况下，将所述文案信息中的相关信息导入与所述相关类别对应的第四子神经网络模型中，以得到所述相关信息的相关特征。6.根据权利要求1所述的方法，其特征在于，在所述获取待生成的文案的配置信息之前，还包括：从文案采集系统中收集所述在线样本文案；根据所述在线样本文案训练得到所述深度文案生成模型。7.根据权利要求6所述的方法，其特征在于，所述根据所述在线样本文案训练得到所述深度文案生成模型包括：获取与所述在线样本文案匹配的标签文案的标签中序列，其中，所述标签文案的点击率大于等于第二预定阈值；重复执行以下步骤，直至与所述在线样本文案匹配的预测文案的预测中序列满足预定条件：将所述在线样本文案的配置信息导入待测深度文案生成模型中，得到所述预测中序列；比对所述标签中序列及所述预测中序列；根据比对的结果对所述待测深度文案生成模型进行训练调整，其中，在比对的结果指示所述预测中序列向所述标签中序列收敛的情况下，则表示所述预测中序列满足所述预定条件，将输出满足所述预定条件的所述预测中序列对应的所述待测深度文案生成模型作为所述深度文案生成模型；在比对的结果指示所述预测中序列远离所述标签中序列的情况下，则表示所述预测中序列不满足所述预定条件，优化所述待测深度文案生成模型中的参数值，重新获取所述在线样本文案继续进行训练调整。8.一种文案生成装置，其特征在于，包括：第一获取单元，用于获取待生成的文案的配置信息；导入单元，用于将所述配置信息导入深度文案生成模型中，其中，所述深度文案生成模型利用在线样本文...

【专利技术属性】
技术研发人员：汪洋，陈戈，黄东波，赵鹏昊，
申请(专利权)人：腾讯科技北京有限公司，
类型：发明
国别省市：北京,11