一种评论生成方法、系统、存储介质及电子设备技术方案

本申请公开了一种评论生成方法、系统、存储介质及电子设备，获取文本数据，通过预设训练评论模型对文本数据的文本特征向量进行知识增强处理，并对知识增强处理后的文本特征向量进行还原，得到文本数据对应的评论。通过上述方案，通过对待训练评论模型进行预训练操作得到的预设训练评论模型，确保预设训练评论模型所生成的句子的连贯性，并且通过预设训练评论模型对文本数据的文本特征向量进行知识增强处理，提高文本特征向量的知识的准确性，避免出现生成前后逻辑混乱的评论的情况，从而确保生成的评论的连贯性，提高用户阅读体验。提高用户阅读体验。提高用户阅读体验。

【技术实现步骤摘要】
一种评论生成方法、系统、存储介质及电子设备


[0001]本申请涉及计算机网络
，更具体地说，涉及一种评论生成方法、系统、存储介质及电子设备。

技术介绍

[0002]随着网络不断发展，新闻在网络平台上的传播使得用户通过评论可以发表自己的观点。新闻评论一方面可以对新闻内容做进一步的解释，另一方面可以吸引更多用户的讨论。
[0003]现有的新闻评论生成方式是通过编解码模型（seq2seq）生成新闻评论，即通过seq2seq的解码器进行新闻评论的生成。
[0004]由于现有新闻评论生成方式需要从解码器逐字输入，容易导致曝光偏差（根据当前生成的当前字（词）去推导下一个字（词）出现的概率，容易产生局部的混淆，使得预训练生成模型推导出错误的下一个字（词）），从而导致生成的新闻评论难以阅读，造成用户阅读体验差。

技术实现思路

[0005]有鉴于此，本申请公开了一种评论生成方法、系统、存储介质及电子设备，旨在提高文本特征向量的知识的准确性，避免出现生成前后逻辑混乱的评论的情况，从而确保生成的评论的连贯性，提高用户阅读体验。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种评论生成方法，其特征在于，所述方法包括：获取文本数据；通过预设训练评论模型对文本数据的文本特征向量进行知识增强处理，并对知识增强处理后的文本特征向量进行还原，得到文本数据对应的评论；其中，所述预设训练评论模型由利用训练数据对待训练评论模型进行预训练操作得到；所述预训练操作用于确保所述预设训练评论模型所生成的句子的连贯性；所述文本数据对应的评论表征评论的位置编码发生偏移的评论。2.根据权利要求1所述的方法，其特征在于，利用训练数据对待训练评论模型进行预训练操作的过程，包括：根据标点符号对训练数据进行分句，得到分句后的训练数据；按照预设遮掩方式，对所述分句后的训练数据进行遮掩，得到遮掩后的句子；将所述遮掩后的句子输入到待训练评论模型的编码器，通过所述编码器将所述遮掩后的句子发送至待训练评论模型的解码器，触发所述解码器对所述遮掩后的句子进行还原操作，以完成待训练评论模型的预训练操作。3.根据权利要求2所述的方法，其特征在于，在将所述遮掩后的句子输入到待训练评论模型的编码器，通过所述编码器将所述遮掩后的句子发送至待训练评论模型的解码器之后，还包括：通过所述解码器对遮掩后的句子进行层次分类，得到各个类型的分类结果；根据所述各个类型的分类结果进行条件层归一化操作；所述条件层归一化操作为根据各个类型的分类结果生成不同评论风格的操作。4.根据权利要求1所述的方法，其特征在于，所述文本数据包括文本标题和文本内容，提取文本数据的文本特征向量的过程，包括：通过预设训练模型中的编码器，对所述文本标题和所述文本内容进行自注意力机制计算，得到各个关联权重；将所述各个关联权重进行加权求和，得到文本特征向量。5.根据权利要求1所述的方法，其特征在于，通过预设训练评论模型对文本数据的文本特征向量进行知识增强处理，包括：通过所述预设训练评论模型和预设遮掩方式，对所述文本特征向量进行遮掩，得到知识增强后的文本特征向量。6.根据权利要求5所述的方法，其特征在于，对知识增强处理后的文本特征向量进行还原，得到文本数据对应的评论，包括：获取预...

【专利技术属性】
技术研发人员：颜子涵，亓克娜，王卿云，
申请(专利权)人：北京搜狐新媒体信息技术有限公司，
类型：发明
国别省市：