文本生成方法、装置、介质和电子设备制造方法及图纸

本申请涉及人工智能及语言处理技术领域，揭示了一种文本生成方法、装置、介质及电子设备。该方法包括：获取用于生成目标文本的基础文本；对所述基础文本进行向量转换，以得到所述基础文本对应的特征向量；通过预先训练的文本生成模型对所述特征向量进行至少两次编码处理，以得到所述基础文本对应的编码数据；通过所述文本生成模型对所述基础文本对应的编码数据进行至少两次解码处理，以生成目标文本。通过此方法能够保证生成通顺的目标文本，增强目标文本中语义的连贯性。本申请还涉及智慧医疗领域，所述文本生成方法、装置、介质及电子设备可应用于智慧医疗系统。

【技术实现步骤摘要】
文本生成方法、装置、介质和电子设备
本申请涉及人工智能及语言处理
，特别地，涉及一种文本生成方法、装置、介质和电子设备。
技术介绍
目前，随着现代社会智能AI技术快速发展应用，文本生成技术在对话机器人，智能客服，智慧医疗，新闻自动撰写，小说生成等领域广泛应用。在现有技术中，与文本生成技术相关深度学习方案主要有seq2seq，vae两种，但这两种技术在生成长的连贯文本都存在有其缺陷，受语料和模型本身设计限制，生成的文本普遍过于平淡且重复，并且存在语义不够连贯问题。基于此，如何保证生成通顺的目标文本，增强目标文本中语义的连贯性是亟待解决的技术问题。
技术实现思路
本申请的目的在于提供一种文本生成方法及装置、计算机可读存储介质、电子设备，从而可以保证生成通顺的目标文本，增强目标文本中语义的连贯性是亟待解决的技术问题。本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。根据本申请实施例的一个方面，提供了一种文本生成方法，所述方法包括：获取用于生成目标文本的基础文本；对所述基础文本本文档来自技高网...

【技术保护点】
1.一种文本生成方法，其特征在于，所述方法包括：/n获取用于生成目标文本的基础文本；/n对所述基础文本进行向量转换，以得到所述基础文本对应的特征向量；/n通过预先训练的文本生成模型对所述特征向量进行至少两次编码处理，以得到所述基础文本对应的编码数据；/n通过所述文本生成模型对所述基础文本对应的编码数据进行至少两次解码处理，以生成目标文本。/n

【技术特征摘要】
1.一种文本生成方法，其特征在于，所述方法包括：
获取用于生成目标文本的基础文本；
对所述基础文本进行向量转换，以得到所述基础文本对应的特征向量；
通过预先训练的文本生成模型对所述特征向量进行至少两次编码处理，以得到所述基础文本对应的编码数据；
通过所述文本生成模型对所述基础文本对应的编码数据进行至少两次解码处理，以生成目标文本。


2.根据权利要求1所述的方法，其特征在于，所述基础文本中包括至少一个字词集合，所述字词集合中包括至少一个字词，所述对所述基础文本进行向量转换，以得到所述基础文本对应的特征向量，包括：
根据预设映射关系，分别将基础文本中的各个字词映射为字词向量；
分别对各个字词集合中字词对应的字词向量进行降维，得到各个字词集合对应的特征向量，其中，各个字词集合对应的特征向量组成所述基础文本的特征向量。


3.根据权利要求2所述的方法，其特征在于，所述通过预先训练的文本生成模型对所述特征向量进行至少两次编码处理，以得到所述基础文本对应的编码数据，包括：
在预先训练的文本生成模型中分别对各个字词集合对应的特征向量进行编码，得到各个字词集合对应的编码数据；
在预先训练的文本生成模型中对各个字词集合对应的编码数据进行编码，得到所述基础文本对应的编码数据。


4.根据权利要求3所述的方法，其特征在于，所述预先训练的文本生成模型包括卷积神经网络层，所述在预先训练的文本生成模型中分别对各个字词集合对应的特征向量进行编码，得到各个字词集合对应的编码数据，包括：
通过卷积神经网络层对各个字词集合对应的特征向量进行卷积处理，分别得到各个字词集合对应的第一卷积特征数据；
根据所述各个字词集合对应的第一卷积特征数据，分别确定各个第一卷积特征数据的第一数学分布，以分别根据各个第一数学分布得到各个字词集合对应的编码数据。


5.根据权利要求3所述的方法，其特征在于，所述在预先训练的文本生成模型中对各个字词集合对应的编码数据进行编码，得到所述基础文本对应的编码数据，包括：
通过卷积神经网络层对所述各个字词集合对应的编码数据进...

【专利技术属性】
技术研发人员：孙思，
申请(专利权)人：平安国际智慧城市科技股份有限公司，
类型：发明
国别省市：广东;44