会话消息的摘要生成方法、装置、设备、介质及程序产品制造方法及图纸

本申请提供了一种会话消息的摘要生成方法、装置、设备、介质及程序产品；方法包括：获取至少一条待处理会话消息，并构建至少一条待处理会话消息的摘要所对应的摘要提示信息；其中，摘要提示信息，用于描述生成摘要所对应的期望；对摘要提示信息和至少一条待处理会话消息分别进行特征提取，得到摘要提示特征和待处理会话特征；基于摘要提示特征和待处理会话特征，生成至少一条待处理会话消息的摘要，摘要满足期望。通过本申请，能够有效提升所生成的摘要的准确性。摘要的准确性。摘要的准确性。

【技术实现步骤摘要】
会话消息的摘要生成方法、装置、设备、介质及程序产品


[0001]本申请涉及计算机
，尤其涉及一种会话消息的摘要生成方法、装置、设备、介质及程序产品。

技术介绍

[0002]人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。
[0003]在相关技术中，通常通过统计会话消息的词频等信息，选择会话消息中词频大于阈值的词语，组合成会话消息的摘要，这样所确定的摘要往往忽略词语之间的语义关系，导致所确定的摘要准确性较差。

技术实现思路

[0004]本申请实施例提供一种会话消息的摘要生成方法、装置、电子设备、计算机可读存储介质及计算机程序产品，能够有效提升所生成的摘要的准确性。
[0005]本申请实施例的技术方案是这样实现的：
[0006]本申请实施例提供一种会话消息的摘要生成方法，包括：
[0007]获取至少一条待处理会话消息，并构建所述至少一条待处理会话消息的摘要所对应的摘要提示信息；
[0008]其中，所述摘要提示信息，用于描述生成所述摘要所对应的期望；
[0009]对所述摘要提示信息和所述至少一条待处理会话消息分别进行特征提取，得到摘要提示特征和待处理会话特征；
[0010]基于所述摘要提示特征和所述待处理会话特征，生成所述至少一条待处理会话消息的摘要，所述摘要满足所述期望。
[0011]在一些实施例中，上述所述结合所述标签提示信息和所述预测提示信息，对所述初始提示信息预测模型进行训练，得到所述提示信息预测模型，包括：针对各所述预测提示信息，确定所述预测提示信息和相应的所述标签提示信息之间的相似度；将各所述相似度进行加权求和，将加权求和结果确定为所述初始提示信息预测模型的损失值；基于所述损失值，对所述初始提示信息预测模型进行训练，得到所述提示信息预测模型。
[0012]本申请实施例提供一种会话消息的摘要生成方法，包括：
[0013]显示会话消息的摘要生成控件；
[0014]基于所述摘要生成控件，接收到针对目标会话的至少一条会话消息的摘要生成指令；
[0015]响应于所述摘要生成指令，生成所述至少一条会话消息的摘要，并显示所述摘要。
[0016]本申请实施例提供一种会话消息的摘要生成装置，包括：
[0017]获取模块，用于获取至少一条待处理会话消息，并构建所述至少一条待处理会话消息的摘要所对应的摘要提示信息；其中，所述摘要提示信息，用于描述生成所述摘要所对应的期望；
[0018]特征提取模块，用于对所述摘要提示信息和所述至少一条待处理会话消息分别进行特征提取，得到摘要提示特征和待处理会话特征；
[0019]生成模块，用于基于所述摘要提示特征和所述待处理会话特征，生成所述至少一条待处理会话消息的摘要，所述摘要满足所述期望。
[0020]上述方案中，上述获取模块，还用于对所述至少一条待处理会话消息进行解析，得到对应所述至少一条待处理会话消息的关系描述信息，所述关系描述信息，用于描述各所述待处理会话消息对应的会话对象之间的关系；对所述关系描述信息进行特征提取，得到关系描述特征；获取提示信息预测模型，并调用所述提示信息预测模型，基于所述关系描述特征，对所述至少一条待处理会话消息进行摘要提示信息预测，得到对应所述至少一条待处理会话消息的参考摘要提示信息；将所述关系描述信息和所述参考摘要提示信息进行文本融合，得到所述摘要提示信息。
[0021]上述方案中，上述获取模块，还用于获取初始提示信息预测模型，以及会话消息样本集合，所述会话消息样本集合包括多个会话消息样本，以及各所述会话消息样本的标签提示信息，所述标签提示信息，用于指示所述会话消息样本的真实摘要提示信息；调用所述初始提示信息预测模型，分别对各所述会话消息样本进行摘要提示信息预测，得到各所述会话消息样本分别对应的预测提示信息；结合所述标签提示信息和所述预测提示信息，对所述初始提示信息预测模型进行训练，得到所述提示信息预测模型。
[0022]上述方案中，上述获取模块，还用于针对各所述预测提示信息，确定所述预测提示信息和相应的所述标签提示信息之间的相似度；将各所述相似度进行加权求和，将加权求和结果确定为所述初始提示信息预测模型的损失值；基于所述损失值，对所述初始提示信息预测模型进行训练，得到所述提示信息预测模型。
[0023]上述方案中，上述生成模块，还用于将所述摘要提示特征和所述待处理会话特征进行特征融合，得到融合特征；获取至少一个摘要生成网络，所述摘要生成网络的数量与所述摘要的字符数负相关；调用所述至少一个摘要生成网络，基于所述融合特征，对所述待处理会话消息进行摘要抽取，得到所述待处理会话消息的摘要。
[0024]上述方案中，上述生成模块，还用于当所述摘要生成网络的数量为多个时，调用第1摘要生成网络，基于所述融合特征，对所述待处理会话消息进行摘要抽取，得到所述待处理会话消息的第1参考摘要；遍历i执行以下处理：对第i参考摘要进行特征提取，得到第i参考摘要特征，调用第i+1摘要生成网络，基于第i参考摘要特征，对所述待处理会话消息进行摘要抽取，得到所述待处理会话消息的第i+1参考摘要；其中，所述i为大于1，且小于N
‑
1的正整数，所述N用于指示所述摘要生成网络的数量；将第N参考摘要确定为所述待处理会话消息的摘要。
[0025]上述方案中，上述摘要生成网络包括全连接层、归一化层和适配层和解码层，上述生成模块，还用于通过各所述摘要生成网络分别执行以下处理：获取所述摘要生成网络的融合特征；调用所述全连接层，对所述融合特征进行特征变换，得到变换特征，并调用所述
适配层，对所述变换特征进行特征采样，得到采样特征；将所述变换特征和所述采样特征进行融合，得到初始摘要特征，并调用所述归一化层，对所述初始摘要特征进行归一化，得到所述待处理会话消息的摘要特征；调用所述解码层，对所述摘要特征进行解码，得到所述待处理会话消息的摘要。
[0026]上述方案中，上述适配层包括下采样层、非线性采样层和上采样层，上述生成模块，还用于调用所述下采样层，对所述变换特征进行下采样，得到下采样特征；调用所述非线性采样层，对所述下采样特征进行非线性采样，得到非线性采样特征；调用所述上采样层，对所述非线性采样特征进行上采样，得到所述采样特征。
[0027]上述方案中，上述生成模块，还用于获取至少一个初始摘要生成网络，以及特征样本集合，所述特征样本集合包括多个特征样本，以及各所述特征样本对应的特征标签，所述特征标签，用于指示所述特征样本的真实采样特征；针对各所述初始摘要生成本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种会话消息的摘要生成方法，其特征在于，所述方法包括：获取至少一条待处理会话消息，并构建所述至少一条待处理会话消息的摘要所对应的摘要提示信息；其中，所述摘要提示信息，用于描述生成所述摘要所对应的期望；对所述摘要提示信息和所述至少一条待处理会话消息分别进行特征提取，得到摘要提示特征和待处理会话特征；基于所述摘要提示特征和所述待处理会话特征，生成所述至少一条待处理会话消息的摘要，所述摘要满足所述期望。2.根据权利要求1所述的方法，其特征在于，所述构建所述至少一条待处理会话消息的摘要所对应的摘要提示信息，包括：对所述至少一条待处理会话消息进行解析，得到对应所述至少一条待处理会话消息的关系描述信息，所述关系描述信息，用于描述各所述待处理会话消息对应的会话对象之间的关系；对所述关系描述信息进行特征提取，得到关系描述特征；获取提示信息预测模型，并调用所述提示信息预测模型，基于所述关系描述特征，对所述至少一条待处理会话消息进行摘要提示信息预测，得到对应所述至少一条待处理会话消息的参考摘要提示信息；将所述关系描述信息和所述参考摘要提示信息进行文本融合，得到所述摘要提示信息。3.根据权利要求2所述的方法，其特征在于，所述获取提示信息预测模型，包括：获取初始提示信息预测模型，以及会话消息样本集合，所述会话消息样本集合包括多个会话消息样本，以及各所述会话消息样本的标签提示信息，所述标签提示信息，用于指示所述会话消息样本的真实摘要提示信息；调用所述初始提示信息预测模型，分别对各所述会话消息样本进行摘要提示信息预测，得到各所述会话消息样本分别对应的预测提示信息；结合所述标签提示信息和所述预测提示信息，对所述初始提示信息预测模型进行训练，得到所述提示信息预测模型。4.根据权利要求1所述的方法，其特征在于，所述基于所述摘要提示特征和所述待处理会话特征，生成所述至少一条待处理会话消息的摘要，包括：将所述摘要提示特征和所述待处理会话特征进行特征融合，得到融合特征；获取至少一个摘要生成网络，所述摘要生成网络的数量与所述摘要的字符数负相关；调用所述至少一个摘要生成网络，基于所述融合特征，对所述待处理会话消息进行摘要抽取，得到所述待处理会话消息的摘要。5.根据权利要求4所述的方法，其特征在于，所述调用所述至少一个摘要生成网络，基于所述融合特征，对所述待处理会话消息进行摘要抽取，得到所述待处理会话消息的摘要，包括：当所述摘要生成网络的数量为多个时，调用第1摘要生成网络，基于所述融合特征，对所述待处理会话消息进行摘要抽取，得到所述待处理会话消息的第1参考摘要；遍历i执行以下处理：对第i参考摘要进行特征提取，得到第i参考摘要特征，调用第i+1
摘要生成网络，基于第i参考摘要特征，对所述待处理会话消息进行摘要抽取，得到所述待处理会话消息的第i+1参考摘要；其中，所述i为大于1，且小于N
‑
1的正整数，所述N用于指示所述摘要生成网络的数量；将第N参考摘要确定为所述待处理会话消息的摘要。6.根据权利要求4所述的方法，其特征在于，所述摘要生成网络包括全连接层、归一化层、适配层和解码层，所述调用所述至少一个摘要生成网络，基于所述融合特征，对所述待处理会话消息进行摘要抽取，得到所述待处理会话消息的摘要，包括：通过各所述摘要生成网络分别执行以下处理：获取所述摘要生成网络的融合特征；调用所述全连接层，对所述融合特征进行特征变换，得到变换特征，并调用所述适配层，对所述变换特征进行特征采样，得到采样特征；将所述变换特征和所述采样特征进行融合，得到初始摘要特征，并调用所述归一化层，对所述初始摘要特征进行归一化，得到所述待处理会话消息的摘要特征；调用所述解码层，对所述摘要特征进行解码，得到所述待处理会话消息的摘要。7.根据权利要求6所述的方法，其特征在于，所述适配层包括下采样层、非线性采样层和上采样层，所述调用所述适配层，对所述变换特征进行特征采样，得到采样特征，包括：调用所述下采样层，对所述变换特征进行下采样，得到下采样特征；调用所述非线性采样层，对所述下采样特征进行非线性采样，得到非线性采样特征；调用所述上采样层，对所述非线性采样特征进行上采样，得到所述采样特征。8.根据权利要求6所述的方法，其特征在于，所述获取至少一个摘要生成网络，包括：获取至少一个初始摘要生成网络，以及特征样本集合，所述特征样本集合包括多个特征样本，以及各所述特征样本对应的特征标签，所述特征标签，用于指示所述特征样本的真实采样特征；针对各所述初始摘要生成网络分别执行以下处理：调用所述初始摘要生成网络中的所述适配层，分别对各所述特征样本进行特征采样，得到各所述特征样本分别对应的预测采样特征；确定各所述预测采样特征分别与相应的所述特征标签的相似度，并将各所述相似度进行加权求和，将得到的求和结果确定为求和损失值；基于所述求和损失值，...

【专利技术属性】
技术研发人员：刘刚，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：