【技术实现步骤摘要】
本申请涉及机器学习领域，尤其涉及基于多任务的文本生成方法、终端设备及计算机可读存储介质。
技术介绍
1、判别式多任务学习的应用非常广泛，通常被用于处理复杂的视觉任务，如图像分类、目标检测和图像分割等。通过多任务学习，网络能够从多个相关任务中共享学习到的特征，从而提高每个任务的性能。
2、然而，判别式多任务学习的应用通常使用统一的主干网络，通过附加不同的网络头来实现不同的任务，如图像分类、目标检测和图像分割等。但是为每个任务都附加一个单独的网络头，会显著增加模型的复杂度，而复杂的模型在训练时容易不稳定，进而导致最终模型在使用过程中表现不稳定，无法保证每次任务执行结果的准确性。
技术实现思路
1、本申请实施例通过提供一种基于多任务的文本生成方法、终端设备及计算机可读存储介质，解决了多任务文本生成的相关技术中，使用复杂模型导致文本识别任务执行过程不稳定，无法保证每次任务执行结果的准确性的问题，达到了提高文本识别任务的准确性的效果。
2、本申请实施例提供了一种基于多任务的文本生成方法，所述方法包括：
3、接收多任务文本生成指令，并获取所述多任务文本生成指令对应的任务类型和图像；
4、获取所述任务类型对应的提示链模版；
5、将所述图像和所述提示链模版作为预处理模型的输入参数，并控制所述预处理模型生成所述多任务文本生成指令对应的目标文本。
6、可选地，所述接收多任务文本生成指令，并获取所述多任务文本生成指令对应的任务类型和
7、接收多任务训练数据集，对所述预处理模型进行训练；
8、获取测试数据，对训练后的所述预处理模型进行测试；
9、将测试通过的所述预处理模型部署到多任务的文本生成平台，等待接收所述多任务文本生成指令。
10、可选地，所述接收多任务训练数据集，对所述预处理模型进行训练的步骤包括：
11、接收多任务训练数据集，所述多任务训练数据集包括图像、所述图像对应的标签和所述图像对应的提示链语句；
12、将所述多任务训练数据集输入第一预训练模型，得到图像-文本相似度矩阵；
13、将所述图像-文本相似度矩阵进行置换得到一维向量，并将所述一维向量作为第二预训练模型的输入，得到所述图像的描述语句；
14、将所述描述语句与所述标签进行语句融合校正，形成图像提示链数据。
15、可选地，所述接收多任务文本生成指令，并获取所述多任务文本生成指令对应的任务类型和图像的步骤包括：
16、接收所述多任务文本生成指令，并基于所述多任务文本生成指令获取单个任务信息，所述单个任务信息包括所述单个任务对应的所述任务类型和所述单个任务对应的所述图像；
17、根据各个所述单个任务信息的关联关系，对所述多任务文本生成指令中的任务进行排序；
18、根据排序结果输出所述任务类型和所述图像。
19、可选地，所述接收多任务文本生成指令，并获取所述多任务文本生成指令对应的任务类型和图像的步骤之后，包括：
20、判断任务类型库中是否存在所述任务类型；
21、若存在所述任务类型，则执行所述获取所述任务类型对应的提示链模版的步骤；
22、若不存在所述任务类型，则获取辅助提示链模版，将所述辅助提示链模版和所述图像作为所述输入参数，并控制所述预处理模型生成所述多任务文本生成指令对应的目标文本。
23、可选地，辅助提示链模版包括通用提示链模版，所述获取辅助提示链模版的步骤包括：
24、获取所述预处理模型生成的历史目标文本，并学习所述历史目标文本对应的各历史人物类型和历史图像之间的关联性；
25、迁移所述关联性至所述任务类型和所述图像，构建通用提示链模版
26、可选地，辅助提示链模版包括前导提示链模版，所述获取辅助提示链模版的步骤包括：
27、基于所述任务类型，在所述预处理模型生成的历史目标文本中查找与所述任务类型对应的历史相似任务类型；
28、获取所述历史相似任务类型对应的历史提示链模版，并基于所述历史提示链模版，构建前导提示链模版。
29、可选地，所述将所述图像和所述提示链模版作为预处理模型的输入参数，并控制所述预处理模型生成所述多任务文本生成指令对应的目标文本的步骤包括：
30、将所述图像和所述提示链模版作为所述预处理模型的输入参数，识别所述图像的对应的文本描述；
31、将所述文本描述填充进所述提示链模版，生成所述目标文本。
32、此外，为实现上述目的，本专利技术实施例还提供一种终端设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于多任务的文本生成程序，所述处理器执行所述基于多任务的文本生成程序时，实现如上所述的方法。
33、此外，为实现上述目的，本专利技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有基于多任务的文本生成程序，所述基于多任务的文本生成程序被处理器执行时，实现如上所述的方法。
34、本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
35、在接收到多任务文本生成指令后，获取多任务文本生成指令对应的任务类型和图像，再获取任务类型对应的提示链模版，将所述图像和所述提示链模版作为预处理模型的输入参数，由预处理模型生成多任务文本生成指令对应的目标文本。多任务是指多种类型的任务，对不同类型的文本生成任务，可以获取到对应的提示链模版，再由预处理模型对图像进行解析，提取出任务类型所需的信息，将从图像上提取出来的信息填充到提示链模版中对应的位置，生成目标文本。也即对于类型多样的文本生成任务，不需要使用复杂的模型也能完成。解决了多任务文本生成的相关技术中，使用复杂模型导致文本识别任务执行过程不稳定，无法保证每次任务执行结果的准确性的问题，达到了提高文本识别任务的准确性的效果。
本文档来自技高网...【技术保护点】
1.一种基于多任务的文本生成方法，其特征在于，所述基于多任务的文本生成方法包括以下步骤：
2.如权利要求1所述的基于多任务的文本生成方法，其特征在于，所述接收多任务文本生成指令，并获取所述多任务文本生成指令对应的任务类型和图像的步骤之前，还包括：
3.如权利要求2所述的基于多任务的文本生成方法，其特征在于，所述接收多任务训练数据集，对所述预处理模型进行训练的步骤包括：
4.如权利要求1所述的基于多任务的文本生成方法，其特征在于，所述接收多任务文本生成指令，并获取所述多任务文本生成指令对应的任务类型和图像的步骤包括：
5.如权利要求1所述的基于多任务的文本生成方法，其特征在于，所述接收多任务文本生成指令，并获取所述多任务文本生成指令对应的任务类型和图像的步骤之后，包括：
6.如权利要求5所述的基于多任务的文本生成方法，其特征在于，辅助提示链模版包括通用提示链模版，所述获取辅助提示链模版的步骤包括：
7.如权利要求5所述的基于多任务的文本生成方法，其特征在于，辅助提示链模版包括前导提示链模版，所述获取辅助提示链模
8.如权利要求1所述的基于多任务的文本生成方法，其特征在于，所述将所述图像和所述提示链模版作为预处理模型的输入参数，并控制所述预处理模型生成所述多任务文本生成指令对应的目标文本的步骤包括：
9.一种终端设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于多任务的文本生成程序，所述处理器执行所述基于多任务的文本生成程序时，实现权利要求1-8任一所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有基于多任务的文本生成程序，所述基于多任务的文本生成程序被处理器执行时，实现权利要求1-8任一所述的方法。
...【技术特征摘要】
1.一种基于多任务的文本生成方法，其特征在于，所述基于多任务的文本生成方法包括以下步骤：
2.如权利要求1所述的基于多任务的文本生成方法，其特征在于，所述接收多任务文本生成指令，并获取所述多任务文本生成指令对应的任务类型和图像的步骤之前，还包括：
3.如权利要求2所述的基于多任务的文本生成方法，其特征在于，所述接收多任务训练数据集，对所述预处理模型进行训练的步骤包括：
4.如权利要求1所述的基于多任务的文本生成方法，其特征在于，所述接收多任务文本生成指令，并获取所述多任务文本生成指令对应的任务类型和图像的步骤包括：
5.如权利要求1所述的基于多任务的文本生成方法，其特征在于，所述接收多任务文本生成指令，并获取所述多任务文本生成指令对应的任务类型和图像的步骤之后，包括：
6.如权利要求5所述的基于多任务的文本生成方法，其特征在于，辅助提示...
【专利技术属性】
技术研发人员：张一帆，李琦，山金孝，龙喜洋，刘屹，喻霜，
申请(专利权)人：招商局金融科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。