一种文本序列生成方法、装置、设备和介质制造方法及图纸

本公开实施例公开了一种文本序列生成方法、装置、设备和介质。该方法包括：获取初始文本序列，从所述初始文本序列中提取初始文本特征；获取结构化文本序列，从所述结构化文本序列中提取结构化特征；其中，所述结构化文本序列与所述初始文本序列中的事实相关联；根据所述初始文本特征和所述结构化特征，融合生成目标文本序列。本公开实施例所提供的技术方案，通过对具有事实相关联的不同类型序列匹配后进行融合，以生成新的文本序列，从而提高了目标文本准确性与流畅性。

【技术实现步骤摘要】
一种文本序列生成方法、装置、设备和介质
本公开实施例涉及人工智能领域，尤其涉及一种文本序列生成方法、装置、设备和介质。
技术介绍
随着资讯类应用软件的流行，需要处理大量资讯类数据，提供给用户。资讯类数据可以以各种形式呈现，例如文本、图片、和视频等。基于文本形成的文章是一种资讯展示的重要形式。由于要处理的文章众多，所以目前已经采用了各种各样的自动化文本转化技术来生成或转换文章，以便把原始文本素材，转换为符合当前需求的文本文章。这种技术用于不同语种的语言之间或不同文本形式之间的转换就是机器翻译，用于文章和摘要之间的转换就是文章自动摘要。但是，现有的文本转化技术会存在事实错误或疏漏的情况，并且转化后得到文本文章一般比较生硬、不流畅。
技术实现思路
本公开实施例提供一种文本序列生成方法、装置、设备和介质，以实现优化作为文本序列的文本文章的生成方法，提高文本文章的准确性和流畅度。第一方面，本公开实施例提供了一种文本序列的生成方法，包括：获取初始文本序列，从所述初始文本序列中提取初始文本特征；获取结构化文本序列，从所述结构化文本序列中提取结构化特征；其中，所述结构化文本序列与所述初始文本序列中的事实相关联；根据所述初始文本特征和所述结构化特征，融合生成目标文本序列。第二方面，本公开实施例还提供了一种文本序列的生成装置，该装置包括：初始文本特征提取模块：用于提取初始文本序列的初始文本特征；结构化特征提取模块：用于提取结构化文本序列的结构化特征；融合模块：用于根据所述初始文本特征和所述结构化特征，融合生成目标文本序列。第三方面，本公开实施例还提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本公开任意实施例所提供的文本序列的生成方法。第四方面，本公开实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如本公开任意实施例所提供的文本序列的生成方法。本公开实施例通过一种文本序列的生成方案，结合了文本序列和结构化文本序列，以文本序列来提升所生成目标文本序列的流畅度，以结构化文本序列来提升目标文本序列的事实准确性，解决了文本转化技术会存在事实错误或疏漏的情况，与转化后得到文本文章生硬、不流畅等技术问题，提高了文本编辑的准确性与流畅性。附图说明结合附图并参考以下具体实施方式，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。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。图1是本公开实施例一提供的一种文本序列生成方法的流程图；图2A是本公开实施例二提供的一种文本序列生成方法的流程图；图2B是本公开实施例二提供的一种文本序列生成方法的结构示意图；图2C是本公开实施例二提供的一种文本序列生成方法的结构示意图；图3是本公开实施例三提供的一种文本序列生成方法的流程图；图4A是本公开实施例五提供的一种文本序列生成方法的示意图；图4B是本公开实施例五提供的一种文本序列生成方法的示意图；图4C是本公开实施例五提供的一种文本序列生成方法的示意图；图5是本公开实施例六提供的一种文本序列生成装置的结构示意图；图6是本公开实施例提供的一种电子设备的结构示意图。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。应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。相关技术中，一般会采用文本自动转化技术或者表到文本转化技术，其中，文本自动转化技术，通常将不同语种的语言之间的转化或者对特定文本格式进行转化，例如：中文文本转化为英文文本、文章转化为摘要；其中，表到文本转化技术，基于结构化数据的信息表，经过对各个行、列、表框之间关联关系进行设定，在需要的地方设置一定的标点符号，去掉表框后获得具有标点符号的表框内容，相当于对表框中的内容进行罗列插入符号。上述两种技术方案并不能针对文本内容对文本进行编辑，无法对文本内容的准确性与流畅性修正，导致用户在使用转化后文本存在事实性错误和语序错乱。本公开实施例的技术方案提供一种文本序列的生成方法，可以应用于各种资讯编辑系统。该文本序列的生成方法可以应用于文本编辑系统中，该文本编辑系统包括一个或多个存储区域。其中，一个或多个存储区域通过算法对序列进行融合。通过对具有事实相关联的不同类型序列匹配后进行过滤，将过滤完的序列进行融合生成新的序列。其中，文本编辑系统的一个或多个存储区域可以为各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备、服务器和或者是多个服务器组成的服务器集群来实现。为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。实施例一图1为本公开实施例一提供的一种文本序列的生成方法的流程图，该方法可以适用于各种文本编辑场景中，基于已有文本序列生成新的文本序列。该方法由文本序列的生成装置来执行，该装置可以通过软件和/或硬件的方式来实现，并具体可继承于具备存储和计算能力来进行文本处理的电子设备中。如图1所示，提供一种文本序列的生成方法，包括：步骤110、获取初始文本序列，从所述初始文本序列中提取初始文本特征；初始文本序列为已有文本序列，相当于源文本序列，是用于生成新的目标文本序列的素材。初始文本序列可以是包括几个、十几个词汇的一个独立语句，也本文档来自技高网...

【技术保护点】
1.一种文本序列的生成方法，其特征在于，包括：/n获取初始文本序列，从所述初始文本序列中提取初始文本特征；/n获取结构化文本序列，从所述结构化文本序列中提取结构化特征；其中，所述结构化文本序列与所述初始文本序列中的事实相关联；/n根据所述初始文本特征和所述结构化特征，融合生成目标文本序列。/n

【技术特征摘要】
1.一种文本序列的生成方法，其特征在于，包括：
获取初始文本序列，从所述初始文本序列中提取初始文本特征；
获取结构化文本序列，从所述结构化文本序列中提取结构化特征；其中，所述结构化文本序列与所述初始文本序列中的事实相关联；
根据所述初始文本特征和所述结构化特征，融合生成目标文本序列。


2.根据权利要求1所述的方法，其特征在于，根据所述初始文本特征和所述结构化特征，融合生成目标文本序列包括：
根据所述结构化特征对所述初始文本特征进行过滤，且根据所述结构化特征对所述初始文本特征的文本内容进行纠正，以融合生成所述目标文本序列。


3.根据权利要求2所述的方法，其特征在于，根据所述结构化特征对所述初始文本特征进行过滤，且根据所述结构化特征对所述初始文本特征的文本内容进行纠正，以融合生成所述目标文本序列包括：
分别将每个初始文本特征作为当前初始文本特征；
将所述当前初始文本特征与所述结构化特征进行事实匹配，并根据事实匹配结果确定对所述当前初始文本特征的执行动作；
根据所述执行动作，对所述当前初始文本特征进行处理，以生成所述目标文本序列。


4.根据权利要求3所述的方法，其特征在于，根据事实匹配结果确定对所述当前初始文本特征的执行动作包括：
如果存在与当前初始文本特征匹配的结构化特征，且所述当前初始文本特征和匹配的结构化特征的文本内容匹配，则执行动作为保留；
如果存在与当前初始文本特征匹配的结构化特征，且所述当前初始文本特征和匹配的结构化特征的文本内容不一致，则执行动作为拼接生成；
如果不存在与当前初始文本特征匹配的结构化特征，则执行动作为丢弃；
相应的，根据所述执行动作，对所述当前初始文本特征进行处理，以生成所述目标文本序列包括：
如果执行动作为保留，则保留所述当前初始文本特征为所述目标文本特征；
如果执行动作为拼接生成，则根据所述当前初始文本特征和匹配的结构化特征，拼接生成为所述目标文本特征；
如果执行动作为丢弃，则过滤丢弃当前初始文本特征；
根据所述目标文本特征生成所述目标文本序列。


5.根据权利要求3所述的方法，其特征在于，将所述当前初始文本特征与所述结构化特征进行事实匹配，并根据事实匹配结果确定对所述当前初始文本特征的执行动作包括：
将所述当前初始文本特征与所述结构化特征输入长短记忆循环神经网络进行事实匹配，并根据事实匹配结果确定对所述当前初始文本特征的执行动作。


6.根据权利要求1所述的方法，其特征在于，获取初始文本序列，从所述初始文本序列中提取初始文本特征包括：
获取初始文本序列，输入双向长短记忆循环神经网络，以提取所述初始文本特征。


7.根据权利要求1所述的方法，其特征在于，获取结构化文本序列，从所述结构化文本序列中提取结构化特征包括：
根据所述结构化文本序列确定至少一个事实三元组，所述事实三元组包括主语、谓语和宾语；
将所述事实三元组输入全连接神经网络，以拼接形成事实三元组序列，作为所述结构化特征。


8.根据权利要求3所述的方法，其特征在于，将所述当前初始文本特征与所述结构化特征进行事实匹配，并根据事实匹配结果确定对所述当前初始文本特征的执行动作包括：
基于如下公式计算当前事实向量



其中，αt,j按照如下公式确定：



其中，Wα和为待训练参数；bt为当前初始文本特征；st为当前目标文本特征，下标t为文本特征的序号；tj为结构化特征，1≤j≤M，M为结构化特征的数量；exp(...

【专利技术属性】
技术研发人员：李航，乔超，伊曾飒，
申请(专利权)人：北京字节跳动网络技术有限公司，
类型：发明
国别省市：北京;11